一种基于自适应模糊神经网络的交通灯控制系统

交通灯控制是智能交通系统的一个重要部分,针对我国中等城市交通流具有模糊性、复杂性的特点,将模糊逻辑和神经网络相结合,采用模糊隶属函数来描述车辆排队长度和绿灯时间,建立了模糊神经网络交通灯信号控制模型。利用神经网络等技术对交通系统进行全局优化调度,并在此基础上形成调度指令,利用模糊控制的方法实现交叉口的交通灯控制。     

基于遗传算法的模糊控制器设计与仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键，它决定了模糊控制系统的动态、静态性能和控制效果。针对传统的获取隶属度函数方法的不足，提出了在一个待优化模糊控制器的基础上，采用改进的遗传算法优化其隶属度函数，从而使经过优化所获得的隶属度函数更加合理。最后对优化后的模糊控制器进行仿真比较研究，结果表明隶属度函数经过优化后的模糊控制器的控制品质有较大的改善和提高。     

基于遗传算法的模糊控制器设计与仿真

模糊控制中隶属度函数的正确选择是模糊控制器设计的关键，它决定了模糊控制系统的动态、静态性能和控制效果。针对传统的获取隶属度函数方法的不足，提出了在一个待优化模糊控制器的基础上，采用改进的遗传算法优化其隶属度函数，从而使经过优化所获得的枣属度函数更加合理。最后对优化后的模糊控制器进行仿真比较研究，结果表明隶属度函数经过优化后的模糊控制器的控制品质有较大的改善和提高。     

充液拉深液室压力的模糊迭代学习建模与仿真

在汽车板材充液拉深工艺中,成型质量主要由充液室压力控制效果决定,质量要求越高,对压力控制的要求越苛刻,而控制系统中存在很多如滞后、死区、时变等非线性因素。为了解决系统中存在的非线性问题,同时提高系统的鲁棒性,首先建立了该系统的整体仿真模型,然后在传统迭代学习控制算法中引入模糊控制,形成模糊迭代学习控制算法,通过选择合适的输入输出变量、隶属度函数和模糊推理规则,构建模糊迭代学习控制器。最后进行Matlab仿真,验证该改进算法在充液拉深工艺压力控制系统中的有效性。     

可控励磁直线同步电动机的自适应神经模糊控制的研究

由于可控励磁直线同步电动机(controllable excitation linear synchronous motor, CELSM)运行中存在不确定性扰动的问题,设计了一种基于自适应神经模糊推理(adaptive neuro-fuzzy inference system,ANFIS)的控制系统。根据CELSM的特定结构和运行原理,推导电压方程、电磁推力方程以及运动方程的数学模型;由于CELSM的数学模型具有扰动的不确定性,采用模糊控制有很强的针对性,而传统模糊控制隶属度函数和控制规则难以自动调整,自适应神经模糊控制器能够根据所选误差函数利用样本集采用混合学习算法训练模糊推理系统(fuzzy inference system, FIS),在线调整隶属度函数参数,以及实现模糊规则的自动获取;利用MATLAB软件建模仿真,与RBF神经网络控制、PI控制对比,结果表明ANFIS控制稳定性好,精度高,系统响应速度快,抗干扰能力强且具有很强的自适应性。     

模糊控制在矿冶进液流量控制系统中的应用

阐述了模糊控制系统的结构以及模糊控制器的实现思路,尾液浓度对给定进料流量的模糊控制:首先是确定模糊控制系统中为简单的双输入单输出的结构,然后做模糊化处理;其次通过Matlab画出隶属函数的图形来确定隶属函数;再次列出模糊规则表并进行模糊推理及反模糊化;最后仿真得出尾液浓度对进料流量的控制曲线图。     

基于遗传算法的模糊振动主动控制器的参数编码设计和约束处理

在采用模糊控制的压电材料智能结构中,利用遗传算法对模糊控制隶属函数进行优化时,遗传编码的设计将影响优化结果,从振动主动控制要求出发,设计了振幅输入模糊集的隶属函数参数编码,并对模糊子集约束条件进行处理。结果表明新的编码方式可以产生适合振动主动控制的隶属函数,且设计的约束修补算法简单有效。     

