一、一种基于多级遗传寻优的模糊控制器设计（论文文献综述）
秦树旺[1]（2021）在《光电跟踪系统中模糊-动态高型控制技术研究》文中研究指明光电跟踪系统是一种广泛应用于陆地或运动平台中对相对运动目标进行实时跟踪的精密观测仪器,其跟踪精度是衡量系统性能的一个重要指标。由于应用环境复杂、跟踪设备存在非线性摩擦等因素使跟踪系统存在较大不确定性,同时随着跟踪系统的跟踪对象的机动性越来越强,目标跟踪越难以实现,传统的控制方法无法同时满足快速度和高精度的跟踪要求。动态高型控制技术可以根据系统状态动态改变系统型别,在避免积分饱和前提下,同时提高稳态精度和响应速度,显着抑制系统震荡。实现动态高型控制技术存在两个难题,即型别切换的时机判断问题,和切换瞬间带来的抖动难以消除的问题。模糊控制技术作为智能控制技术的一种,可以将自然语言通过数学公式加以转化,在人类专家经验的指导下输出精确值,尤其适用于非线性系统和不确定性较大的系统。而在现实非结构化的动态环境和许多具体应用中,传统的一阶模糊控制器会面临诸多不确定性,二阶模糊控制器的出现提高了系统处理不确定性的能力。基于以上两种技术,结合各自优点,本课题提出一种模糊-动态高型控制技术。将模糊控制器与积分器串联以后,并联到经典双闭环反馈系统的前向通路中,以系统误差及其变化率作为模糊控制器的输入,以模糊控制器的输出作为积分器的增益。引入多种群遗传算法分别对模糊控制器的两个输入、一个输出共三个比例因子进行迭代优化,在避免经典遗传算法容易陷入局部极值的前提下得到最优控制参数。克服了动态高型控制技术的两个难题,构建了稳定的模糊-动态高型控制系统。传统模糊控制器的隶属度函数参数选取过于依赖人类经验,在面临更大不确定性被控对象时难以取得理想的控制效果。为了解决此问题,本课题研究了二阶模糊控制器的组成结构,对三维隶属度函数进行调整,使其可以包含输入变量的不确定性,优化了控制系统处理不确定性的能力。由于三维变量的引入,使二阶模糊控制器的解模糊计算复杂度倍增,本课题还提出了一种新型的降型算法,在传统Nie-Tan降型算法基础上进行加权,避免迭代计算,提高解模糊计算速度与精度,并通过实验证明该降型算法的实用性。本文首先分析经典光电跟踪系统的结构,然后对模糊-动态高型控制系统进行理论和仿真分析,最后搭建实验平台进行验证。实验结果表明,所提方法实现了动态高型切换系统型别的目标,调节时间仅为0.069秒,稳态误差仅为0.0005角秒,相比传统双闭环反馈控制系统,显着提高了系统的响应速度和稳态精度;均方差为1.2038角秒,误差时间积分准则数值为979.6,明显提高了系统的动态稳定性与鲁棒性。
孙盟[2]（2021）在《基于模糊自适应策略下的多电机同步控制优化》文中研究表明在目前科学发展繁盛期,对各种产品质量与产量的要求不断提高。多电机同步控制协调技术已经广泛应用于各种工业场合中,在包装机械行业中,针对产品的好坏,多电机同步控制协调技术起了决定性的作用。信封机是由多个部分模块组成的自动化机器,每个功能模块分别靠不同电机驱动,各个部分模块相互协调运动完成信封机的整体工作,本论文以优化信封机同步控制为目的,分析单台永磁同步电机速度控制系统并提出一种经过灾变遗传优化的模糊PID控制策略,提升单电机的响应速度与响应精度。为了进一步提升多电机同步控制性能,模拟信封机单元模块以四台永磁同步电机同步控制系统为对象,提出一种改进型偏差耦合速度补偿结构,具体研究成果主要包括以下内容:首先,对信封机工作状态进行分析,剖析永磁同步电机内部构造并转化成数学模型,按照数学模型研究控制方法,选择空间矢量脉宽调制技术达成电机速度控制目的,并且综合以上方法策略搭建永磁同步电机控制系统的Simuink仿真模型。分析常见的电机控制策略,将灾变遗传模糊PID控制方法,替换原始PID控制策略,针对原始模糊控制方法存在的不足,运用灾变遗传算法优化模糊控制器中的模糊规则,针对原始遗传算法面对非线性、复杂问题时具有陷入局部最优解、“早熟”等缺点,添加了灾变操作。