预测反馈控制方法在经济混沌系统中的应用

将经济系统中的一类多参数混沌模型 ,在参数控制法的基础上 ,对延迟反馈控制方法进行了改进 ,提出了基于预测的反馈控制方法 .该方法解决了控制局部稳定性的条件问题 ,并对稳定性给出了充分必要条件 ,也从理论上克服了延迟反馈控制中增加维数的弊端 .该方法控制结构简单 ,易于实现 ,本文通过两例具体的经济混沌模型进行了验证 ,仿真结果表明基于预测的反馈控制方法的有效性     

预测反馈控制方法在经济混沌经济中的应用

将经济系统中的一类多参数混沌模型，在参数控制法的基础上，对延迟反馈控制方法进行了改进，提出了基于预测的反馈控制方法，该方法解决了控制局部稳定性的条件问题，并对稳定性给出了充分必要条件，也从理论上克服了延迟反馈控制中增加维数的弊端，该方法控制结构简单，易于实现，本文通过两例具体的经济混沌模型进行了验证，仿真结果表明基于预测的反馈控制方法的有效性。     

模糊PID控制器在无刷直流电机控制系统中的应用

无刷直流电机是一种多变量、非线性的控制系统,采用经典的PID控制难以达到满意的控制效果。将模糊自适应PID控制器应用于无刷直流电机的控制中,运用模糊控制原理对PID参数进行在线调整。实验结果表明,较之传统的PID控制,采用模糊自适应PID控制的无刷直流电机控制系统具有更好的动态和静态性能,达到了较好的控制效果。     

混沌高效遗传算法在水库含沙量预报中的应用

利用混沌映射的遍历性和实编码遗传算法的全局优化性,通过在遗传进化过程中加入混沌变异操作,在变量的定义域内投放大量的混沌初始群体,在实编码遗传算法进化过程中加入单纯形法学习算子,建立了一种新的混沌高效遗传算法(chaos higher efficient genetic algorithm, CHEGA).应用该法对3个非线性、高维、多峰值测试函数进行了仿真,在收敛速度和全局优化方面好于现有的简单遗传算法和改进的遗传算法.建立了水库含沙量预报模型.并将CHEGA用于求解上述模型的参数优化问题,与实数编码加速遗传算法(RAGA)、二进制加速遗传算法和随机优化算法等方法相比,CHEGA可以遍历到整个区域,较好的保持了种群的多样性,并且精度高、收敛速度快.CHEGA对求解实际水库计算模型的参数优化问题非常有效.     

模糊神经网络控制器参数的混沌优化

为了优化模糊神经网络的参数,将混沌变量引入到模糊神经网络参数寻优方式中,根据系统的性能指标,采用混沌变量进行粗搜索寻优模糊神经网络参数,然后在粗寻优基础上引入基于模拟退火策略的混沌细搜索,最后搜索出的模糊神经网络参数是全局最优的.仿真结果表明:该控制方案有效地实现对非线性对象的最优控制,为工业过程非线性复杂系统的控制提供了一种有效的控制方案.     

广义Lorenz系统全局稳定的充要条件及其在混沌控制中的应用

研究了广义Lorenz系统零平衡点的全局稳定问题,给出了一些全局指数稳定和全局渐近稳定的代数判据。利用所提出的代数判据得到了一些具有更少保守性的反馈律,保证了Chen系统、L系统和Yang-Chen系统的全局指数稳定。     

模糊预测控制在变频恒压供水系统中的应用

采用模糊控制和预测控制相结合的控制方法,研究在城市住宅小区的供水要求背景下,设计出模糊预测自整定PID控制器来实现变频恒压供水系统,得到不同控制方式下系统的动态性能、稳态品质。通过对系统进行仿真,研究结果显示:针对传统供水系统的非线性以及参数调整困难的问题,采用模糊预测控制方式,体现了很好的鲁棒性,对环境变化具有较好的适应性,使得水压能够很好地跟随设定水压变化,满足系统在误差和精度上的要求,从而体现该控制方法对解决复杂系统实现了比较好的控制效果。     

遗传算法模糊PID控制在跳汰机排料系统中的应用

介绍了模糊控制与遗传算法的特点,分析了它们之间相互结合的可能性,提出了基于遗传算法的模糊PID控制算法.指出了目前跳汰机排料系统的缺点,设计了基于遗传算法模糊PID控制的排料系统,并对其应用进行了分析研究.结果表明,基于遗传算法模糊PID控制系统比模糊PID控制系统超调小,系统稳定性高,控制效果好.     

