基于遗传算法的模糊神经网络PID控制器研究

研究对象是某类型贴片机的位置控制系统,运用基于遗传算法的模糊神经网络 PID控制器对其位置系统进行控制.着重介绍了基于联接机制的模糊神经网络的结构,以及遗传算法对模糊神经网络的网络结构和隶属度函数的优化.通过实例详细地给出了优化过程和优化结果,并通过仿真结果,充分地说明了模糊神经网络的优异性能以及遗传算法在多目标寻优中的强大优势.     

基于遗传算法的神经网络在交流调速中的应用

介绍了遗传算法与神经网络的组合方式及结构,并通过遗传算法神经网络的融合技术对交流调速进行控制,通过遗传算法对神经网络的参数进行集中优化,得到了被控制对象的一个最优控制器———神经网络控制器.     

基于HGA的模糊神经控制充电器设计与实现

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应,提出了基于递阶遗传算法的模糊神经网络优化算法来进行蓄电池的充电控制,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数,实现对非线性的、时变的、有干扰的、具有纯滞后的蓄电池充电控制系统的最佳控制.     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。     

基于模糊逻辑推理的BP神经网络及其应用

阐述了ＢＰ神经网络的原理及学习算法,在结合模糊逻辑推理的基础上提出了一种具有分层结构,能够进行规则自提取、自修正、自学习的复合模糊ＢＰ神经网络模型。这种模糊神经网络不仅可以充分利用原有的专家的经验和知识,而且能够从实际数据中通过不断学习获取新的知识和推理规则。同时,在相应的网络权值训练中引入了遗传算法和模糊逻辑控制器的优化求解思想。还进一步探讨了将这种网络模型用于汇率分析系统的形式和方法。     

一种基于混合学习算法的模糊神经网络控制

针对ＢＰ算法容易陷入局部极小的缺点，利用遗传算法极强的全局搜索能力对模糊神经网络控制器参数进行离线优化，并对遗传操作进行了改进，使其最终搜索到全局最优或近似全局最优的附近．再利用ＢＰ算法较强的局部搜索能力和对对象的适应能力进一步进行参数的在线调整．仿真结果表明：该方案的综合性能优于常规模糊控制器．     

自适应模糊控制器在水电机组控制中的应用

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控制水轮发电机组运行,由RBF神经网络和遗传算法在线寻优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。控制效果优于没有寻优的Fuzzy控制。     

基于遗传算法的模糊神经网络在交流伺服中的设计

针对永磁同步电动机交流伺服系统,提出了遗传算法的模糊神经网络控制方案.在交流伺服系统的设计中,采用模糊神经网络控制器作为其位置调节器.利用遗传算法的快速搜索功能,使得系统定位准确、快速.     

在线学习自适应模糊控制器在水轮机调节中的应用

针对水轮发电机组系统具有时变非线性,传统的控制方法很难达到最优控制的特性,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控制水轮发电机组运行.模糊控制器的比例因子、模糊推理规则和隶属函数由遗传算法在线寻优.由RBF神经网络进行被控对象的动态特性模型辨识,以评价模糊控制器控制性能.仿真实验表明,控制效果良好,特别在变工况和扰动情况下优于最优PID控制.     

采用遗传算法自组织神经网络模糊控制器

提出一种自组织神经网络模糊控制器的新方案。该方案的一个主要特征是，可获得实现模糊控制器的最小且最优的神经网络结构，而且所获得的模糊控制器同时具有神经网络的广泛映射能力、联想概括能力和遗传算法的快速全局收敛、再励式学习等优良特性。     

永磁同步伺服电机FNN控制的仿真分析

模糊神经网络结合了模糊控制和神经网络的优点,已广泛用在交流电机控制系统的研究中。本文作者利用MATLAB／SIMULINK仿真软件,建立了基于IP-模糊神经网络控制器的永磁同步电机仿真模型,实验结果表明：采用比例积分控制器（IP）-模糊神经网络控制时系统具有良好的抗干扰性,提高了控制精度和鲁棒性。     

