基于混沌搜索的模糊控制器参数最优设计

基于混沌变量，本文提出一种模糊控制器最优设计方案．离线优化采用混沌算法，将混沌因子引入到模糊控制器参数域的优化搜索中，用载波方式将优化变量转变成混沌变量，再利用混沌运动的遍历性和随机性直接寻优，得到模糊控制器参数的全局次优解．在线优化采用共轭梯度下降法，把混沌搜索后得到的全局次优值作为梯度下降搜索的初始值，实现混沌全局粗搜索和梯度下降局部细搜索相结合的优化目的，能很快找到模糊控制器参数的全局最优解．最后对算法的收敛性进行了证明．     

一种新型混沌优化的模糊PID控制器设计

提出一种最优模糊PID控制器的设计．该方法将混沌因子引入到模糊PID控制器参数域的全局优化搜索方法中．在优化过程中不断缩小寻优区间以提高搜索效率，能较快搜索到全局最优解。最后．对延迟的三阶系统进行仿真．并与Ziegler-Nichols规则的PID控制相比较．控制结果说明该方法是有效可行的。     

一类非线性欠驱动系统的混沌优化LQ控制

提出了一种基于混沌优化线性二次最优控制器权矩阵参数的三级倒立摆控制方法;根据系统控制的目标,设计了一类适合多变量系统的优化性能指标函数;这类性能指标函数综合考虑三级倒立摆系统各个输出间的重要程度,以及动态特性和稳定性要求,结合文中的性能指标函数,首先利用混沌粗搜索得到控制器权矩阵参数的次优解,再在次优解的邻域内继续寻优,得到全局最优的权矩阵参数;利用这种方法得到的LQ控制器,有效地实现了对三级倒立摆的稳定控制。     

基于斐波那契树优化算法的切削参数多方案优化方法

针对切削参数优化问题,以生产成本最小化为优化目标,基于斐波那契法最优化原理与黄金分割法,提出斐波那契树优化算法(FTO)进行优化求解.该算法通过全局探索与局部寻优交替进行,达到快速收敛到全局最优解的目的,避免陷入局部最优;通过设置距离参数保留多个有价值的全局最优解和局部最优解,可以一次性得到多个全局最优的优化设计方案.8个典型多峰函数的测试结果表明,FTO算法具有较强的全局寻优能力和较高的寻优精度.利用FTO算法对切削参数进行优化,仿真结果表明,所提出算法能够找到多个满足约束条件的切削参数优化结果.采用多方案优化方法不仅能一次性得到多个生产成本最低的最优解,还能给出切削参数的优化组合取值.多方案优化方法使优化算法应用于工程优化问题具有现实意义.     

多级复杂热工PID回路控制器优化设计

为解决PID参数寻优不便,计算量大,难以寻得全局最优参数的问题,以ITAE积分准则为性能指标,提出了一种串级回路PID控制器参数优化整定的方法,即由内到外对各层控制器进行参数寻优。在对各层回路寻优时,首先在全局范围内采用直接搜索法搜索,得到一组参数后,以这组参数为初始值,利用Matlab优化工具箱,采用单纯法在局部范围内搜索,从而得到控制器最优参数。与传统方法相比,此方法提高了搜索速度,并获得全局最优值。     

基于混沌变量优化的神经网络PID控制

对神经网络模型辨识器的输入量Y（k）,u（k）进行归一化处理,一种规范化PID控制方法作为控制器。采用Logistic映射构造多个不同的混沌变量,应用到神经网络PID参数域中,根据控制系统性能指标进行混沌寻优,获得近似最优解后,再通过时变因子Z（t）在近似最优解的附近继续混沌局部寻优。仿真实验表明该方案是有效的。     

混沌优化与遗传算法的智能集成

作为智能算法,遗传算法的确是解决非线性复杂优化问题的有利工具,但它在搜索过程中易陷入局部最优、收敛速度慢的缺陷又确实限制了它的寻优效能。混沌的遍历性、随机性和内在规律性使得混沌优化能够互补地与遗传算法进行集成。基于此,该文经过遗传算法和混沌优化方法的理论机制分析,将二者进行智能集成,给出混沌遗传优化算法CGA。经过仿真迭代运算,发现该算法能够保证求得全局最优解,并且寻优速度有很大提高。     

基于幂函数载波的混沌退火搜素算法

提出了一种用于求解组合优化问题的混沌优化策略.在寻优过程中,利用混沌搜索的方法确定解矩阵的变化位置,使得解矩阵在合法解空间内不断遍历寻优.为提高混沌搜索的充分性和遍历性,混沌载波采用幂函数载波的方式,并结合模拟退火的思想来确保算法具有跳出局部极小到达全局最优的遍历寻优能力.该算法可用于多种实际工程问题的求解中.仿真结果验证了该算法的有效性.     

