主动磁悬浮系统的变论域自适应模糊PID控制

针对主动磁悬浮轴承系统具有强非线性、强耦合、模型不确定等特点,提出了一种变论域自适应模糊PID算法。该方法通过选择合适的伸缩因子,避免了传统模糊PID控制中出现规则爆炸的问题。同时针对传统伸缩因子的函数结构和参数难以确定的特点,设计了基于模糊规则的论域伸缩因子。在SIMULINK环境中对主动磁悬浮轴承系统进行仿真,仿真结果表明,变论域模糊PID算法控制的主动磁悬浮系统具有更好的动静态性能,对外界干扰具有更强的鲁棒性。     

变论域模糊控制器单元机组SCR烟气脱硝控制研究

SCR烟气脱硝系统的脱硝率由喷氨量来控制,而喷氨流量控制系统控制喷氨量,因此,优化喷氨流量控制系统能有效提高脱硝率。设计了一种基于变论域的模糊控制器来实现喷氨量的优化控制,并采用 MATLAB 仿真软件对此控制方案进行仿真,并与传统的控制方案的结果进行对比分析。结果表明,基于变论域的模糊控制喷氨流量系统相对于传统的PID控制,其超调小,且鲁棒性较强,有效地提高了控制品质。     

基于遗传算法的混沌系统模糊控制

基于遗传算法，研究了混沌系统的模糊控制问题.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. 关键词： 混沌系统 遗传算法 模糊控制     

基于backstepping方法的混沌系统自适应模糊控制

针对一类含未知非线性参量或外界干扰的混沌系统,基于backstepping提出一种新的自适应模糊控制方法,模糊逼近器参量可自动实时调整,任意给定初始参量,根据所给控制律表达式迭代得到控制器,能够成功地把混沌系统控制到预先给定的目标轨道.仿真结果验证了方法的有效性 关键词： 混沌系统 backstepping方法 自适应模糊控制     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

一种基于混沌系统部分序列参数辨识的混沌保密通信方法

本文提出一种混沌保密通信方法,即混沌系统的部分序列用于混沌系统参数辨识其他序列用于通信保密.利用混沌蚁群优化算法对部分序列混沌系统进行参数辨识,以达到了解混沌系统全部信息的目的.在参数辨识过程中引入参数空间和蚁群空间,通过空间变换函数使参数空间与蚁群空间之间相互变换.文中使用Lorenz系统进行数值试验,其结果验证混沌系统部分序列参数辨识及混沌保密通信的可行性.     

定向战斗部随动系统新型模糊-PID复合控制

针对随动定向战斗部随动系统工作中存在的非线性与随机干扰问题,普通的PID控制器和模糊控制器不能满足快速性与适应性的要求,基于模糊自整定PID参数控制器与模糊-PID切换控制器,提出了一种新型模糊-PID复合控制算法,控制前段利用模糊控制加快控制速度,后段利用模糊逻辑整定PID参数提高精度与自适应能力;仿真结果表明,采用这种新型模糊-PID复合控制算法能够保持跟踪精度,减少调节时间,加快系统跟踪速度,减小切换冲击,提高抗干扰能力。     

基于单片机的温度控制系统的设计

针对单片机温度控制系统采用传统控制方法容易出现响应速度慢、振荡剧烈、控制精度低等问题,对单片机温度控制系统的硬件电路、控制精度、控制算法等方面进行了设计研究。基于以AT89C51单片机为核心运用DS18B20温度传感器的温度控制系统,提出了变论域模糊PID控制算法,将变论域模糊控制和PID控制相结合,结合生猪猪舍温度控制系统对传统PID控制算法以及变论域模糊PID控制进行对比分析。实验结果表明,设计的温度控制系统采用了变论域模糊PID控制算法,提高了控制精度,加快了系统的响应速度,从而增强了温度控制系统的实用性,产生了重要的实际工程意义。     

基于递阶模糊聚类的混沌时间序列预测

提出一种新的基于递阶模糊聚类系统的模糊建模方法.目的在于通过一系列的步骤优化T-S模糊模型结构，实现非线性系统的建模和预测.首先利用最近邻聚类法初始划分输入空间，得到规则数及初始聚类中心，用模糊C均值算法(FCM)进一步优化聚类中心；然后利用加权最小二乘法估计模糊模型的初始参数，进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行预测实验，结果表明可以对Mackey-Glass混沌时间序列进行准确建模和预测，证明了本方法的有效性. 关键词： 递阶模糊聚类 模糊建模 混沌时间序列 最小二乘     