并且通过仿真证明控制方法的可行性与有效性。针对现有的多电机同步控制方法进行结构分析,提出一种新型速度补偿器,用Simulink软件对各个同步控制策略进行仿真比较,验证改进型偏差耦合速度补偿器的可行性与优化性能。最后,将基于灾变遗传模糊PID的永磁同步电机按照改进型偏差耦合的同步控制连接方法搭建四电机并联仿真模型,仿真结果表明:各个电机间同步误差减小,更快达到速度同步,提升了信封机的同步控制性能。
蒋清泽[3]（2020）在《六自由度关节机器人轨迹跟踪模糊PID控制的优化研究》文中指出关节机器人作为现代工业领域应用最为广泛的自动化设备之一,具有强耦合、高非线性等特性,其高精度运动控制技术一直是热点研究课题。机器人轨迹跟踪控制是通过给定各关节的驱动力矩使得机器人的关节角、角速度等运动学参数跟踪给定的期望值,从而使得机器人末端能够获得期望的轨迹,顺利完成作业任务。本文就模糊PID控制器应用于六自由度关节机器人轨迹跟踪控制问题展开研究,为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,首先提出了一种混合编码的遗传算法实现了模糊PID控制器优化;进一步考虑轨迹跟踪控制的多目标优化问题,通过多目标粒子群算法完成了模糊PID控制器的多目标优化。论文的主要工作内容和取得的成果如下:首先,根据六自由度关节机器人D-H参数建立机器人运动学模型,采用牛顿-欧拉迭代公式建立机器人动力学模型,利用Matlab实现了关节机器人的运动学仿真和动力学仿真。其次,设计了一种模糊PID控制器,实现了基于Matlab/Simulink的六自由度关节机器人轨迹跟踪的模糊PID控制仿真。分别将模糊PID控制器和PID控制器应用于机器人轨迹跟踪控制仿真,仿真实验结果表明,模糊PID控制器具有更快的响应性,更好的稳定性和更高的控制精度。再者,设计了基于混合编码的遗传算法,实现了模糊PID控制器隶属函数与模糊规则的优化。运用特征参数表征隶属函数与模糊规则等设计参数,给出了特征参数与设计参数混合编码的遗传算法编码方法,设计了基于混合编码的模糊PID控制器遗传算法优化算法。对比没有采用混合编码的遗传算法,分别将两种编码方法优化后的控制器应用于轨迹跟踪仿真实验。实验结果表明,基于混合编码的遗传算法具有更好的寻优效率和寻优结果,在无扰动和有扰动的情况下,基于混合编码方法优化后的模糊PID控制器均具有更好的轨迹跟踪控制效果和抗干扰能力。最后,考虑控制器输出和轨迹跟踪控制偏差两个优化目标,采用收敛速度更快的多目标粒子群算法实现了模糊PID控制器的多目标优化。分别采用多目标遗传算法和多目标粒子群算法优化轨迹跟踪模糊PID控制器,并对比分析了优化结果,验证了多目标粒子群算法在轨迹跟踪模糊PID控制器多目标优化的有效性和优越性。
刘峰[4]（2019）在《基于倒立摆的控制方法研究》文中研究表明倒立摆是一个典型的非线性、强耦合、在自然状态下绝对不稳定的系统。它可作为检验各种新型控制方法是否具有正确性的理想装置。在其控制过程中,能反映出许多控制领域中的关键问题,如鲁棒性、随动性及快速跟踪等。因此,将倒立摆作为研究控制方法的对象具有重要的理论研究意义和工程指导意义,获得成功的科研成果已被普遍应用于航空航天、机器人等领域。本文以直线二级倒立摆为控制对象,对其进行稳定性控制方法的研究,研究内容有以下几方面:1.基于倒立摆系统共有特性,从能量转换的角度运用Lagrange方程推导出倒立摆的数学模型;基于现代控制理论对倒立摆进行定性分析,分析结果为倒立摆是一个能控能观的系统。2.研究最优控制方法、变结构控制方法以及模糊控制方法对倒立摆系统的控制。