遗传算法在电液伺服系统分层模糊控制中的应用

针对模糊控制中规则数和可调参数多的问题,对遗传算法在分层模糊控制系统中的应用进行了研究,考虑遗传算法具有强大的全局搜索能力,提出了基于遗传算法的分层模糊控制的设计方案。该方案采用2个模糊控制器分层连接,即第一层采用基于遗传算法优化的模糊控制器,第二层采用典型的模糊控制器,从而大大减少了模糊规则和可调参数的个数,便于实时控制。电液伺服系统的实际仿真结果验证了该方案的有效性。     

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。     

基于模糊遗传算法的神经模糊控制器的综合优化

针对遗传算法的特点，提出一种用模糊控制的方法来调整交叉概率和变异概率的改进模糊遗传算法及其算法结构，并将其应用于神经模糊控制器的综合优化设计。在以二阶模型为控制对象的仿真结果表明，此种模糊遗传算法不仅加快了解的收敛速度，而且大大提高了解的质量。     

基于遗传算法的发动机模糊控制

模糊控制不依赖被控对象的数学模型，模糊控制应用于航空发动机控制取得了较好的效果。但是，模糊控制设计，较多地依赖设计者的主观经验，工作量大、负担重。遗传算法具有良好的寻优能力，该文将遗传算法应用到了航空发动机模糊控制中，使大量的设计寻优工作，可以通过程序自动寻优，对遗传算法寻优的发动机模糊控制系统进行了仿真，结果表明遗传算法不但改进了发动机模糊控制器的设计，而且整个控制系统具有良好的性能。     

基于模糊规则优化的改进FGA算法

针对多目标遗传算法的特点，基于模糊集理论，提出一种基于模糊规则优化的改进模糊遗传算法及其算法结构，即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率，同时寻找与控制对象相匹配的最佳模糊规则．在数学函数上的仿真结果表明，此种模糊遗传算法不仅加快了解的收敛速度，而且大大提高了解的质量．     

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.     

基于模糊规则优化的改进模糊遗传算法

该文针对遗传算法的特点,提出了一种基于模糊规则优化的改进模糊遗传算法及其算法结构,即用模糊控制的方法来调整遗传算法中的交叉概率和变异概率,同时寻找与控制对象相匹配的最佳模糊规则。在数学函数上的仿真结果表明,此种模糊遗传算法不仅加快了解的收敛速度,而且大大提高了解的质量。     

嵌套式模糊自适应遗传算法

针对简单遗传算法(SGA)收敛速度慢和早熟收敛现象,将模糊逻辑理论应用于遗传算法,并采用两级嵌套的遗传算法,随主遗传算法GA1求解优化问题的进化进程用模糊控制的方法自适应地调整遗传算法的交叉概率和变异概率;利用另一个遗传算法GA2优化模糊规则库,实现了一种嵌套式模糊自适应遗传算法(NFAGA)。仿真结果表明,这种算法的全局搜索收敛速度和解的质量明显优于SGA和一般的自适应遗传算法(AGA)。     

基于改进遗传算法的交叉口模糊控制研究*

为了改善城市道路交叉口交通信号控制,降低交叉口车辆延误,提出了一种基于改进遗传算法优化的模糊控制方法。在优化模糊控制器的过程中,为避免出现“早熟”现象,采用改进的自适应遗传算法,在进化过程中动态调整种群中适应度值最大个体的交叉概率和变异概率,使种群进化不会处于一种近似停滞不前的状态。为了检验该控制方法的性能,以交叉口车辆平均延误作为性能评价指标,在相同交通条件下进行了仿真实验。结果表明,相对于普通模糊控制器,经过改进遗传算法优化的模糊控制器能有效减小交叉口车辆的平均延误,提高交叉口的通行能力。     

遗传算法在汽车巡航控制系统中的应用

针对汽车巡航控制系统的强非线性和不确定性,提出了一种基于遗传算法的模糊PID汽车巡航控制方法。结合遗传算法和模糊PID控制各自的优点,分别用遗传算法优化模糊PID控制系统的模糊控制规则、用模糊推理在线整定PID控制参数。仿真结果表明,基于遗传算法的模糊PID控制方案使巡航系统具有更快的响应速度和适应参数变化的能力,它是一种非常有效的控制策略,能够达到较好的控制效果。     

满足复杂要求的机器人最优巡回控制系统设计与实现

本文结合线性时序逻辑理论与模糊控制方法,设计并实现了一种满足复杂任务需求的移动机器人巡回控制系统,它既能够针对复杂时序任务进行路径规划,又能够对机器人进行模糊控制实现路径跟踪.首先,基于线性时序逻辑理论,确定能够满足复杂巡回任务需求的全局最优路径.接着,根据所获得的最优路径,采用模糊控制方法设计轨迹跟踪控制器,使其通过实时位姿反馈对机器人进行路径跟踪控制.仿真结果验证了移动机器人巡回控制系统的有效性.最后,基于E-Puck移动机器人构建了能够满足复杂任务需求的移动机器人巡回控制实验系统.基于所提出的最优巡回路径规划算法和模糊控制器设计方法,通过图像处理、数据通信、算法加载等软件模块的实现完成了满足复杂任务需求的移动机器人巡回控制.     