基于鲁棒模糊聚类的混沌时间序列预测

采用一种基于鲁棒模糊聚类算法的模糊辨识方法,通过引入局部划分关联度因子,增强了系统辨识的抗干扰能力,提高了系统辨识的鲁棒性.首先用最近邻模糊聚类法划分初始输入空间,得到模糊规则数及初始聚类中心;然后用鲁棒模糊聚类算法求解并优化模糊隶属度和聚类中心,建立高精度的T-S模糊模型;最后利用最小二乘法辨识模型的初始结论参数,进一步利用带遗忘因子的递推最小二乘法优化结论参数.采用该方法对Mackey-Glass混沌时间序列进行建模和预测,仿真结果表明利用本方法可以进行准确建模和预测,验证了本方法的鲁棒性、有效性和实 关键词： 最近邻模糊聚类 鲁棒模糊聚类 混沌时间序列 最小二乘法     

基于蚁群算法自整定PID的风电系统最大风能追踪研究

以欠功率阶段的最大风能追踪为研究重点,对风力机捕获风能的过程进行理论分析,将蚁群算法自整定PID应用于最大风能追踪控制,设计了蚁群算法自整定PID控制器,并对其进行相应的仿真分析。仿真结果表明,与传统的PID控制策略相比,该控制策略使控制系统具有良好的动态响应能力,提高了控制精度、风能利用率、输出功率。     

基于混沌蚂蚁群算法的Lorenz混沌系统的参数估计

通过构造一个适当的适应度函数，首先将混沌系统的参数估计问题转化为参数的寻优问题，之后利用混沌蚂蚁群算法的全局优化搜索能力对这个问题进行求解.以典型的Lorenz混沌系统为例进行了数值模拟.实验数值仿真结果表明，使用该方法可以对混沌系统的未知参数进行有效地估计.     

改进蚁群算法的局部信息动态路径规划

针对传统蚁群算法收敛速度慢、对动态路径变化适应性低的局限性,提出了一种基于局部信息获取策略的动态改进型蚁群算法。该算法利用局部信息获取策略,进行最优局部目标点的获取,然后调用改进蚁群算法获取局部区域内的最优路径,再重复循环获取新的最优局部目标点,直到找到全局目标点。与此同时,将提出的改进型蚁群算法应用于动态路径规划中的路径寻优与避障,仿真结果表明：提出的算法在具有与传统蚁群算法相当的路径优化效果的同时,能够有效适应障碍变化、大大提高了路径规划的收敛速度。     

自适应混沌蚁群径向分析算法求解重力辅助导航匹配问题

针对现有重力导航匹配算法的匹配精度、匹配率受惯导初始位置误差影响较大以及实时性较差等不足,提出了一种基于自适应混沌蚁群径向分析的实时重力辅助导航匹配算法,新算法引入改进的连续域蚁群算法进行优化模型求解,通过进行连续域蚁群算法的信息素的自适应调整,同时对蚁群算法的搜索策略、计算参数、局部信息素进行混沌自适应处理,最终达到提高算法搜索效率、匹配率、抗噪性能的效果,实验结果表明,新算法对惯导初始误差不敏感,匹配率高,实时性强。     

Robust adaptive fuzzy neural tracking control for a class of unknown chaotic systems

In this paper, an adaptive fuzzy neural controller (AFNC) for a class of unknown chaotic systems is proposed. The proposed AFNC is comprised of a fuzzy neural controller and a robust controller. The fuzzy neural controller including a fuzzy neural network identifier (FNNI) is the principal controller. The FNNI is used for online estimation of the controlled system dynamics by tuning the parameters of fuzzy neural network (FNN). The Gaussian function, a specific example of radial basis function, is adopted here as a membership function. So, the tuning parameters include the weighting factors in the consequent part and the means and variances of the Gaussian membership functions in the antecedent part of fuzzy implications. To tune the parameters online, the back-propagation (BP) algorithm is developed. The robust controller is used to guarantee the stability and to control the performance of the closed-loop adaptive system, which is achieved always. Finally, simulation results show that the AFNC can achieve favourable tracking performances.     

基于蚁群算法的辊式涂布涂层厚度图像检测

针对目前辊式涂布涂层厚度检测效率低、准确率低等问题,提出一种基于启发式蚁群算法的辊式涂布涂层厚度机器视觉检测方法。采用Canny算子的原理提取出边缘信息,得到了边缘点的先验知识;然后建立了改进的蚁群算法的边缘追踪模型,实现了信息素和启发信息对蚂蚁的导向作用,同时较好地避免了蚂蚁在非边缘区域的分布和行走,解决了传统蚁群算法中随机性与正反馈两种机制的协调问题,使用改进蚁群算法的机器视觉法进行测量实验,与机理建模法对比最大误差为5.74%,平均误差为4.04%,满足实际生产需要。     

一个修改的混沌蚁群优化算法

本文提出一个用于混沌蚁群优化算法的算法结束条件, 并 将算法结束条件加入混沌蚁群优化算法. 通过数值试验, 验证其有效性. 数值试验表明混沌蚁群优化算法可以得到较高精度 的最优解. 修改的混沌蚁群优化算法可以通过多次混沌搜寻, 逐步逼近最优解, 可以用来求解复杂连续空间优化问题. 关键词： 混沌蚁群优化算法 优化 数值模拟