农业温室二氧化碳模糊控制系统算法

利用BP神经网络模糊控制器对农业温室二氧化碳进行控制.详细介绍了模糊规则表的生成及神经网络模糊控制器的设计,并使用Mablab进行了仿真学习,仿真结果表明该设计能够有效的对温室二氧化碳进行控制.     

基于fuzzyTECH智能小车神经模糊控制器的实现

【目的】设计智能小车神经模糊控制器,并对其参数进行优化。【方法】基于模糊控制理论,利用神经网络自学习的能力,通过fuzzyTECH平台设计并调试智能小车神经模糊控制器。【结果】结合模糊控制器强大的推理能力与神经网络自学习能力,解决了传统PID控制器控制参数固定,难以适应多种路面状况的难题,并克服了传统模糊控制器后期参数优化难的不足。物理验证试验表明,基于该算法的控制器具有较高的稳定性、适应性与实时性。【结论】所设计的控制器具有较强的实用性,可以满足智能车控制器的要求。     

基于禁忌搜索的模糊神经网络分类器设计

提出了一种基于禁忌搜索的模糊神经网络分类器设计算法.该方法首先从训练样本中自动获取分类规则,构成模糊神经网络的初始网络结构,然后采用基于禁忌搜索和梯度下降法的混合算法同时优化模糊神经网络的结构和参数.使用IRIS数据集对所提出的方法进行性能测试,结果表明该方法能使用较少的分类规则获得很好的分类效果.     

基于禁忌搜索的模糊神经网络分类器设计

提出了一种基于禁忌搜索的模糊神经网络分类器设计算法．该方法首先从训练样本中自动获取分类规则,构成模糊神经网络的初始网络结构,然后采用基于禁忌搜索和梯度下降法的混合算法同时优化模糊神经网络的结构和参数．使用IRIS数据集对所提出的方法进行性能测试,结果表明该方法能使用较少的分类规则获得很好的分类效果．     

基于Zigbee网络的中华绒螯蟹养殖中溶氧量智能控制系统研究与应用

随着信息技术和规模化水产养殖的发展,传统的养殖模式将会逐渐被智能水产养殖所取代。构建了基于Zigbee的中华绒螯蟹养殖中溶氧量的智能控制系统,并着重研究了蟹塘的增氧控制算法,针对溶氧量变化的非线性、大滞后、不确定、大惯性等特点,提出了模糊RBF神经网络改进的PID控制策略,并通过Matlab进行模糊RBF神经网络控制器与常规PID控制器和模糊PID控制器进行仿真对比,同时在某中华绒螯蟹养殖基地进行模糊PID控制器和模糊RBF神经网络控制器进行应用实验对比,证明了模糊RBF控制器能够更好地满足中华绒螯蟹养殖溶氧量的控制要求。     

轮式移动机器人滑模轨迹跟踪控制研究

针对移动机器人进行轨迹跟踪控制器设计研究。根据趋近律变结构控制设计方法中趋近律参数的物理意义及参数之间的定性关系,提出了基于模糊规则的滑模变结构控制,以达到改善控制品质的目的。     

模糊神经网络模型参考自适应控制及其应用

提出一种模糊神经网络的自适应控制方案，给出了一种模糊神经网络模型和快速的优化学习算法（ＦＬＡ），通过网络的在线自学习不断修正模糊神经网络控制器的隶属函数和权值，实现了模糊逻辑规则的自动更新，经仿真结果和倒立摆控制表明，这类自适应控制具有良好的控制性能。     

并联式混合动力车能量控制策略设计

提出了一种新颖的能量控制策略的设计方法用于并联式混合动力车.首先用SQP算法求解最大系统效率问题以实现全局优化;然后用模糊控制系统来协调发动机和电池的工作点实现局部优化.模糊系统的模糊规则建立则是汲取了SQP优化结果,从而保证全局与局部的统一.计算机仿真结果表明,运用该能量控制策略的混合动力车能达到较好的燃料经济性.     

基于分层模糊控制的机器人局部路径规划研究

论述了未知环境下移动机器人的局部路径规划.对模糊控制器,如果输入量较多导致模糊规则数目太大,则采用分层模糊控制器.详细介绍了分层模糊控制器的设计,包括输入输出变量的模糊化以及隶属函数的确定、模糊规则的设计、推理方法的设计以及解模糊化的方法,并给出了局部路径规划的仿真结果.仿真结果验证了分层模糊控制器采用较少的规则能够实时快速地规划出一条无碰撞路径.     

