基于遗传算法的模糊系统优化设计方法

提出了一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并钭其应用到模糊系统的优化设计中。仿真结构表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习,遗传优化获得满足系统动态性能的优化控制规则的特点。     

基于遗传算法优化的模糊PID控制研究

面对具有较强的非线性、不确定性、难以建立精确数学模型的对象控制,常规PID控制器难以达到理想的控制效果,因此就出现了如Fuzzy-PID这样的一种较好的控制方法。然而模糊控制规则和隶属函数的选取有着很大的人为主观性,本文采用改进的遗传算法优化模糊控制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,结果表明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.     

基于改进遗传算法的模糊神经网络控制器的设计

为了充分利用遗传算法的全局搜索能力和BP算法的局部搜索能力,提出了1种基于改进遗传算法的模糊神经网络控制器的设计,并通过对二阶系统模型的仿真,证明基于改进遗传算法的模糊神经网络控制器比常规的模糊神经网络控制器具有更好的控制性,具有更大的实用性。     

基于MATLAB的模糊控制器的设计与仿真

介绍了利用Matlab5.3软件中的模糊工具箱设计模糊控制器并用Simulink进行仿真一般方法,通过具体实例表明,MATLAB的模糊工具是进行模糊控制系统设计与仿真的有效工具。     

基于遗传算法的模糊神经网络控制器设计及其稳定性分析

首先根据联结主义思想模糊控制器设计问题转化为对模糊神经网络参数的设计和优化,然后通过遗传算法对模糊神经网络的参数进行集中优化,得到了被控对象的一个最优或次优的控制器－模糊神经控制器,稳定性分析为此设计理论依据。     

基于模拟退火遗传算法的模糊PID控制规则优化

针对模糊规则是模糊控制的瓶颈,引入了模拟退火算法遗传算法,将模糊控制推理的思想和常规PID控制结合起来,建立了模糊PID控制的初始规则库,将误差和误差变化作为输入,再通过模拟退火算法的编码优化及寻优,生成新的规则库,再对PID控制参数进行整定。     

基于文化遗传算法的水浴温度模糊控制器设计

水浴温度控制普遍存在滞后、超调、波动性大等特点,且难以建立精确的数学模型,一般采用模糊控制器实现对水浴温度的控制,但模糊控制规则具有较强的主观性,其控制性能往往达不到客观要求。研究遗传算法在模糊控制规则寻优上的应用,将其和文化算法相结合,构成一种具有双层协同进化机制的文化遗传算法,采用专家经验的知识信息构成信仰空间作为指导方向,然后在群体空间中进行遗传算法操作,选取群体中适应度值较高的个体更新信仰空间,再通过迭代优化,得到适应度值高的个体,将其作为优化的模糊控制规则。仿真实验表明,优化后的规则在控制过程中的动态温度跟踪和稳态误差方面均具有较好的效果。     

基于遗传算法的交流伺服系统模糊控

针对交流伺服系统的特点和要求．研究和设计了一种基于遗传算法的自寻优位置模糊控制器。该设计利用实时仿真系统，并采取遗传算法实现了在线模糊控制参数的自动寻优，有效地解决了伺服系统精度和快速特性的问题。实验证明该系统性能良好。     

基于遗传算法优化模糊PID控制器的研究

利用遗传算法对模糊PID控制器中的隶属函数和控制规则进行优化,减少经验依赖,实现在线调整,改善控制效果,并利用Mathb编程仿真,验证结果.     

遗传算法和模糊控制的融合研究与设计

将遗传算法与模糊控制相结合，能达到取长补短的作用，一方面，模糊控制能够表达非线性和模糊性的系统知识；另一方面，通过遗传算法所拥有的高度并行，随机、全局搜索能力，使控制系统具有了学习能力，提出了先使用模糊逻辑的思想进行交叉概率和变异概率的整定，再利用模糊遗传算法对模糊子集进行了划分，可获得一个基于一定性能指标的次优或最优模糊控制器，又以二阶系统为例进行了计算机仿真，研究结果表明这种方法是有效的。     

基于递阶遗传算法的模糊控制器的规则生成和参数整定

提出了一种基于递阶遗传算法的模糊控制器的优化设计方法．采用具有层次结构染色体编码方式的遗传算法来设计模糊控制器，实现了语言控制规则的自动生成和隶属函数参数的自动整定．设计过程无需系统的先验知识和训练数据，具有自组织、自学习的特点．仿真结果表明，该方法优化得到的模糊控制器结构简单、性能优良．     

基于改进双种群遗传算法的模糊控制器的优化

遗传算法是一种自适应、启发式、群体型、概率性、迭代式全局收敛算法,利用遗传算法的良好的搜索特性来优化模糊控制器,可以取得很好的控制效果.本文对传统的双种群遗传算法进行了归纳和分析,在此基础上提出了一种改进的双种群遗传算法(CGDPGA).将此改进算法用于优化模糊控制器的隶属度函数、量化因子和比例因子来实现模糊控制器的全...     

基于遗传算法的模糊支持向量网络控制

将模糊控制与支持向量网络相结合，设计了一种模糊支持向量网络控制器．该控制器融合了模糊控制与支持向量网络的优点，具有不依赖被控对象模型、泛化能力强等特点．利用遗传算法来优化支持向量机参数和控制器比例因子参数，以期实现最优的控制性能. 仿真结果表明了控制系统具有优良的控制性能．     

基于遗传算法的模糊系统优化设计方法*

提出一种带有混合变长编码和模糊变异算子的新型模糊遗传算法,并将其应用到模糊系统的优化设计中．仿真结果表明,这种方法具有即使系统缺乏任何先验知识,也能通过评价学习、遗传优化获得满足系统动态性能的优化控制规则的特点.     

基于遗传算法的管道机器人分层模糊控制

为了适应空调管道的复杂环境,提高空调管道清扫机器人控制性能,降低控制复杂度,构建了一个分层的自适应模糊控制器.通过多输入系统进行分层输入和叠加输出,大量简化了模糊逻辑推理,减少了控制规则数.应用遗传算法对控制器参数进行优化,有效地融合了控制信息,达到了较理想的控制特性.实验和仿真结果表明,模糊控制器适应性强,优化后模糊控制器具有很好的控制效果,实现了机器人在管道中自主导航.     

基于模糊遗传算法的模糊调度研究

就模糊调度问题的研究现状、研究方法进行了评述 ,探讨了加工时间与交货期的模糊化操作以及基于模糊遗传算法的模糊调度系统 ,归纳了模糊遗传算法中模糊数的操作和遗传算法的编码 ,并指出了存在的不足 .指出模糊生产环境下模糊加工时间与模糊交货期综合问题的研究是当今全球性市场竞争机制所带来的必然趋势.