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。     

基于改进遗传算法的模糊RBF神经网络控制器设计

提出一种改进的优良模式自学习模糊遗传算法,并用来优化设计模糊RBF神经网络控制器。改进的算法主要基于模糊编码、优良模式自学习算子、保留遗传算法和最优串重组。仿真结果表明,改进的遗传算法可实现模糊RBF网络结构和参数的快速、全局寻优,优化后的控制器具有很强的自适应性和鲁棒性。     

T-S模糊神经网络应用于变参数系统的控制研究

针对基于模型的传统控制策略在线性时变系统中的应用受到系统的时变性和不确定性限制,通常难以获得理想的控制性能这一问题,提出了线性时变系统的一种变参数系统模型。该模型具有有界性和不确定性特点,利用模糊神经网络具有的自学习能力强、模型依赖性小以及鲁棒性强的优点,提出一种基于遗传算法的T-S模糊神经网络控制器对其进行控制研究,并通过仿真实验证明了该模糊神经网络控制器对变参数系统控制的可行性与有效性,为线性时变系统的控制问题提供了一种新思路。     

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HGA的模糊神经控制器设计及其应用

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。给出一种基于递阶遗传算法的模糊神经网络优化算法,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。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

模糊神经网络在统一潮流控制器中的应用

UPFC作为一种串联于输电线上的补偿设备,具有快速调整有功功率和无功功率的能力,为电力系统的稳定提供了强有力的手段.具体介绍了模糊神经网络的基本理论,并且将模糊神经网络控制器的理论用于UPFC的潮流控制,提出了基于模糊神经网络的统一潮流控制器的设计方案,仿真研究表明,采用模糊神经网络控制方法比传统的PI控制能得到更快的响应时间,对有功和无功的变化具有很好的追踪控制能力,是一种行之有效的控制方法.     

优化GA的模糊自适应张力控制

以典型的卷绕张力系统为研究对象,结合模糊自适应PID控制与遗传算法,设计了基于遗传算法的模糊自适应PID张力控制器.该控制器由离线和在线两部分组成,离线部分利用遗传算法搜索出一组最优的PID参数作为在线调节的初始值,在线部分用来实时调整系统响应的PID参数.仿真结果表明,采用的模糊自适应PID控制策略较传统PID控制器具有响应速度快、控制输出稳定、抗干扰能力强、鲁棒性好等优点.     

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。     

模糊CMAC的柔性空间机器人轨迹跟踪自学习控制

针对不确定自由漂浮柔性空间机器人系统,采用模糊CMAC神经网络自学习控制策略来解决轨迹跟踪控制问题.首先建立漂浮基空间机器人的动力学方程,然后利用具有快速学习能力的模糊CMAC神经网络来逼近非线性柔性臂的逆动力学模型.网络参数采用改进的有监督的Hebb学习规则进行自适应在线调整,并通过关联搜索进行自学习和自组织,其误差代价函数由PID控制器提供.仿真结果表明,这种模糊CMAC逆模PID控制器能够达到较高的控制精度,具有一定的工程应用价值.     

Genetic algorithm design of neural network and fuzzy logic controllers

This paper discusses the design of neural network and fuzzy logic controllers using genetic algorithms, for real-time control of flows in sewerage networks. The soft controllers operate in a critical control range, with a simple set-point strategy governing “easy” cases. The genetic algorithm designs controllers and set-points by repeated application of a simulator. A comparison between neural network, fuzzy logic and benchmark controller performance is presented. Global and local control strategies are compared. Methods to reduce execution time of the genetic algorithm, including the use of a Tabu algorithm for training data selection, are also discussed. The results indicate that local control is superior to global control, and that the genetic algorithm design of soft controllers is feasible even for complex flow systems of a realistic scale. Neural network and fuzzy logic controllers have comparable performance, although neural networks can be successfully optimised more consistently.     