混沌梯度组合优化算法

提出一种混沌梯度组合全局优化算法，并对该算法进行了收敛性分析．算法首先采用改进的变步长梯度法得到某个优化值，然后利用变尺度混沌搜索跳出局部极小，经过反复组合迭代，直至到达最优解．仿真结果表明，该算法能充分发挥梯度法寻优的快速性和混沌法寻优的全局搜索能力．     

一种改进混沌鱼群算法及其在四旋翼滑模控制中的应用

针对四旋翼飞行器滑模控制参数难以确定的问题,提出使用一种结合混沌策略的改进鱼群算法对参数进行优化;将Tent映射和鱼群算法结合,参考目标函数值对步长进行修正,获得了改进混沌鱼群算法,并将算法运用到滑模控制器参数整定过程中;结合四旋翼飞行器模型,进行了数据仿真实验,获得的控制器参数在响应速度和能耗方面都优于常规方法整定的参数,可实现飞行器的稳定控制;结果表明,改进的混沌鱼群算法能够有效收敛到全局最优解,在维度为10的算例中,能够实现多目标全局优化。     

一种模糊神经网络控制器参数的混沌优化设计

通过模糊控制与神经网络相串联的方式构成模糊神经网络系统，然后提出一种基于模拟退火策略的混沌优化算法，将该算法引入模糊神经网络参数域中进行优化，实现混沌粗搜索与细搜索相结合优化目的，体现出具有更强的模糊神经网络参数全局最优解的搜索能力。采用该控制器对一个非线性对象进行控制。仿真实验表明，该方法能有效地实现模糊神经网络控制器参数优化，控制具有无振荡、超调小、调节时间短等优点，算法结构简单，容易实现。     

模糊神经网络的混沌优化算法设计

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.     

混沌优化模糊控制器在铝电解控制中的应用

设计了基于CAN总线的预焙铝电解槽计算机控制系统的总体方案及基于混沌优化的电解质温度模糊控制器。将混沌优化算法引入模糊控制器,采用混沌粗搜索与细搜索相结合的优化方法,对量化因子、比例因子及控制规则进行优化。利用该控制器实现对预焙铝电解槽的温度控制。实验结果表明,该方法能有效地实现模糊器参数和控制规则的在线优化,控制具有鲁棒性好、适应性强、精度高等优点,算法结构简单,容易实现,控制性能优于普通的模糊控制器。     

粒子群优化算法在Acrobot平衡控制中的应用

粒子群优化算法(PSO)是基于群体的演化算法,本质上是一种随机搜索算法,并能以较大概率收敛到全局最优。本文针对欠驱动Acrobot机械臂系统,利用模糊控制原理设计平衡控制器,运用粒子群算法对模糊控制器的量化因子进行在线优化,获得平衡控制器参数的最优值,以实现降低系统超调量,减少系统振荡和平衡时间的目的。仿真实验结果验证了该方法的有效性。     

基于混沌思维的模糊控制算法优化研究

利用混沌（ｃｈａｏｓ）所特有的外在的随机性、遍历性及内在的规律性,将其应用于一类复杂非线性时变过程的模糊控制规则优化中,提出了一种基于混沌思维的算法来优化模糊规则参数。通过仿真实例,表明了该算法有较强的全局搜索能力和较快的搜索速度,是一种适用的优化策略。     

遗传算法在电液伺服系统分层模糊控制中的应用

针对模糊控制中规则数和可调参数多的问题,对遗传算法在分层模糊控制系统中的应用进行了研究,考虑遗传算法具有强大的全局搜索能力,提出了基于遗传算法的分层模糊控制的设计方案。该方案采用2个模糊控制器分层连接,即第一层采用基于遗传算法优化的模糊控制器,第二层采用典型的模糊控制器,从而大大减少了模糊规则和可调参数的个数,便于实时控制。电液伺服系统的实际仿真结果验证了该方案的有效性。     

Optimal PID-type fuzzy logic controller for a multi-input multi-output active magnetic bearing system

The performance of the fuzzy controllers depends highly on the proper selection of some design parameters which is usually tuned iteratively via a trial and error process based primarily on engineering intuition. With the recent developments in the area of global optimization, it has been made possible to obtain the optimal values of the design parameters systematically. Nevertheless, it is well known that unless a priori knowledge is available about the optimization search-domain, most of the available time-domain objective functions may result in undesirable solutions. It is consequently important to provide guidelines on how these parameters affect the closed-loop behavior. As a result, some alternative objective functions are presented for the time-domain optimization of the fuzzy controllers, and the design parameters of a PID-type fuzzy controller are tuned by using the proposed time-domain objective functions. Finally, the real-time application of the optimal PID-type fuzzy controller is investigated on the robust stabilization of a laboratory active magnetic bearing system. The experimental results show that the designed PID-type fuzzy controllers provide much superior performances than the linear on-board controllers while retaining lower profiles of control signals.     

基于改进模糊神经网络的PID参数自整定

针对传统PID整定控制效果差且单纯神经网络整定存在参数学习和调整困难等问题,提出了一种基于改进模糊神经网络的PID参数整定方法。在该方法中,PID控制器的控制参数采用基于Mamdani模型的模糊神经网络进行自适应整定,模糊神经网络参数采用混沌遗传算法离线粗调和BP算法在线细调的方式进行学习和调整,仿真结果表明该整定策略动态响应快、误差控制精度高且网络中各节点及参数物理意义明确。最后分别从模糊规则数的变化及适应度函数的选取两方面提出两种优化方案,仿真结果表明增加模糊规则数或采用不同的适应度函数都有利于进一步减小控制误差。