使用最优控制方法控制倒立摆系统时,采用遗传算法寻优加权矩阵中的元素,简化参数的寻优过程;使用变结构控制方法控制倒立摆系统时,通过改进趋近律来削弱系统抖振,从而增强系统的稳定性;使用模糊控制方法控制倒立摆系统时,针对“规则爆炸”问题,运用最佳反馈状态矩阵设计含有降维矩阵的二维模糊控制器,并且通过遗传算法对模糊控制器的参数因子、隶属函数以及控制规则进行优化。在Simulink软件中使用这三种控制方法进行倒立摆控制仿真,均得到了很好的控制结果。3.使用这三种控制方法进行倒立摆实物控制实验,并在实验过程中加入适当的扰动,控制实验结果显示模糊控制方法的上摆杆稳态误差最小,变结构控制的最大;上摆杆受到干扰后重新恢复稳态,变结构控制所用的调整时间最短,最优控制方法的最长。通过控制实验结果的对比分析得到最优控制具有很好的控制精度但快速性和抗干扰能力较差,变结构控制抗干扰能力最强但控制精度最差,而模糊控制同时兼顾系统的控制精度和快速性,体现出智能控制的优越性。通过倒立摆控制方法的研究,发现每一种控制方法都具有自身的优劣势,但模糊控制方法的优势更明显,利用优化算法提高模糊控制的精度来得到更好的控制效果会是一种发展控制理论和控制方法的很好途径。在控制系统的设计时,只有综合考虑系统的各方面性能,才能获得最佳控制器。
刘咪,王进华[5]（2005）在《遗传算法优化模糊控制器方法》文中研究指明利用遗传算法优化模糊控制器是近年来的一个研究热点,本文简要介绍了遗传算法的原理和操作步骤,然后对近年来利用遗传算法优化模糊控制器按照优化类型不同进行了概括分析,最后对今后进一步的研究工作作了展望。
孙建平,杨振勇,于希宁,王翀[6]（2002）在《一种基于多级遗传寻优的模糊控制器设计》文中指出模糊控制器设计的核心问题是模糊控制规则表的确定。模糊控制规则主要来源于专家经验和控制工程的知识,因其并不是在任何时候总能获得,这大大限制了模糊控制器的应用前景。提出了一种基于量化因子,比例因子和解析式规则的模糊PID控制器,并采用多级遗传算法对参数进行分组分阶段交替寻优,仿真结果显示该方法取得了良好的效果,在保证控制效果的情况下,大大简化了模糊控制器设计。
曾雅琼[7]（2020）在《基于模糊控制的红绿灯配时优化控制及应用》文中认为随着经济的快速发展,我国汽车的持有量急剧增加,对交通条件的需求日益扩大。然而,红绿灯配时方案逐渐落后城市交通需求标准,使得交通堵塞问题愈发严重。当前,交通堵塞已逐渐成为制约我国大多数城市实现可持续发展的因素。交叉路口是城市路网中的关键点,交通拥堵常常发生在交叉路口。对交叉路口的红绿灯时长进行适当地调整,不仅可以在一定程度上提高整个城市交通系统的通行能力,还能使出行更安全、方便快捷。本文针对城市交叉路口的实际交通参数在较短时间内可能发生较大的波动这一问题,提出了一种遗传算法来优化模糊控制对绿灯配时方案进行设计,动态调整交叉路口车流通行。首先,本文选取三叉路口及三相位控制作为研究对象,根据各相位的排队长度和车道数确定各相位的通行权优先级,设计路口的相位转换次序,将当前绿灯通行相位的最大排队长度和下一通行相位的车流量作为模糊控制器的输入变量,当前通行相位的绿灯延长时间作为模糊控制器的输出变量,经过模糊推理和清晰化处理得出相应的配时方案,从而对交叉路口各相位的绿灯通行时长进行策略调整。其次,选取交叉路口的车辆延误时间作为评价指标,对其进行分析、建立数学模型,并根据模型构造优化的目标函数。通过遗传算法对模糊控制器中的高斯型隶属函数的中心点和宽度进行编码、种群初始化、适应度函数的选取及其对个体适应度的评估、选择交叉变异等寻优操作,得出最优的隶属度函数,结合仿真验证其可行性。最后,以长沙市某三叉路口为例,采集路口的交通基本数据,采用MATLAB的模糊逻辑验证了规则的有效性,并将优化后的红绿灯配时方案运用到VISSIM交通软件模拟的路口仿真实验中,对比在优化前后的数据,验证了实本文所提出方法的有效性。