一种纸厂配浆浓度双闭环智能控制方法

针对配浆浓度控制过程具有突发干扰、阀门开度非线性等特点,设计一种基于智能算法的配浆浓度双闭环控制系统。外环利用遗传模糊控制策略,抑制配浆过程中出现的突发干扰和传感器漂移,依据浓度变化求解最佳稀释水流量;内环根据最优稀释水流量,采用神经网络PID调节稀释水阀门开度,稳定配浆浓度。实际应用效果证明了该方法的有效性。     

Design for Self-Organizing Fuzzy Neural Networks Based on Genetic Algorithms

A novel hybrid learning algorithm based on a genetic algorithm to design a growing fuzzy neural network, named self-organizing fuzzy neural network based on genetic algorithms (SOFNNGA), to implement Takagi-Sugeno (TS) type fuzzy models is proposed in this paper. A new adding method based on geometric growing criterion and the epsiv-completeness of fuzzy rules is first used to generate the initial structure. Then a hybrid algorithm based on genetic algorithms, backpropagation, and recursive least squares estimation is used to adjust all parameters including the number of fuzzy rules. This has two steps: First, the linear parameter matrix is adjusted, and second, the centers and widths of all membership functions are modified. The GA is introduced to identify the least important neurons, i.e., the least important fuzzy rules. Simulations are presented to illustrate the performance of the proposed algorithm     

一种基于遗传算法的模糊神经网络最优控制

通过对控制系统的过程模拟,提出一种模糊神经网络最优控制方案。离线化部分基于遗传算法,分三阶段实现模糊神经网络控制器结构和参数的优化。在线优化部分通过重构模糊神经网络控制器的去模糊化部分,进一步调整控制规则,实现在线去模糊优化。仿真结果表明该方案优于常模糊控制方案和基于专家经验的模糊神经网络控制方案。     

神经网络工况识别的混合动力电动汽车模糊控制策略

采用模糊控制可以改进混合动力电动汽车(HEV)的燃油经济性和排放性,但是对模糊控制器进行优化时通常只针对某一典型工况.不同的城市的行驶工况有一定差别,影响了模糊控制改善混合动力电动汽车性能的效果.研究中以广州和上海市主干道行驶工况为例,首先建立了一个模糊控制策略,并采用遗传算法,以汽车燃油经济性和排放性为优化目标,分别针对广州和上海主干道行驶工况对模糊控制器中隶属度函数进行优化.然后建立了一个基于模糊神经网络的行驶工况识别方法,通过识别广州和上海的主干道行驶工况,对控制策略中模糊控制器的隶属度参数进行相应调整,结果证明采用模糊神经网络识别行驶工况的HEV模糊控制策略可以进一步提高汽车的燃油经济性和排放性能.     

Dynamic control of unified power flow controller under unbalanced network conditions

The effective and reliable use of existing transmission lines are critically important because high-voltage transmission networks met enormous power demands are very expensive investments in terms of their costs. Flexible Alternating Current Transmission Systems (FACTS) are quite efficient to control the power flow of the transmission lines and increase the current capacity of system. Unified Power Flow Controller (UPFC) is the more efficient among FACTS equipments which have the potential to increase the power flow and stability of the transmission line. This paper develops new control approaches for both series and shunt inverters of UPFC. The proposed controller algorithms of shunt and series inverters are based on fuzzy logic controller and rotating orthogonal-coordinate method, respectively. Dynamic control of power flow using proposed UPFC is analyzed as mathematically. Power System Computer-Aided Design (PSCAD) is used to simulate the system and test UPFC in the simulation environment. The test results are presented to show the increased stability of the system and improved dynamic response of UPFC during faults occurred in the transmission line.     

MCGS结合VB语言实现造纸废水处理智能控制

研究了利用MCGS组态软件实现模糊神经网络控制算法的可行性和方法。在VB语言环境下编制了模糊神经网络控制算法,并通过MCGS提供的OLE接口实现组态软件对算法的调用,将基于组态软件的算法应用于废纸造纸废水处理控制系统。结果表明MCGS和控制算法的有机结合对废水处理过程可以实现有效的控制。     

遗传优化的径向基函数船舶模糊控制器

研究径向基函数模糊神经网络在船舶控制器设计中的应用 ,设计了一个新型的径向基函数模糊神经网络控制器用以适应船舶在时变和不确定环境下的控制性能要求 .控制器设计的主导思想是在传统的径向基函数神经网络中增加一个模糊隐层 ,并采用遗传算法对控制器参数进行优化 .与传统方法相比 ,控制器模糊规则库的设计过程所需的先验知识更少 .最后采用Matlab 6 .1的Simulink工具以船舶运动模型为对象进行了船舶控制的仿真试验 ,结果证明了其有效性