双足机器人步态控制的深度强化学习方法

针对双足机器人行走过程中的步态稳定控制问题,提出一种改进深度Q网络的深度强化学习方法.首先,将深度Q网络算法与确定性策略梯度相结合,提出用修正Double-Q网络优化操作一评论网络的评论网络,给出一种改进的深度Q网络;然后,建立双足机器人连杆模型,在常规的平整路面上将改进的深度Q网络用于作为智能体的双足机器人进行步态控制训练.MATLAB仿真结果表明,与深度Q网络和深度确定性策略梯度算法相比,所提算法有更好的训练速度且其回报曲线具有良好的平滑性.在CPU训练下,经过20 h左右深度强化学习能够完成智能体训练.双足机器人在较小的力矩和长距离下能够稳定快步行走.     

基于Q学习的智能车间自适应调度方法

为降低智能车间中动态不确定因素对生产性能的影响，提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架，采用Q学习算法，通过智能体—环境交互试错机制，自主训练调度模型，并根据生产车间环境变化动态更新调度模型，以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证，结果证明该方法能够有效应对智能车间生产环境变化，在生产全过程中能对调度决策进行实时调整，优化车间综合性能指标，同时显著降低时间与人力成本。     

轮毂电机HEV能量管理策略优化研究

以一种轮毂电机HEV为研究对象,以整车燃油消耗量和排放最小为优化目标,制定了基于模糊控制的能量管理策略。在原能量管理策略的基础上引入了模拟退火粒子群算法,对模糊控制中的隶属度函数进行了优化。在此基础上,基于ADVISOR 2002软件搭建了轮毂电机HEV模型并在UDDS工况下进行仿真分析,仿真结果表明,与原能量管理策略相比,基于模拟退火粒子群算法优化的能量管理策略能更好地控制发动机工作点和分配发动机转矩和电机转矩,显著地改善了整车燃油经济性、排放性能。     

一种智能交通信号控制方法

提出了一种提高城市交通信号控制效率的新方法.首先对路面、车辆和交通控制系统作进行智能化建模,同时无线专用通信网络给车-路协作提供了可能.提出了交通控制系统的体系结构,以及基于机器学习的十字路口的智能管理机制,并进行了仿真研究.仿真结果表明,本文提出的方法可以比传统的交通管理系统提高效率约30%.     

基于前馈模糊自学习控制的强迫周期振动主动控制

运用前馈模糊自学习方法对强迫周期振 主动控制进行研究。指出模糊自学习算法在应用上存在的问题,并进行改进;针对不同规则数、不同学习次数进行控制仿真研究,揭示规则数和学习次数对控制性能的影响;对模糊自学习系统的鲁棒性进行探讨;结果表明前馈模糊自学习系统对强迫周期振动具有良好的抑制效果。     

Fuzzy Lyapunov Reinforcement Learning for Non Linear Systems

We propose a fuzzy reinforcement learning (RL) based controller that generates a stable control action by lyapunov constraining fuzzy linguistic rules. In particular, we attempt at lyapunov constraining the consequent part of fuzzy rules in a fuzzy RL setup. Ours is a first attempt at designing a linguistic RL controller with lyapunov constrained fuzzy consequents to progressively learn a stable optimal policy. The proposed controller does not need system model or desired response and can effectively handle disturbances in continuous state-action space problems. Proposed controller has been employed on the benchmark Inverted Pendulum (IP) and Rotational/Translational Proof-Mass Actuator (RTAC) control problems (with and without disturbances). Simulation results and comparison against a) baseline fuzzy Q learning, b) Lyapunov theory based Actor-Critic, and c) Lyapunov theory based Markov game controller, elucidate stability and viability of the proposed control scheme.     