王磊[8]（2019）在《考虑能耗的离散生产线自适应模糊控制方法研究及应用》文中进行了进一步梳理随着全球环境恶化和能源匮乏问题的日益凸显,低碳高效的发展模式逐渐成为各国可持续发展研究的热点问题。本文从制造车间生产线层面出发,以减少机器空载运行能耗为目标,在不影响生产线产量的前提下,充分发挥机器间缓存区的作用,提出了一种基于机器智能启、停的自适应模糊控制的节能策略。首先,对离散制造生产线中的基本制造单元机器和缓存区的基本属性参数进行了分析。介绍了机器的运行状态模型、可靠性模型和能耗模型的搭建方法,重点分析了造成机器空载待机运行的原因,为生产线节能模型的建立提供理论基础。利用模糊控制理论在处理生产线机器运行状态和能耗状态的数学模型难以获取的问题时的独特优势,将其运用到节能控制系统中。在串行生产线上,以机器上、下游缓存区储存量为输入,机器停机节能时间为输出,实际停机时间与理想停机时间的偏差值作为系统反馈,为机器配置自适应模糊节能控制器,在满足缓存区安全库存量的要求下,在线校正控制器的输出值,以提高节能控制效果。在Simio仿真软件上搭建生产线模型,验证生产线在单机被控和多机被控的情况下节能控制器的效果。结果显示机器空载待机运行状况明显改善,在单机器节能控制的生产线上该机器空载运行能耗降低了 31.82%,多机器节能控制生产线的空载运行总能耗降低了 22.84%,节能效果优秀。然后,指出经典模糊控制器的缺陷,引入遗传算法,以最大停机节能时长为目标函数,对决定自适应模糊节能控制器隶属函数形状的参数寻优,进一步提高节能控制效果。以并行生产线为例,为机器配置改进型自适应模糊节能控制器。仿真模型运行结果显示,改进型自适应模糊节能控制器较自适应模糊节能控制器节能效果更佳,在单机器节能控制生产线上该机器空载运行能耗降低了 38.27%,多机器节能控制生产线机器的空载运行总能耗降低了 24.95%,节能效果显着。最后,提出了搭建节能管理平台原型系统的构想,介绍了平台的框架结构及运转机理,并列举出了支持平台搭建的硬件和软件的要求。结合其监控点信息和生产设备能耗的功能模块界面,说明了开启自适应模糊节能控制的方法。
王宇[9]（2019）在《袋式除尘器脉冲喷吹清灰自适应模糊控制方法研究》文中认为袋式除尘器具备除尘效率高和运行稳定等特点,已成为目前解决工业粉尘排放的关键技术装备。在“中国制造2025”和“工业4.0”的战略背景下,大型袋式除尘器技术呈现向智能化方向发展的趋势。脉冲喷吹清灰是袋式除尘器实现滤袋过滤性能再生的核心过程,其控制系统的好坏直接影响袋式除尘器运行能耗的高低和滤袋使用寿命的长短。由于传统脉冲喷吹清灰控制方法的控制效果不理想,智能化清灰控制方法成为袋式除尘器节能、高效运行的关键。本文的主要研究工作如下:1.研究了袋式除尘器脉冲喷吹清灰控制问题的复杂性,针对定时或定压差控制方法所表现的压缩空气消耗高和清灰周期无法进行适应性调整等问题,提出一种控制规则可调的脉冲喷吹清灰自适应模糊控制方法。2.通过对袋式除尘器脉冲喷吹清灰控制要求和可控参数的分析,确定将除尘器过滤阻力偏差和过滤阻力偏差变化率作为控制输入量,清灰周期作为控制输出量,构建脉冲喷吹清灰模糊控制器,该控制器相较于传统清灰控制方式能够更加准确地反映袋式除尘器的运行工况并可对清灰周期进行调整。为克服基本模糊控制规则无法进行调整的缺点,提出一种基于遗传算法的脉冲喷吹清灰自适应模糊控制方法。该方法对模糊控制规则引入调整因子,利用遗传算法以阻力偏差的ITAE性能指标作为系统的目标函数对调整因子进行寻优,从而获得最优的模糊控制规则,并对该自适应模糊控制器进行仿真验证。3.在课题组研发的袋式除尘器综合测试验证平台上开发了脉冲喷吹清灰测控软硬件实验系统以及自适应模糊控制验证模块。对脉冲喷吹清灰自适应模糊控制方法和传统的定时、定压差脉冲喷吹清灰控制方法进行现场实验,验证了自适应模糊控制方法的先进性与可靠性。仿真结果与实验结果表明:该脉冲喷吹清灰自适应模糊控制器响应速度更快、无明显超调,具有较强的适应性和鲁棒性;相比于传统的控制方法,自适应模糊控制方法能够使袋式除尘器阻力维持在理想过滤阻力范围内,稳定性更好,降低了脉冲喷吹清灰过程中的压缩空气消耗,为提升袋式除尘器工作效能奠定了基础。
