计算机自组织模糊控制应用初探

模糊控制是正在发展中的智能控制方法的一种。本文介绍自组织模糊控制器的结构原理和如何用单纯加速寻优法实现模糊控制器的控制规则因子寻优。     

基于差分进化算法的模糊神经网络控制器

针对模糊神经网络控制器在应用误差反向传播算法训练时,易于陷入局部最优的问题,提出了一种将差分进化算法与BP算法相结合的学习法,首先利用差分进化算法的全局寻优能力,给BP算法一个好的寻优初始点;然后再以一定的概率进行BP算法的寻优.对一个带有滞后环节的二阶系统进仿真表明,控制性能优于基于BP的模糊神经网络控制器.     

直升机变论域模糊自适应缆位控制系统设计

针对模糊控制适应性差和控制精度低的问题,提出了一种改进的变论域模糊自适应控制器.提出了参考缆位角的计算方法并设计了相应的直升机缆位控制器.研究用于连续域寻优的改进蚁群优化算法,用于动态调整模糊控制器论域的伸缩因子,从而构成基于蚁群算法的变论域模糊自适应控制器.将该控制器应用于直升机缆位控制系统,控制直升机地速保持在零附近,同时实现缆位角的精确控制.     

免疫克隆算法调节参数的非线性控制器设计

以模糊神经网络( FNN)为基础,结合误差线性反馈构造了一种新型的非线性控制器. 非线性控制器的设计难点在于参数的确定问题,用传统的算法对控制器参数寻优时容易陷入局部收敛,难于取得可靠的参数,因此提出一种改进的免疫克隆选择算法,用于确定非线性控制器的最优参数. 倒立摆的仿真实验表明改进的免疫克隆算法在控制器参数寻优中取得良好的效果,所设计的控制器具有很强的非线性适应能力.     

基于改进遗传算法的T-S型模糊控制器优化设计

针对传统T-S(Takagi-Sugno)型模糊控制器的后件参数太多而难以确定的问题,本文提出了一种简化的T-S型模糊推理方法,大大减少了控制规则待确定的后件参数.同时为了实现T-S型模糊控制器性能的优化,提出了一种改进的遗传算法进行后件参数的快速寻优,从而实现了控制规则的自动调整、修改和完善.仿真结果表明,优化后的T-S型模糊控制器能获得良好的控制性能.     

在线自调整模糊控制器的设计

一、问题的提出模糊控制器的性能在很大程度上取决于所建立的模糊控制规则及其可调整性.因此,模糊控制规则的自调整是提高和改善模糊控制器性能的关键.由于模糊控制器的控制规则以解析形式描述,这就为设计具有在线自调整控制功能的模糊控制器提供了强有力的手段.基于模糊数概念建立了修正因子的模糊数模型,并对其插值.在对量化、比例、积分因子寻优后.能使所设计的模糊控制系统具有在线自调整控制规则的功能并具有良好的动态性能.本文还对模糊数模型有无插值运算两种方案进行了比较,并提供了仿真算例.     

基于T-S模糊模型的非线性预测控制策略

提出了一种新的基于T-S模糊模型的非线性预测控制策略. T-S模糊模型用于描述对象的非线性动态特性, 通过将模糊模型的输出反馈回来作为模型输入, 从而构成了模糊多步预报器. 由于T-S模糊模型每条规则的结论部分是一个线性模型, 因此整个模糊模型可以看作一个线性时变系统, 从而将模糊预测控制器中的非线性优化问题转化为一个线性二次寻优问题, 以方便求解. pH中和过程的仿真结果表明其性能优于传统的动态矩阵控制器.     

基于改进遗传算法的模糊控制器设计

针对模糊控制器的隶属度函数和模糊控制规则的选取及优化缺乏自学习能力与知识采集的手段,以及遗传算法具有自适应、启发式、概率性、迭代式全局收敛的特点,该文章将遗传算法与模糊控制相结合,给出了一种基于改进遗传算法的模糊控制器设计策略.改进算法引入了分裂算子来避免遗传算法在寻优过程中陷入局部最优解,同时对编码方式、选择算子、交叉算子以及变异算子做了相应的调整与改进.并将此改进算法用于优化模糊控制器的隶属度函数与模糊控制规则.仿真结果表明用该改进算法优化后的模糊控制器较用普通遗传算法优化后的模糊控制器具有更好的控制性能.     

一类非最小相位系统的智能控制

针对具有右半复平面零点的非最小相位系统,设计了一种模糊PID控制器,并且用伪并行遗传算法对其参数进行寻优.仿真结果表明,本文设计的基于遗传算法的模糊PID控制器对于具有右半复平面零点非最小相位系统具有很好的跟踪性,能够同时减小负调、超调,缩短上升时间.     

基于鱼群算法的复合电源模糊能量管理策略

针对电动车复合电源能量管理中传统模糊控制器设计主要依靠专家先验知识、主观性较大的缺点,提出一种基于鱼群算法优化的模糊能量管理策略,采用鱼群算法对模糊控制器的隶属度函数进行寻优.在MATLAB/Simulink环境下搭建仿真策略模型并导入到Advisor中联合仿真.结果表明,该控制策略能够合理分配蓄电池与超级电容的功率,且优化后的控制策略降低了整车功耗,提升了车辆性能.     

