共查询到10条相似文献，搜索用时 15 毫秒
1.
此提出了一种新型的基于Niche的直接模糊自适应控制,把含有参数的生态位贴近度作为零阶的T-S型后件,采用超稳定理论设计模糊控制器并得到了后件参数的自适应律,体现了生物界个体的自组织、自学习、自适应的能力.该方法简化了控制器设计,不需要监督控制项.同时降低了对最小逼近误差的要求,从而使方案更容易实现.通过对肌型血管疾病的仿真验证了本方法的可行性. 相似文献
2.
乔维德 《宁波职业技术学院学报》2010,14(5):8-12
针对常规模糊控制器在永磁同步电机直接转矩控制中超调量大、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ke、kec及比例因子kuP、kuI,以确保永磁同步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。 相似文献
3.
针对传统PID控制在无刷直流电机控制系统中达不到良好的控制效果的问题,在无刷直流电机的数学模型基础之上,设计一种模糊神经网络自适应PID控制器,该控制器利用模糊控制非线性控制作用和BP神经网络的学习能力及适应能力相结合对PID参数进行在线实时调整。对基于模糊神经网络自适应PID控制器的无刷直流电机的双闭环控制系统进行仿真实验,实验结果表明,可以提高控制系统的响应速度,减小超调量,对负载及电机参数的变化都有较强的鲁棒性。 相似文献
4.
为准确快速地对恐怖袭击事件进行分级,帮助建立恐怖袭击事件应急预案,提出一种基于模糊聚类算法和模拟退火遗传算法优化BP神经网络的恐怖袭击事件分级模型。通过模糊聚类算法划分样本训练集,利用BP神经网络的自学习能力获取输入与输出之间的模糊规则,采用模拟退火遗传算法提高神经网络精度。以GTD数据库样本为例,经实验得到普通BP神经网络的分级正确率为94.32%,模拟退火遗传算法优化的BP神经网络分级正确率可提升到99.88%,验证了基于模糊聚类算法和模拟退火遗传算法优化BP神经网络分级模型的有效性。 相似文献
5.
本文针对常规模糊控制器的不足，提出了一种自校正模糊控制器，论述了它的在线调整设计方法。并在此基础上进一步利用ＢＰ神经网络进行推理，实现控制参数自动调节。为减少ＢＰ网络的训练量，对模糊集（网络的输入）进行了“编码”。最后的仿真结果表明了该控制器具有自适应和学习能力，其动态响应和鲁棒性均优于常规的ＦＵＺＺＹ控制。 相似文献
6.
针对遗传算法在优化BP网络时出现收敛慢、预测能力有限等问题,提出一种用于优化BP神经网络的差分进化遗传算法。结合差分进化与遗传算法,首先对BP神经网络待优化参数编码,然后在经过遗传交叉和差分变异操作后,根据适应度值对种群规模进行自适应操作,以满足不同迭代阶段的要求。通过对测试函数进行仿真实验,结果表明,相比传统遗传算法,DE GA算法具有较好的稳定性和收敛速度,其优化后的BP网络预测精度保持在97%以上。 相似文献
7.
模糊自适应PID控制器的设计 总被引：1，自引：0，他引：1
曾喜娟 《黎明职业大学学报》2007,(1):31-34
基于模糊自适应控制理论,设计了一种模糊自适应PID控制器,具体介绍了这种PID控制器的控制特点及参数设计规则,实现PID控制器的在线自整定和自调整。通过matlab软件进行实例仿真表明,这种模糊自适应PID控制器比常规PID控制器具有超调量小,调节时间短,提高控制系统实时性和抗干扰能力。 相似文献
8.
9.
主要研究基于比例压力阀的气动伺服系统的模糊神经网络（FNN）力同步控制问题。结合研究内容，设计和搭建了气动力控制实验台。针对常规模糊控制器在控制中没有学习功能、系统量化和分档误差较大、控制性能不够好等不足，设计了模糊神经网络控制器。它综合了神经网络具有的分布式存贮知识、学习记忆能力、容错性强等优点和模糊系统具有的直观知识表达方式、简捷迅速的逻辑推理和决策能力强等优点。具有优良的控制性能。 相似文献