利用遗传算法设计模糊神经直流控制器规则表的研究

提出一种利用遗传算法对模糊控制规则表进行设计的方法，解决了在实际中设计模糊控制规则表时，经常遇到的缺乏专家经验指导的矛盾，有助于模糊控制技术的推广和应用。将这种方法应用于HVDC系统的在线模糊神经直游戏控制器的模糊规则表的设计中，通过NETOMAC软件实验仿真，证明了其有效性。     

基于遗传算法的无刷直流电动机自适应模糊控制

针对模糊控制器所存在的问题,提出了基于遗传优化机制自适应模糊控制器的设计方法。模糊控制规则和模糊变量的隶属度函数的参数,均利用遗传算法进行离线确定和优化。将优化后的自适应模糊控制器用于无刷直流电动机的双闭环控制系统中。仿真结果表明该系统无超调、响应快,具有较强的鲁棒性。     

基于智能遗传算法的永磁同步电动机电流控制器设计

根据永磁同步电动机参数随输入电流变化而发生微小变化的特点,研究了基于模糊理论的比例-积分控制应用于永磁同步电动机电流控制的可行性,并应用智能遗传算法对模糊控制规则以及比例-积分控制器中的比例系数和积分时间常数等参数进行了优化,设计了一种基于智能性遗传算法(IGA)优化的模糊电流比例-积分控制器。仿真试验结果表明:基于智能遗传算法优化的模糊PI控制器能够快速跟踪电流的变化。     

遗传算法在模糊控制器参数寻优中的应用研究

介绍遗传算法的基本原理及实现步骤，并运用模糊控制器的参数寻优中，对复杂被控对象实现了最优控制，模糊控制规则采用基于解析表达式的模糊数模型，用遗传算法对模糊控制器中的量化因子和比例因子及偏差加权因子进行编码，确定适应度函数，在复制，交叉，变异的进化过程中获得全局最优点，改善模糊控制性能。在Matlab环境中实现遗传算法各算子的编程，并以二阶系统为例，对常规模糊控制器与经过遗传处寻优后的模糊控制器进行了仿真比较，其结果表明采用遗传算法寻优能获得较好的控制效果，该方法具有良好的动静态特性。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

STATCOM模糊控制的综合优化设计

针对严重非线性静止同步补偿器模糊逻辑控制隶属函数的参数和模糊控制规则调整困难的问题,根据微遗传算法,并利用模糊系统的逼近能力,提出了一种模糊控制综合优化设计方法.选择模糊控制器的输入/输出观测信号,应用MATLAB中的模糊控制工具箱快速地获得初始的模糊控制规则,再采用微遗传算法优化其隶属函数参数和模糊控制规则,并给出了模糊控制规则优化后的结果.对带有一个静止同步补偿器的四机电力系统,在三种不同的负荷和三种不同的控制方式下进行仿真实验,结果表明:在宽负荷变化范围内,该控制器的追踪控制能力和鲁棒性等比常规的超前滞后控制、未优化模糊控制都优越.     

UPFC模糊控制器优化设计

统一潮流控制器(UPFC)为现代电力系统的安全、稳定、经济运行提供了有效途径。文中采用分层自适应遗传算法寻优UPFC模糊控制器的量化因子和比例因子,基于智能权函数法设计模糊控制规则。所设计的UPFC模糊控制器充分利用了遗传算法的参数优化能力和模糊控制的鲁棒性。采用Matlab对含UPFC的单机无穷大系统进行了仿真。仿真结果表明所设计的UPFC模糊控制器可以有效地调节UPFC所接入处的母线电压、稳定UPFC直流侧电容电压、控制输电线路的潮流,并且响应速度快、控制精度高、鲁棒性强。     

基于遗传算法的异步电动机模糊控制器优化设计

介绍了根据逆系统方法建立的异步电动机线性化解耦模型。采用模糊控制策略，并利用遗传算法对模糊控制器规则和参数进行了优化设计。仿真结果表明，用这种方法设计的模糊控制器，在跟随性能、抗扰性能和对模型参数变化的鲁棒性方面，都取得了满意的效果。     

基于模糊自适应PI控制的开关磁阻电机直接转矩控制

针对常规模糊控制器在开关磁阻电机直接转矩控制（DTC）中的超调量大、响应慢、脉动大等问题,提出一种基于遗传算法的模糊自适应PI控制器的速度调节器设计方案,结合遗传算法与模糊PI控制,应用遗传算法优化模糊自适应PI控制器的模糊控制规则和量化因子及比例因子,以确保开关磁阻电机直接转矩控制系统响应具有最优的动态响应和稳态性能。仿真与试验结果分析表明,与传统模糊PI控制相比,该设计方法具有适应性强、动态响应好、鲁棒性强等优点,取得了比较满意的控制效果。     

采用GA提高模糊控制器适应性的方法及应用研究

对于工业控制中广泛存在的多容量、大惯性、大延迟的被控对象,模糊控制是一种较有效的方法,模糊控制中隶属函数的正确选择是模糊控制器设计的关键,针对传统的获取隶属度函数方法的不足,本文设计了一种基于遗传算法的模糊控制器,系统采用遗传算法优化模糊控制器的隶属函数及其量化因子和比例因子的初值.仿真结果表明,采用该算法设计的模糊控制器较传统的PID控制器与模糊控制器具有鲁棒性强、超调量小的特点.这种改进型的模糊控制器具有良好的控制性能,体现了遗传算法在参数寻优方面的优越性.     