CO_2弧焊机器人电弧电压及焊接电流的智能控制

研制了一种以可编程控制器为核心器件 ,通过软件方式实现 CO2 弧焊机器人电弧电压及焊接电流合理匹配的智能控制系统 .系统通过具有修正因子自寻优功能的自组织模糊控制器维持所选定的焊接电流不变 .同时 ,系统针对 CO2 焊的短路、半短路和细颗粒过渡焊的电弧电压采取不同的自寻优目标和寻优方式进行寻优 .寻优后的电弧电压与焊接电流形成合理匹配 ,达到了稳定熔滴过渡过程 ,减少飞溅 ,改善成形的目的     

交通控制信号优化模型的仿真研究

研究交叉路口车流量数据采集和统计分析,针对交通系统缺乏精确数学模型的问题,为了提高控制效果,提出了多相位交通信号绿灯配时的模糊控制方法和进化算法的递阶模糊控制器的优化控制.构建了相应的模糊控制规则和控制器,使用进化算法对模糊控制器所作出的决策进行动态调整.控制过程对采用以车辆平均延误为目标函数,在模糊控制器做出判决的基础上,对控制规则的调整量进行了全局寻优,加快了收敛速度.通过对一个四相位交叉口进行仿真,结果表明控制效果有明显的改善.     

基于模糊遗传算法的移动机器人墙跟踪控制策略

针对传统模糊控制器在设计过程中存在的人为主观因素较多,隶属函数参数不变引起的控制器适应能力差等缺点,本文将遗传算法引入到移动机器人直墙跟踪的模糊控制器优化问题中,阐述了遗传算法用于离线方式寻优模糊控制器隶属函数参数的具体操作过程,如编码策略、适应度函数的确定、选择、交叉、变异等.最终经过仿真平台的验证,确定一组最优解,并在HEBUT-Ⅰ型智能移动机器人上进行试验,结果表明与传统模糊控制策略相比,该方法不但提高了响应速度,同时改善了跟踪精度.     

基于混沌搜索的二级倒立摆模糊控制器设计

利用混沌优化的模糊控制方法对二级倒立摆系统进行闭环控制。用混沌算法优化控制器的参数,首先将混沌变量引入到模糊控制器的参数域,并进行全局范围内直接寻优,当获得全局近似最优解后,再缩小寻优区间,根据性能指标,在次优解附近继续寻优,得到全局最优参数。控制结果说明该方法是有效可行的。     

基于改进遗传算法的模糊RBF神经网络控制器设计

提出一种改进的优良模式自学习模糊遗传算法,并用来优化设计模糊RBF神经网络控制器。改进的算法主要基于模糊编码、优良模式自学习算子、保留遗传算法和最优串重组。仿真结果表明,改进的遗传算法可实现模糊RBF网络结构和参数的快速、全局寻优,优化后的控制器具有很强的自适应性和鲁棒性。     

基于多层蚁群算法的变论域模糊控制

针对模糊控制器控制精度不高、自适应能力有限等问题,提出一种变论域自适应模糊控制方式.首先在对离散蚁群算法改进的基础上,提出用于连续域寻优的多层蚁群算法.其通过将解空间分成有限网格,并且算法在迭代过程中采用三个阶段的搜索策略,每个阶段采用异构搜索机制.然后根据系统性能利用改进算法动态调整伸缩因子,从而构成基于多层蚁群算法的变论域自适应模糊控制器.最后将此控制器用于中厚板液压位置伺服系统中.仿真结果表明,采用自适应模糊控制器的伺服系统收敛速度明显加快,此控制策略在适应能力与鲁棒性好于其它控制方式.     

无人机姿态控制器设计及仿真

由于无人机模型的非线性和参数的时变性,传统PID方法设计的控制器动静态性能可能会变得很差,针对这种问题,设计了适合于某型无人机的模糊自适应姿态控制器;对于模糊控制器的隶属函数选择中盲目性的问题,利用粒子群优化算法对隶属函数进行智能寻优,降低设计过程中专家主观意向对控制器性能不确定性的影响;仿真结果表明,文章设计的控制器相对传统PID有更好的动静态性能,并且对于模型参数的时变性具有一定的鲁棒性.     

一类Takagi-Sugeno模糊控制器的自适应遗传优化设计

提出了一类Takagi-Sugeno模糊控制器的自适应遗传优化设计方法。采用实数编码方式,并由自适应交叉和变异概率来控制遗传操作,有效地提高了参数优化的精度和算法的寻优效率。在优化过程中引入对称性参数约束条件,大大减小了算法的搜索空间。将该算法用于倒立摆T-S模糊控制器的设计,实现了控制器参数的快速自动整定。仿真结果表明,获得的T-S模糊控制器具有优良的性能。     

深度确定性策略梯度与模糊PID的协同温度控制

针对现有温度控制系统控温时间长、误差大的问题, 本文提出了一种基于深度确定性策略梯度(DDPG)和模糊自整定PID的协同温度控制. 首先, 模糊PID在控制大滞后系统时, 控制器不能立刻对产生的干扰起抑制作用, 且无法保证大滞后系统的稳定性等问题, 本文建立了模糊PID和DDPG算法相结合的温度控制模型, 该模型将模糊PID作为主控制器, DDPG算法作为辅助控制, 利用双控制器模型实现温度协同控制. 接着, 利用遗传算法对模糊PID的隶属函数和模糊规则进行寻优, 获得模型参数最优解. 最后, 在仿真实验中验证所提方法的有效性. 仿真实验结果表明, 本文提出的算法可有效减少噪声干扰, 减小控制系统的响应时间、误差和超调量.     

在线知识获得智能模糊控制器研究

对一些复杂的系统。传统PID或模糊控制很难得到满意控制效果,本文提出采用基于RBF神经网络和遗传算法的自适应模糊控制器来进行控制。由遗传算法在线优化模糊控制器的比例因子、模糊推理规则和隶属函数。并由RBF网络辨识被控对象的动态特性,以评价模糊控制器控制性能。仿真实验表明。优化后的Fuzzy控制器具有较强的学习和自适应控制能力,控制效果优于没有寻优的Fuzzy控制。