基于模糊CMAC的移动机器人轨迹跟踪控制

针对受非完整约束的移动机器人的轨迹跟踪问题,提出了一种基于模糊CMAC的轨迹跟踪控制策略。该策略利用模糊CMAC神经网络逼近移动机器人动力学模型的非线性和不确定,同时与速度误差结合起来构成力矩控制器,并用滑模项来补偿不确定性扰动对系统的影响。李亚普诺夫稳定性定理保证了系统的稳定性和跟踪误差的渐近收敛,仿真结果进一步验证了所提方法的有效性。     

模糊免疫与CMAC控制

本文将模糊免疫与CMAC两类智能控制方法进行对比,分析了它们的主要区别和各自的优势,并将它们应用于同一个伺服系统。仿真实验表明,模糊免疫略优于CMAC控制,但CMAC在逆模型控制方面具有潜在优势,两种方法均有强鲁棒性、快速跟踪、易于工程实现等特点。     

基于CMAC神经网络的网络控制系统模糊PD控制

针对网络控制系统中存在的随机诱导时延,把传输网络以及被控对象看作是一个时变的被控系统,将小脑模型神经网络与PD控制相结合,通过CMAC神经网络与PD的复合控制实现前馈反馈控制,PD控制器的参数由模糊推理机自适应整定,以减小网络诱导时延及其不确定性对系统的负面影响,优化系统控制效果。最后对该控制方法进行了仿真研究,结果表明该方法能有效改善系统的控制性能。     

基于混沌DNA遗传算法的模糊递归神经网络建模

本文受生物DNA分子遗传机制和混沌优化算法的启发,提出了一种混沌DNA遗传算法,用于优化T-S模糊递归神经网络（FRNN）.该方法使用碱基序列表示T-S模糊递归神经网络的前件部分参数,包括模糊规则数,隶属度函数中心点和宽度;设计更为复杂的遗传操作算子来改进遗传算法的寻优性能;利用混沌优化算法优化种群中的较差个体.同时使用递推最小二乘法（RLS）来辨识T-S模糊递归神经网络的后件部分参数.最后,采用基于混沌DNA遗传算法的T-S模糊递归神经网络对一种典型的pH中和过程进行建模。通过与其他建模方法的比较,仿真实验结果表明了所建模型的有效性.     

基于模糊CMAC神经网络的并联机器人自适应力控制研究

本文介绍了一种基于Takagi型模糊推理方法的模糊C MAC神经网络,分析了其学习算法,设计出基于这种模糊神经网络的并联机器人自适应力控 制器,并进行了仿真和实验研究,证明所设计的控制器是可行和有效的．     

基于FPGA的模糊CMAC网络的硬件实现

提出了模糊CMAC网络的一种基于FPGA的硬件实现方法。首先,分析了模糊CMAC网络的结构与算法,并以MAT-LAB仿真为依据,得到模糊CMAC网络的FPGA实现所需的参数;在此基础上,对模糊CMAC网络进行硬件模块划分,基于VHDL实现了各硬件模块的功能描述,并对模块结构进行了优化;最后,在特定的FPGA器件上实现了模糊CMAC网络。测试结果表明:该模糊CMAC网络硬件实现具有速度快、精度高的特点,且占用较少的硬件资源,是SOPC中实现模糊CMAC网络模块的一种有效方法。     

CMAC神经网络模糊控制器设计

详细介绍了CMAC神经网络结构、中间层作用函数地址的计算方法、输出层权值的学习算法,并利用CMAC神经网络对水下机器人深度模糊控制器进行了学习。仿真结果表明,训练得到的CMAC神经控制器控制效果良好,中间层作用函数地址的计算方法正确。     

基于改进混沌优化的多目标遗传算法

针对多目标遗传算法存在的缺陷,提出了基于改进混沌优化的多目标遗传算法．引入基于改Tent映射的自适应变尺度混沌优化方法细化搜索空间和高效寻优,结合非支配排序的群体分级机制和精英保留等多目标优化策略,保持种群多样性的同时保证了进化向Pareto优解集的方向进行．多目标测试函数的数值仿真和电力系统无功优化的算例分析表明了该算法的有效性和可行性．     

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。     

一种基于模糊CMAC神经网络的自学习控制器

通过分析模糊控制和基于广义基函数的ＣＭＡＣ神经网络,提出一种模糊ＣＭＡＣ（ＦＣＭＡＣ）神经网络。通过ＦＣＭＡＣ权系数的在线学习,实现修正模糊逻辑。给出一种基于ＦＣＭＡＣ的自学习控制器的结构及合适的学习算法,这种网络每次学习少量参数,算法简单。仿真结果表明所提出的控制器优于传统的ＰＩＤ控制器。     