模糊神经网络的真空木材碳化设备控制系统设计与仿真

针对目前真空木材碳化设备的控制系统具有大滞后、强耦合、时变性以及难以建立精确数学模型等特点,提出了一种模糊神经网络算法的真空木材碳化设备控制系统。通过对输入输出变量、论域及隶属函数的选择,设计出真空木材碳化设备控制器;再将神经网络与模糊控制系统相结合,得到模糊神经控制网络。对模糊神经网络控制器的算法进行了分析;在Matlab环境下编写控制器的程序,用Simulink进行仿真实验。结果表明:模糊神经网络控制器的真空木材碳化设备输出的温度曲线,稳态误差为0、最大偏移量为1℃、调节时间约为8 s、超调量为2%;湿度曲线在6 s时即可达到稳定,稳态误差为0、最大偏差为1%、超调量为4%;加入扰动后,误差能被快速消除,温湿度的波动幅度相对减小,系统的稳定性更强。模糊神经网络控制器,可减小调节时间、消除误差、提高控制精度,具有很好的鲁棒性。将二者结合设计出的模糊神经网络控制器,具有自适应、学习、识别和模糊信息处理等功能,在处理大规模复杂的模糊应用问题方面具有更好的控制效果。     

基于模糊控制的空气悬架控制策略仿真研究

鉴于空气悬架的众多优点及应用前景,对电控空气悬架系统的控制策略进行了研究,并应用MATLAB/S imu link对空气悬架的控制策略和控制算法进行了仿真.仿真结果表明：模糊控制系统能很好地执行模糊控制规则,并且经过模糊控制后空气悬架的输出高度能很好地随输入信号的变化而变化,说明整个仿真是成功的而且模糊控制策略也是可行的.     

铁观音茶烘焙机温度小超调模糊-PID控制

针对模糊控制的不足和PID控制的缺点,提出铁观音茶烘焙机模糊-PID分段控制策略,综合了模糊控制和PID控制的优点,对传统模糊控制方法与PID参数整定进行了改进,使得系统在小超调的情况下获得最短的温度调节时间.仿真与试验结果表明该控制器设计方法简单实用,具有良好的控制效果.     

模糊控制在供电系统中应用的研究

介绍了一种基于模糊控制原理的供电系统控制策略。针对供电系统的特点提出了控制要求 ,设计了模糊控制系统的硬件结构 ,并讨论了模糊控制器的设计     

基于改进型偏差耦合结构的多电机同步控制

针对现有的多电机同步控制方案难以满足高精度控制的要求和不能实现比例同步控制的局限性,提出一种带PI补偿控制的改进型偏差耦合控制结构,可适用于多电机完全同步和比例同步控制.针对永磁同步电动机非线性和强耦合特性,设计了自适应模糊滑模变结构控制器来实现永磁同步电动机的跟踪控制.建立了4台永磁同步电动机的同步控制仿真模型,仿真实验表明,所提出的多电机同步控制结构相对于带固定增益补偿的控制结构具有更高的同步控制精度.与PID和常规滑模控制算法相比,自适应模糊滑模控制策略具有更高的同步稳定性和更强的鲁棒性.     

基于MATLAB的温室灌溉系统模糊控制的模型

依据温室环境与作物蒸腾之间的相互影响,结合作物生理干旱和大气干旱的因素,建立了温室模糊控制系统的MATLAB仿真模型,包括对控制变量的选取、模糊集的定义、论域等级的划分、隶属函数的选择及模糊控制规则的制定,并用Simulink对控制系统进行了仿真分析。仿真结果证明该温室灌溉模糊控制策略的有效性及合理性。     

基于模糊聚类的农村微网负荷控制策略研究

针对农村电网独立运行模式下,即农村电网处于孤岛运行状态,当分布式电源发电功率不满足负荷需求时,存在优先切除负荷或优先调节负荷的顺序不确定的问题,提出了基于模糊聚类的农村智能电网负荷控制策略,以多代理系统为基础,利用模糊聚类方法,将农村电网独立运行模式下的负荷按负荷等级、可控特性及位置3个属性进行聚类,得出负荷的控制顺序。依据该控制策略,能够实现在满足技术指标的前提下,提高农村电网的供电可靠性和经济性。     

基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

基于模糊控制的麦芽干燥室温度控制系统设计

介绍了一种基于模糊控制的啤酒大麦麦芽干燥室温度控制系统的设计方法,论述了该控制系统的工作原理及参数的选择,MATLAB仿真结果表明,用模糊控制方式实现的温度调节系统在运行稳定性、响应速度等方面,控制性能较佳,而且成本低、实时性好,能有效降低系统能耗,具有广阔的开发应用前景.     

基于变论域模糊理论的温室番茄智能控温策略

为了对北方温室番茄种植进行精准的温度控制,根据番茄各生长时期的温度特性,运用温度积温理论以及变论域模糊控制理论提出了符合北方温室番茄种植的智能温度控制策略。利用温度积温法对温度阈值进行计算使其可以适应外界环境的动态变化,通过变论域模糊控制理论解决传统模糊控制方式因结构参数相对固定而不适用于高精度控制的难题,提升了稳定性以及系统的响应时间,降低了控制误差。仿真实验表明,该温度控制策略相比PID控制,在响应时间及超调量方面有54.17%和75%的提升;相比传统模糊控制,在响应时间及超调量方面有35.29%和55.56%的提升。温室实验表明,与原有控制策略相比,在日间与夜间控制方面,使用该控制策略的室内平均温度均更接近于期望温度值,同时节约近10%的能量消耗,有效提高能源利用率。