基于大数据模糊 PID 控制的切削机械加工稳定性分析

针对切削机械加工稳定性分析未考虑切削力信号和切削机械磨损之间的关系,导致切削机械加工稳定性较差的问题,提出一种基于大数据模糊 PID 控制的切削机械加工稳定性分析方法,对加工过程建模,同时通过历史切削机械加工数据组建切削力信号和磨损之间的映射关系。分析切削机械的加工性能,在构建数学模型的基础上,设计一种大数据模糊 PID 控制方法对切削机械加工稳定性实时控制,通过模糊控制规格对控制器参数实时调整,最终有效控制切削机械加工稳定性。仿真实验结果表明,在切削机械加工过程中,该方法可以有效控制切削机械加工稳定性。     

基于单片机控制的智能充电系统

设计了以西门子C504单片机为控制核心的智能充电装置。该装置包括充电电源和单片机控制电路两部分,其中充电电源采用了高频开关电源技术。系统功能实现方法：在充电过程中采集镍镉蓄电池的端电压及电压变化率信息,经二维模糊控制器的分析处理,输出脉宽已经调整的PWM值,PWM经TLP250信号放大控制二次斩波电路中MOSFET开关管的通断时间,通过改变输出的直流电压控制充电电流。     

基于模糊神经网络的火灾信号探测方法研究

本文提出了一种基于模糊神经网络的火灾信号探测数学模型,得出了它的一种学习算法,并进行了计算机仿真。利用该模型,确定了一种多元火灾信号探测方法。计算机仿真证明,该方法具有学习速度快,抗干扰能力强和误报率低等特点。     

基于模糊神经网络的络筒机纱线张力控制系统的研究

针对络筒机的纱线张力不稳定性问题,结合模糊系统的鲁棒性、容错性以及神经网络学习能力强的特点,提出了应用模糊神经网络控制器控制纱线张力的方法。开展了纱线张力控制系统、神经网络和模糊控制算法的分析,建立了模糊控制系统和神经网络之间的关系,设计了基于模糊神经网络的纱线张力控制器,应用MATLAB软件仿真验证了基于模糊神经网络的络筒机纱线张力控制系统的可行性。研究结果表明,与线性插值模糊控制效果相比,模糊神经网络控制作用下的系统超调量小,调节时间快,稳定性好,具有一定使用价值。     

INTELLIGENT CONTROL SYSTEM OF PULSED MAG WELDING INVERTER BASED ON DIGITAL SIGNAL PROCESSOR

A fuzzy logic intelligent control system of pulsed MAG welding inverter based on digital signal processor （DSP） is proposed to obtain the consistency of arc length in pulsed MAG welding. The proposed control system combines the merits of intelligent control with DSP digital control. The fuzzy logic intelligent control system designed is a typical two-input-single-output structure, and regards the error and the change in error of peak arc voltage as two inputs and the background time as single output. The fuzzy logic intelligent control system is realized in a look-up table （LUT） method by using MATLAB based fuzzy logic toolbox, and the implement of LUT method based on DSP is also discussed. The pulsed MAG welding experimental results demonstrate that the developed fuzzy logic intelligent control system based on DSP has strong arc length controlling ability to accomplish the stable pulsed MAG welding process and controls pulsed MAG welding inverter digitally and intelligently.     

PLC在模糊智能交通控制系统中的应用

针对目前城市车辆剧增和交通拥挤的现象,设计一种基于PLC控制的模糊交通控制系统。该系统选用电感式传感器探测车辆的通过,用PLC内高速计数器对车辆数量进行计数。运用一定的模糊智能控制原则,PLC就能依据车流量的情况自动调节红绿灯的时间长度,从而提高交通控制效率,缓解交通拥挤,达到最优控制。在某城市十字交通路口实验表明,该方法可以很大程度上解决城市车辆交通问题,是一种新型的智能化设计方法,具有推广应用价值。     

基于小波和神经网络的视觉诱发电位识别方法

在基于瞬态视觉诱发电位的脑机接口研究中，通过视觉诱发电位信号的提取与识别产生脑机接口控制信号。采用累加平均和小波滤波提取强噪声背景下微弱的视觉诱发电位。在小波变换域求取特征向量，将特征向量输入感知器进行视觉诱发电位模糊识别，产生脑机接口控制信号。实验表明，小波变换域特征向量提取方法能有效地实现信号的去噪、降维和特征提取，基于神经网络的模糊识别算法能比较准确地识别视觉诱发电位，有利于提高脑机接口的通讯率。