分层模糊控制在两轮移动式倒立摆中的应用

为解决模糊多变量控制中规则数随系统变量数呈指数增长的问题,针对两轮移动式倒立摆运动的特点,提出了一种分层模糊控制器的设计方法,不仅减少模糊规则数而且使模糊控制逻辑变得清晰明了,其中控制参数采用遗传算法整定。仿真结果证实了该方法的控制效果好,系统跟踪速度快。     

基于遗传算法的模糊PI控制在蓄电池智能充电中的应用

蓄电池充电系统是一个变参数系统,但常规模糊控制器所使用的控制参数及规则在使用过程中不能随被控对象参数的改变而改变,导致控制性能不佳。针对传统的模糊控制系统的不足,提出基于遗传算法的模糊PI控制规则优化方法,并利用大时滞对象作为充电系统的被控对象做仿真分析,得出基于遗传算法的模糊PI控制优于常规模糊PI控制。     

永磁直线同步电动机提升系统的模糊PID控制

针对永磁直线同步电动机(PMLSM)矢量控制系统．设计了一种将模糊控制和PID控制的优点结合的模糊PID速度调节器，并通过模糊规则在线调整PID控制的参数。介绍了模糊PID速度调节器的设计原理、设计过程和模糊规则。仿真表明，该方法具有算法简单、控制品质好等优点，具有实际应用价值。     

基于模拟退火算法的模糊控制器优化设计

提出了一种解析规则模糊控制器的改进结构，引入了能够动态调整模糊控制规则的修正函数，并给出了模糊控制器输出控制量在稳态附近的局部连续化算法；同时，通过模拟退火算法，实现了模糊控制器控制参数的组合优化设计。结果表明，使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点，改善了模糊控制系统的性能。     

无刷双馈电机直接转矩控制转矩脉动最小化

针对无刷双馈电机直接转矩控制系统转矩脉动大的问题,依据模糊控制理论,研究了基于模糊控制的无刷双馈电机直接转矩控制系统。将转矩误差、磁链误差、扇区作为模糊控制器的输入,采用模糊控制器自动合理地选择电压空间矢量,取代传统的开关矢量表,同时将磁链圆划分为24个扇区。Matlab环境下的仿真结果表明,与传统的无刷双馈电机直接转矩控制系统相比,有效地减小了稳态时的转矩脉动,并且改善了定子磁链渡形,使定子电流波形更接近于正弦。系统在启动、负载扰动等情况下仍然保持了良好的动态性能。在DSP控制系统中实现时。可经相应的离散化后通过查表运算实现模糊控制,实现算法简单,且具有良好的实时性。     

基于转矩预测的永磁同步电动机模糊直接转矩控制研究

针对IM DTC和PMSM DTC中零电压空间矢量作用效果的不同,提出基于转矩预测的PMSM模糊直接转矩控制方法,模糊控制规则表中使用零电压矢量.根据转矩偏差、定子磁链偏差的符号和大小以及定子磁链所处的扇区经模糊推理得到合适的电压空间矢量,再使用预测控制算法计算该矢量和零电压矢量(如果需要)分别作用的时间,限制电磁转矩在给定环宽范围内.仿真分析表明,零电压矢量的引入和预测控制算法的应用减小了转矩脉动,对传统的永磁同步电动机直接转矩控制系统性能有明显的改善.     

基于模糊PID控制的望远镜伺服控制系统

为了满足某种望远镜传递函数时变、速度精度要求高、位置定点时间长的控制要求,在分析经典PID的基础上,提出了一种模糊控制方案。通过构造模糊控制规则,模糊PID控制器能够根据误差和误差变化对控制器的比例、积分增益进行实时的调整。针对某望远镜模型,仿真验证了模糊PID控制与经典PID的控制性能,并在该望远镜上实验验证了速度控制及位置定点实验,速度为138.8°/s时最大稳态误差为0.4°/s,位置定点最大误差为0.0002°。仿真结果和实验结果均表明:模糊PID控制能满足该望远镜的观测要求。     

污水泵站模糊自学习控制系统

以最小耗能为优化目标 ,管网污水溢出概率最小为约束条件建立污水泵站系统最优控制模型 ;用改进遗传算法调整模糊控制器的规则优化模糊控制器的参数 ,使控制器具有良好的自学习功能与鲁棒性。采用该控制系统与VVVF结合在实际污水泵站中应用表明比传统控制方式性能更加优越 ,泵站水位能够在目标水位稳定运行 ,实现泵出流量与流入流量均衡的最佳泵站运行工况 ,从而达到节电效果最佳、区域污水外溢污染最小的双优控制目标 ,具有实用价值     

Optimal design for fuzzy controllers by genetic algorithms

Fuzzy control has been applied to various industrial processes; however, its control rules and membership functions are usually obtained by trial and error. Proposed in this paper is an optimal design for membership functions and control rules simultaneously by a genetic algorithm (GA). GAs are search algorithms based on the mechanics of natural selection and natural genetics. They are easy to implement and efficient for multivariable optimization problems, such as fuzzy controller design. The simulation result shows that the fuzzy controller thus designed can achieve good performance merely by using a few fuzzy variables