遗传算法优化模糊控制器及其在非线性系统中的应用

提出一种基于遗传算法优化地模糊控制器的设计方法,即利用遗传江地对模糊控制的器的参数进行寻优构成一个ＧＡ－Ｆｕｚｚｙ控制器。该算法适用于多输入－多输出系统,对于典型非线性复杂系统二级例立摆的仿真证明了本文控制算法的有效性和适应性。     

模糊PID双层参数整定及其在固化炉中的应用

提出了一种模糊PID(proportion integration differentiation)控制器的双层参数整定方法。将模糊PID控制器的参数整定分为比例因子的整定与模糊隶属度函数参数整定2部分。推导出模糊PID控制器的解析模型,该解析模型包括线性部分和非线性补偿2个部分。整定的过程中,把模糊PID控制器解析模型的非线性补偿看作过程扰动,由线性部分和被控对象的二阶纯时滞模型,基于系统的增益裕度关系,导出模糊PID控制器的比例因子。再基于粒子群优化算法(PSO,particle swarm optimization)对三角隶属度函数进行优化,使控制器进一步适应被控对象的动态特性。仿真结果表明了研究方法的有效性以及应用在芯片固化炉的温度控制过程中,提升温度控制的效果。     

变量延迟反馈法控制连续混沌系统的仿真实验

给出了应用PSPICE仿真平台,实现用变量延迟反馈(DFC)法控制连续自治电路系统混沌的仿真实验.结果表明:只要恰当地选择延迟时间和反馈系数,通过微扰控制即可得到混沌轨道中不稳定的周期轨道.     

基于变结构的不确定混沌系统时滞反馈控制

针对不确定性混沌系统, 提出一种具有很好鲁棒性的时滞反馈控制. 应用变结构方法设计控制器, 实现了快速跟踪混沌系统的不稳定周期轨道.利用梯度下降法获得不稳定周期值, 解决了需要预先知道不稳定周期的困难. 以Rossler和Lorenz系统为例, 进行数值仿真, 结果证明了该方法的有效性.     

A hybrid genetic algorithm based on mutative scale chaos optimization strategy

In order to avoid such problems as low convergent speed and local optimal solution in simple genetic algorithms, a new hybrid genetic algorithm is proposed. In this algorithm, a mutative scale chaos optimization strategy is operated on the population after a genetic operation. And according to the searching process, the searching space of the optimal variables is gradually diminished and the regulating coefficient of the secondary searching process is gradually changed which will lead to the quick evolution of the population. The algorithm has such advantages as fast search, precise results and convenient using etc. The simulation results show that the performance of the method is better than that of simple genetic algorithms.     

基于变尺度混沌优化策略的混合遗传算法及在神经网络中的应用

讨论了遗传算法优化神经网络连接权的优点及存在的局限性.应用变尺度混沌搜索策略,建立了一种新的混合遗传算法——混沌遗传算法.将改进后的遗传算法结合前馈型神经网络应用于储层油气预测,取得了较好的效果.     

基于遗传算法和模糊控制的半主动悬架控制

文章建立了四自由度汽车半主动悬架系统模型;提出了一种用于汽车悬架半主动振动控制系统的遗传模糊方法,并用该方法对半主动悬架系统进行了计算机仿真和结果分析。最后通过与被动悬架比较,表明了半主动悬架系统明显减少汽车的振动,提高了汽车平顺性性能。     

一种基于遗传算法的模糊聚类

对模糊c均值聚类算法（FCM算法）进行了讨论，说明FCM算法一般得不到全局最优分类，因此结合FCM算法提出了用遗传算法进行寻优求解，从而将遗传算法用于模糊聚类分析，最后的实例表明，遗传算法在处理多样本、多属性、多类别问题时，是一种有效的方法。     

基于模糊预测控制的机车制动控制方法

为了减少模型参数、噪声耦合和随机性干扰对机车制动控制系统控制精度和稳定性的影响,提出1种基于模糊预测控制的制动控制方法,利用基于满意度的T-S模糊建模方法建立精确的预测模型.研究结果表明:通过模糊遗传算法进行滚动优化,获得全局最优解作为预测控制控制器的输出,进而提高系统控制快速性和稳定性,仿真结果验证了该方法的有效性.     

A dynamic fuzzy clustering method based on genetic algorithm

A dynamic fuzzy clustering method is presented based on the genetic algorithm. By calculating the fuzzy dissimilarity between samples the essential associations among samples are modeled factually. The fuzzy dissimilarity between two samples is mapped into their Euclidean distance, that is, the high dimensional samples are mapped into the two-dimensional plane. The mapping is optimized globally by the genetic algorithm, which adjusts the coordinates of each sample, and thus the Euclidean distance, to approximate to the fuzzy dissimilarity between samples gradually. A key advantage of the proposed method is that the clustering is independent of the space distribution of input samples, which improves the flexibility and visualization. This method possesses characteristics of a faster convergence rate and more exact clustering than some typical clustering algorithms. Simulated experiments show the feasibility and availability of the proposed method.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.