基于遗传算法的模糊控制器动态优化方法

为了克服电厂主蒸汽温度被控对象的大迟延性、模型不确定性和时变性，提出了一种新的基于遗传算法（GA）的动态模糊控制器优化方法．该方法根据被调量的当前偏差值和偏差变化值的大小，采用改进的遗传算法和错时修正的方法，每次只对模糊控制规则表中的一个当前被激活的控制量修正值进行优化，对模糊控制器控制规则表中的数据进行实时在线的动态优化．仿真结果表明，当主蒸汽温度被控对象的模型参数变化10％时，采用该动态优化方法的模糊控制系统可以将主蒸汽温度动态偏差控制在-3～3℃，调节时间缩短了至少40％，主蒸汽温度控制系统的动态特性得到了有效的改善．

基于PSO的模糊控制器参数优化设计

本文提出了将微粒群优化(PSO)算法应用于模糊控制器的参数优化设计中,针对常用的工业对象模型进行了仿真实验,仿真结果表明基于微粒群算法优化模糊控制器参数可以获得满意的控制效果,PSO算法为模糊控制器的设计提供了一种的新的思路。

基于模糊逻辑的船用循环水泵转速控制方法

[目的]在船舶上,由于汽轮机负载变化迅速,易导致冷凝器真空度波动剧烈。为实现真空度快速稳定,设计一种用于调节船用循环水泵转速的模糊控制器。[方法]通过优化控制器内增加的稳态工况预设值与模糊变量插值这2种方法,克服模糊控制器原本存在的稳态误差大和稳定性差的缺点,通过热力系统仿真,验证优化后的模糊控制器的控制效果。[结果]验证结果显示,与常规比例积分微分(PID)控制相比,优化后的模糊控制器能使冷凝器真空度达到稳定的时间减少约50%,最大误差减少约40%。[结论]优化后的模糊控制是实现循环水泵转速快速调节的有效方法。

Genetic-fuzzy HEV control strategy based on driving cycle recognition

A genetic-fuzzy HEV control strategy based on driving cycle recognition （DCR） was built. Six driving cycles were selected to represent different traffic conditions e.g. freeway, urban, suburb. A neural algorithm was used for traffic condition recognition based on ten parameters of each driving cycle. The DCR was utilized for optimization of the HEV control parameters using a genetic-fuzzy approach. A fuzzy logic controller （FLC） was designed to be intelligent to manage the engine to work in the vicinity of its optimal condition. The fuzzy membership function parameters were optimized using the genetic algorithm （GA） for each driving cycle. The result is that the DCR_ fuzzy controller can reduce the fuel consumption by 1. 9%, higher than only CYC _ HWFET optimized fuzzy （0.2%） or CYC _ WVUSUB optimized fuzzy （0.7%）. The DCR_ fuzzy method can get the better result than only optimizing one cycle on the complex real traffic conditions.