基于遗传算法的自适应神经模糊控制器

分析了自适应神经模糊系统的特性，以此设计一个智能控制器，控制器的输入为误差和误差变化率，输出为控制量。遗传算法是一种有效的全局最优搜索算法，对于复杂、非线性的空间也能够快速地搜索最优解，因而本文利用遗传算法来优化自适应神经模糊控制器的参数。仿真实验表明，该方法优化得到的控制器具有优良的控制效果。     

基于遗传算法的模糊神经网络控制器在集热管测试中的设计与仿真

针对集热管温度这一大滞后、非线性控制对象以及传统遗传算法收敛速度慢、容易陷入局部最优解等问题,提出了一种基于改进遗传算法的模糊神经网络控制器。采用适应度值标定和最优保留策略来解决遗传算法寻优过程中陷入局部最优解决问题,并对编码方式,选择和交叉算子做了相应的调整和改进。并将此方法用于优化模糊神经网络控制器。仿真结果表明,采用该方法设计的控制器在控制效果上明显优于常规的遗传算法模糊控制器,为提高集热管温度测试效率提供了一条新的途径。     

模糊自适应参数调整的改进遗传算法

为提高遗传算法的优化性能,构建了交叉及变异算子的模糊动态调整器,给出了参数调整过程、模糊逻辑控制器的执行策略及控制过程.采用标准的Benchmark测试函数比较了模糊控制器参数调整的遗传算法和简单遗传算法的性能,结果表明该算法求解精度高,优化效率高及进化代数少.     

一种遗传算法优化模糊PID控制器的设计与仿真

文章提出了一种基于遗传算法优化的模糊PID控制系统,采用遗传算法优化模糊控制器中的量化和比例因子,从而优化控制规则和隶属函数使其更加合理,最后对优化后的模糊控制器进行了Matlab仿真研究,仿真结果表明:经过优化后的控制器明显地改善了控制系统的动态性能,能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

程序控制、计算机控制系统

0329654基于遗传算法和模糊逻辑的智能飞控技术研究[刊,中]/龚华军//数据采集与处理.—2003.18(3).—342-345(D3)设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器,控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转,实现对该姿态的跟踪控制。文中给出了控     

基于改进遗传算法的隶属度函数优化研究

本文针对传统的隶属函数的不足,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函数,从而使隶属函数更加合理.最后对优化后的模糊控制器进行仿真比较研究,结果表明模糊控制器经过优化后控制品质有较大的改善和提高.     

基于协同遗传算法的TS-PID控制器参数整定

针对复杂的非线性系统,传统的PID控制难以达到良好的效果,采用TS-PID模糊模型来构造非线性PID控制器,并提出基于协同遗传算法实现控制器参数的整定及优化。将协同进化、遗传算法相结合,采用多种群协同进化的策略,大大提高了算法的进化效率和后期收敛速度。典型系统的仿真结果表明,该控制器一定程度上兼顾了系统的静态和动态的性能,且控制效果优于一般的非线性PID控制器。     

一种基于改进遗传算法的神经-模糊控制器设计

提出了一种利用RBF神经网络的新型神经一模糊控制器，实现了控制器的自学习和自适应。采用改进遗传算法优化了所有的参数和权值。其中利用一种动态的交叉率和变异率，有效地加快了收敛的速度。仿真结果表明，该控制器具有较好的性能。     

机载光电跟踪系统模糊控制的优化设计与仿真

分析了机载光电跟踪系统的构成,并对机载光电跟踪系统的主要组成部分--陀螺稳定平台框架系统设计了基于GA(遗传算法)的模糊控制器,通过遗传算法来优化模糊控制器的规则、参数以及量化因子和比例因子.并对系统进行了详细的仿真研究,仿真结果证明,基于GA的模糊控制器设计获得了良好的控制效果.