基于遗传算法的模糊神经网络控制

在研究遗传算法、模糊神经网络及两者之间融合技术的基础上，设计了基于遗传算法的模糊神经网络控制系统。并通过仿真模拟实例对其功能特性进行了分析。     

用遗传算法设计模糊控制器

对遗传算法（ＧＡ）进行改进，将改进后的遗传算法到模糊控制器的设计中，以工业过程控制为对象，通过二阶系统模型的计算机仿真表明：改进后的遗传算法比传统方法具有更好的控制性能，可实现模糊控制规则的自校正和量化因子的寻优。     

直接驱动X-Y平台递归神经网络控制仿真

针对永磁直线同步电动机驱动的X-Y数控平台控制系统中存在的各种扰动,提出了一种基于自组织模糊递归神经网络的控制器设计方法,并利用切线 轮廓误差控制器对整体控制构架进行了整合式设计.该控制器融合了自组织模糊神经网络（SCFNN）和递归神经网络（RNN）的优点.仿真结果表明,所设计的控制系统对于参数的变化、外部的扰动等具有较强的抑制作用,减小了系统的轮廓误差,具有较强的鲁棒性.     

基于免疫遗传算法的模糊神经网络在交流伺服系统中的应用

为了满足交流伺服系统高精度、快响应的要求，结合免疫遗传算法寻优速度快和模糊神经网
络控制不依赖于控制对象的优点，设计了一种基于免疫遗传算法优化的模糊神经网络控制的交流伺服系统
。采用免疫遗传算法优化模糊神经网络控制器中隶属函数的平均值、标准偏差以及隶属函数层与规划层的
连接权值。实验和仿真结果验证了该控制策略的可行性。该方法对于系统调节和设定值跟踪均具有很好的
控制效果，而且具有很好的抗干扰性能和较强的鲁棒性，使交流伺服系统具有良好的动、静态性能。     

神经网络与遗传算法应用于离子镀膜性能预报与工艺优化

以多弧离子镀（ＴｉＡｌ）Ｎ膜为例,建立了模层性能预报神经网络模型;将神经网络模型与遗传算法结合,建立了实现工艺参数优化（设计）的遗传算法模块．实验结果验证了性能预报神经网络模型与工艺优化遗传算法模块的可靠性,为解决离子镀膜性能预报与工艺优化设计问题提供了一条先进、合理的途径．     

遗传算法优化模糊神经网络的入侵检测模型

针对目前大多数的入侵检测系统存在的局限性,依据通用入侵检测框架CIDF,提出了一种利用遗传算法优化网络参数的基于模糊神经网络的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题,给出了此模型中模糊神经网络模块的训练算法．仿真实验结果表明,该检测算法可以有效地进行入侵检测,检测效率达到95％以上．     

酵母流加发酵过程中模糊神经网络的优化

利用模糊神经网络构建了酵母流加发酵过程的网络模型,通过建立优化子网络,探讨了不同时刻的最佳底物浓度。在模拟网络的基础上,利用遗传算法对流加策略进行了优化研究。     

神经网络模糊PID技术在光伏系统MPPT控制器中的应用

针对传统光伏系统MPPT控制算法的局限性及无法自适应外部复杂情况等诸多问题,提出一类以神经网络、模糊控制器以及PID控制器组成的神经网络模糊PID控制器。利用光照幅度、环境温度等参数的离线训练后的权值作为整个三层前馈神经网络的优化参数;通过预测最大功率点与实际的工作电压进行比较,运用模糊推理对PID相关参数进行最佳调整。仿真结果表明：与传统PID控制器、模糊控制器相比,本系统能增强消除系统误差能力,稳态性能有了明显提高,同时可获得更高的控制精度。     

基于永磁同步电机的电梯速度控制器研究

设计一种基于自适应模糊神经网络原理的永磁同步电机电梯曳引机速度控制器.这种控制器具有神经网络自学习能力和模糊控制器处理不确定信息的能力.网络初始参数通过离线训练方式获得,从而实现对电机速度的智能控制.将模糊神经网络(fuzzy neural network control,FNNC)速度控制器与常用的PI控制、模糊PI控制方式对比进行仿真研究.研究表明,采用自适应模糊神经网络的控制器比另外两种方法更具有良好的鲁棒性和动态性能.