基于遗传算法和模糊逻辑的智能飞控技术研究

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。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

Sugeno fuzzy PID tuning,by genetic-neutral for AVR in electrical power generation

We report a novel design method for determining the optimal proportional-integral-derivative (PID) controller parameters of an automatic voltage regulator (AVR) system, using a combined genetic algorithm (GA), radial basis function neural network (RBF-NN) and Sugeno fuzzy logic approaches. GA and a RBF-NN with a Sugeno fuzzy logic are proposed to design a PID controller for an AVR system (GNFPID). The problem for obtaining the optimal AVR and PID controller parameters is formulated as an optimization problem and RBF-NN tuned by GA is applied to solve the optimization problem. Whereas, optimal PID gains obtained by the proposed RBF tuning by genetic algorithm for various operating conditions are used to develop the rule base of the Sugeno fuzzy system and design fuzzy PID controller of the AVR system to improve the system's response (∼0.005 s). The proposed approach has superior features, including easy implementation, stable convergence characteristic, good computational efficiency and this algorithm effectively searches for a high-quality solution and improve the transient response of the AVR system (7E−06). Numerical simulation results demonstrate that this is faster and has much less computational cost as compared with the real-code genetic algorithm (RGA) and Sugeno fuzzy logic. The proposed method is indeed more efficient and robust in improving the step response of an AVR system.     

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.     

基于FCM和遗传算法的图像模糊聚类分析

聚类分析在模式识别和图像处理领域中有着极为重要的意义和广泛的应用前景。常用的聚类分析的方法是模糊C均值算法（FCM）,但是FCM算法容易陷入局部最优解。提出一种基于FCM和遗传算法对图像进行模糊聚类分析的方法。对输入图像进行纹理特征提取,通过主成分分析法对提取的特征向量进行降维处理,降低图像聚类分析算法的复杂度,提高结果的精确度,结合FCM和遗传算法对图像数据进行模糊聚类分析。实验结果表明该方法可以得到较好的分类效果。     

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.     

基于遗传算法的模糊PI控制器

模糊PI控制器具有鲁棒性强、控制灵活等优点,但是将其应用于纯迟延系统时超调量较大、响应速度慢。针对此提出了一种基于遗传算法的模糊PI控制器,使用遗传算法对模糊逻辑系统参数进行训练。在以往的模糊逻辑系统建立过程中,主要依靠专家知识或工作人员经验来确定其主要参数（如模糊推理规则和隶属函数参数等）,而该文利用遗传算法对样本数据进行优化来获取系统参数。在遗传算法中,将推理规则和隶属函数参数的确定结合在一起,从而确定最优的模糊逻辑系统。仿真试验结果表明,由该方法得到的控制器用于纯迟延系统具有响应快,超调量小等优点。     

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。     

一种采用增强式学习的模糊控制系统研究

提出一种新的自学习模糊控制系统,该系统有机地集成了BB(Bucket—Brigade)算法和遗传算法,组成一种新的增强式学习(Reinforcement Learning)算法,能够在缺少输入—输出样本集的情况下自动学习生成模糊控制规则,调节隶属度函数。     

Fuzzy sliding mode control of a finger of a humanoid robot hand

Abstract: The motion control problem for the finger of a humanoid robot hand is investigated. First, the index finger of the human hand is dynamically modelled as a kinematic chain of cylindrical links. During construction of the model, special attention is given to determining bone dimensions and masses that are similar to the real human hand. After the kinematic and dynamic analysis of the model, in order to ensure that the finger model tracks its desired trajectory during a closing motion, a fuzzy sliding mode controller is applied to the finger model. In this controller, a fuzzy logic algorithm is used in order to tune the control gain of the sliding mode controller; thus, an adaptive controller is obtained. Finally, numerical results, which include a performance comparison of the proposed fuzzy sliding mode controller and a conventional sliding mode controller, are presented. The results demonstrate that the proposed control method can be used to perform the desired motion task for humanoid robot hands efficiently.