王国微[10]（2019）在《基于路面识别的电动汽车驱制动控制策略研究》文中认为汽车工业的发展为人们出行提供极大便利,对社会发展起到巨大的推动作用,但随着燃油车辆的普及,其尾气对环境产生了严重污染,为了应对环境污染和能源危机,世界各国开始重视新能源汽车的发展。作为新能源汽车之一的纯电动汽车行驶过程中不产生污染气体,这一优点使得纯电动汽车成为重点发展车型。纯电动汽车在制动过程中可以回收制动能量,这有效缓解纯电动汽车续驶里程短的缺陷,为了保证电动汽车制动安全性和驱动稳定性并具备再生制动功能,需要对电动汽车的驱制动控制策略进行深入研究。本文依托国家新能源汽车重点研发计划项目,进行了纯电动汽车驱制动控制策略研究的相关工作,具体内容如下:首先,选定纯电动汽车动力系统布置形式,根据某实例纯电动汽车整车参数和性能指标对动力系统主要部件进行了选型与参数匹配。接着,采用基于最优滑动率的纯电动汽车驱制动控制策略,根据Burckhardt轮胎模型拟合出的几种常见标准路面,设计了一种基于RBF神经网络的路面识别方法,以在线识别出当前路面的最优滑动率与峰值附着系数。然后,设计了电动汽车驱制动控制策略。在制动工况,采用模糊控制方法进行制动防抱死控制,以滑动率误差及误差变化率为两个输入,制动力矩调整参数为输出,同时制定了考虑再生制动的制动力矩分配策略,并在advisor仿真软件中通过几种典型工况验证了力矩分配策略的合理性;在驱动工况中采用基于幂次趋近律的滑模控制方法进行驱动力矩控制,切换函数为滑动率误差,并用通过一种连续函数替换符号函数的方法减小系统抖振。最后,基于Carsim与simulink仿真平台建立电动汽车驱制动控制策略联合仿真模型;采用遗传优化算法对模糊控制器量化因子和滑模控制器幂次趋近律参数进行全局寻优;最后设置不同路面对设计的基于最优滑动率的电动汽车驱制动控制策略进行仿真验证。仿真结果表明:基于RBF神经网络的路面识别方法可以在线识别出路面的最优滑动率;电动汽车驱制动控制效果良好,说明设计的基于最优滑动率的电动汽车驱制动控制策略是合理有效的;参数优化后的控制效果进一步提升,表明通过遗传算法进行参数寻优是可行的。
二、一种基于多级遗传寻优的模糊控制器设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种基于多级遗传寻优的模糊控制器设计（论文提纲范文）
（1）光电跟踪系统中模糊-动态高型控制技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 设备发展 |
| 1.2.2 技术发展 |
| 1.3 本课题技术难点与技术路线 |
| 1.4 本课题主要内容及章节安排 |
| 第2章 快速反射镜模型分析 |
| 2.1 快速反射镜跟踪系统 |
| 2.2 快反镜的电动力学模型 |
| 2.3 柔性快反镜实验平台 |
| 2.4 快反镜经典闭环反馈控制器设计 |
| 第3章 动态高型控制 |
| 3.1 控制系统误差分析 |
| 3.2 高型控制仿真验证 |
| 3.3 型别变化带来的隐患 |
| 3.4 动态高型控制器 |
| 第4章 模糊-动态高型控制 |
| 4.1 模糊控制器实现动态高型技术的原理 |
| 4.2 T1FLC-动态高型控制系统 |
| 4.2.1 T1FLC结构与流程 |
| 4.2.2 TIFLC设计 |
| 4.2.3 T1FLC-动态高型控制器仿真验证 |