基于混沌遗传算法的PID参数优化

随着计算机技术的飞跃发展和人工智能技术渗透到自动控制领域,各种先进PID控制器参数整定方法层出不穷,给PID控制器参数整定的研究带来了无限活力和契机;然而很多先进的PID参数整定方法并没有像预期的那样产生完美的控制效果.将遗传算法和混沌优化方法智能集成,利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群,在遗传操作中加入混沌细搜索,大大提高了局部搜索能力,能有效防止遗传算法陷入局部最优和发生早熟现象,仿真表明,混沌遗传算法优化结果相当理想,效果令人满意,优于常规的遗传算法.     

遗传算法复合控制在纸浆蒸煮中的应用

本文根据造纸车间的纸浆蒸煮过程,提出了一种基于遗传算法的CMAC(小脑模型关联控制器)与PID复合控制方法来优化对纸浆蒸煮的温度控制,用遗传算法优化PID控制器的初始参数,然后再结合CMAC网络进行控制。仿真试验研究表明该方法用于纸浆蒸煮温度控制是可行的,控制效果得到显著提高。     

基于云控制的混沌多种群自适应遗传算法

针对传统遗传算法存在的早熟收敛现象,提出一种基于云控制的混沌多种群自适应遗传算法。该算法兼顾全局性和个体差异性两方面平衡,通过云控制器实现交叉率和变异率的自适应调节。在种群正常进化时,对个体实行惩强扶弱措施,在发生早熟收敛或有早熟收敛趋势时,对劣质个体实行灾变,同时采用多种群优化机制实现种群之间的同步进化。实验结果表明,与标准遗传算法和自适应遗传算法相比,该算法能够有效地避免早熟收敛问题,具有较高的收敛效率。     

一种基于遗传算法的模糊内模控制方法

针对一类非线性过程,提出了基于T-S模糊模型的非线性内模控制方法.使用遗传算法和模糊聚类方法进行模糊建模,解决了非线性内模控制方法中建立精确的模型及其逆模型困难的问题.通过模糊辨识获得过程的T-S模型及逆模型,并以此设计了内模控制器.最后,将该方法应用于一类非线性过程的控制,仿真结果表明该方法的有效性.     

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。     

基于遗传算法的模糊控制仿真研究

提出了一种基于遗传算法的模糊控制系统 ,通过对模糊规则进行优化 ,达到了基于 ITAE指标的满意控制。仿真结果表明 ,遗传算法具有良好的寻优性能     

基于量子遗传算法的模糊滑模控制

针对一类具有不确定性的非线性系统,提出了一种新的基于量子遗传算法的模糊滑模控制器的设计方法.将模糊控制与滑模控制相结合,利用滑模控制使系统跟踪误差进入边界层内;启用模糊控制替代切换控制,并在边界层上通过监督函数平滑控制作用.在滑动模态产生条件下,通过量子遗传算法优化模糊控制器的控制规则,有效地解决了模糊滑模控制中模糊控制规则的确定问题,从而削弱了系统的抖振,改善了控制器的控制性能.仿真结果表明了该方法的有效性.     

基于遗传算法的多模型模糊控制

在非线性系统的多个平衡点建立线性模型的基础上，提出了多模型系统的模糊加权控制策略，采用遗传算法对模糊系统的隶属函数进行优化，综合了遗传算法强大的空间搜索能力，高精度和模糊控制器快速性的优点，使模糊控制达到较好的控制效果，仿真结果证明了所给方法的有效性。     

基于遗传算法的污水处理模糊控制方法

模糊控制中的模糊推理规则和隶属函数的选取往往依据相关专家或技术人员的实际经验,对具有较强的非线性系统和未知动态环境条件下,其控制性能往往达不到很好的效果.使用遗传算法同时对隶属函数和模糊规则进行优化,从而使模糊推理规则和隶属函数的确定摆脱了人为经验的局限,提高了模糊控制的自适应能力.在此基础上设计出模糊控制器,并将其应用于污水处理溶解氧的控制中.实验结果表明,该控制器能够使溶解氧快速、准确地达到期望的要求.     

基于混沌遗传算法的图像阈值分割

阈值分割是图像分割中的一种常用的有效方法。但传统的阈值分割方法在多阈值的情况下,运算量急剧增加。该文将混沌遗传算法与阈值分割方法融合,利用混沌运动的随机性、遍历性和初值敏感性进行种群初始化和变尺度变异。实验结果表明,与遗传算法相比,混沌遗传算法用于阈值寻优减少了运算时间,提高了收敛率。