混沌在模糊控制规则优化中的应用研究

利用混沌 (Chaos)所特有的随机性、遍历性及规律性 ,将其应用于一类复杂非线性时变过程的模糊控制规则优化中 ,提出了一种利用混沌进行模糊规则参数优化的方法。仿真结果表明 ,该算法具有较强的全局搜索能力和较快的搜索速度 。

基于改进蝙蝠算法的模糊PID规则优化研究

模糊控制规则是模糊PID控制器的核心,在对模糊控制规则优化时通常采用特定的方式寻优弱化模糊控制规则间的关联性,存在影响计算效率以及控制精度等问题。为此,在蝙蝠算法(BA)寻优方式的基础上,提出一种改进的蝙蝠算法(IBA)对模糊控制规则进行优化。通过模糊控制规则间关联性设计邻域搜索算子以提高BA的搜索精度,再引入混沌变异算子避免BA陷入局部最优,以ITAE值作为性能指标对模糊PID控制系统进行评价。仿真结果表明,与粒子群算法、遗传算法和改进的蚁群算法的优化效果相比,IBA优化模糊控制规则后的模糊PID控制器的调节时间与超调量均较小,且提高了控制精度与计算效率。