| 4.3 IT2FLC-动态高型控制系统 |
| 4.3.1 IT2FLC组成与运行流程 |
| 4.3.2 WTNT降型法 |
| 4.3.2.1 NT算法与CNT算法 |
| 4.3.2.2 牛顿-科斯特公式 |
| 4.3.2.3 WTNT降型法 |
| 4.3.3 IT2FLC设计 |
| 第5章 多种群遗传算法优化控制器参数 |
| 5.1 MPGA的基本原理 |
| 5.2 模糊高型控制的MPGA设计方法 |
| 5.3 仿真实验 |
| 第6章 实验与分析 |
| 6.1 三种控制模式阶跃响应对比 |
| 6.2 三种控制模式处理不确定性能力对比 |
| 6.3 四种降型算法对比 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 本文创新点及未来展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（2）基于模糊自适应策略下的多电机同步控制优化（论文提纲范文）
| 摘要 |
| Absract |
| 第一章 绪论 |
| 1.1 课题的研究背景及意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的意义 |
| 1.2 发展历程和国内外研究现状 |
| 1.3 课题的研究内容及方法 |
| 1.3.1 课题的研究内容 |
| 1.3.2 课题的研究方法 |
| 1.4 本章小结 |
| 第二章 永磁同步电机的建模以及控制原理的分析 |
| 2.1 永磁同步电机的结构与特征 |
| 2.2 永磁同步电机的数学模型 |
| 2.2.1 永磁同步电机在ABC坐标下的基本方程 |
| 2.2.2 坐标变换 |
| 2.2.3 三相静止坐标系与两相静止坐标系相互转换 |
| 2.2.4 两相静止坐标系转为两相旋转坐标系 |
| 2.3 永磁同步电机的矢量控制 |
| 2.3.1 永磁同步电机的控制原理 |
| 2.3.2 永磁同步电机的矢量控制的控制方法 |
| 2.4 SVPWM技术 |
| 2.4.1 SVPWM的定义及原理 |
| 2.4.2 永磁同步电机矢量控制仿真模型 |
| 2.5 本章小结 |
| 第三章 永磁同步电机的模糊PID控制 |
| 3.1 传统PID控制原理 |
| 3.2 模糊PID控制器 |
| 3.2.1 模糊控制理论 |
| 3.2.2 模糊控制器的结构 |
| 3.2.3 模糊PID的设计 |
| 3.3 永磁同步电机模糊PID控制系统仿真 |
| 3.3.1 永磁同步电机模糊PID控制系统模型 |
| 3.3.2 Matlab下永磁同步电机模糊PID控制系统仿真模型 |
| 3.3.3 仿真结果与分析 |
| 3.4 本章小结 |
| 第四章 永磁同步电机的灾变遗传模糊PID控制 |
| 4.1 遗传算法理论基础 |
| 4.1.1 遗传算法的概述 |
| 4.1.2 遗传算法的原理 |
| 4.2 灾变型遗传算法 |
| 4.2.1 灾变操作 |
| 4.2.2 灾变遗传算法性能计算 |
| 4.2.3 灾变遗传模糊PID控制器设计 |
| 4.3 本章小结 |
| 第五章 多电机同步控制系统设计 |
| 5.1 多电机同步控制结构分析 |
| 5.1.1 并行同步控制 |
| 5.1.2 主从控制 |
| 5.1.3 交叉耦合控制 |
| 5.1.4 偏差耦合控制 |
| 5.2 改进的偏差耦合控制 |
| 5.3 多电机同步控制系统仿真 |
| 5.3.1 并行同步控制仿真 |
| 5.3.2 主从同步控制仿真 |
| 5.3.3 偏差耦合控制 |
| 5.3.4 改进型偏差耦合控制 |
| 5.4 基于灾变遗传模糊PMSM多电机控制仿真 |
| 5.5 本章小结 |
| 总结与展望 |
| 全文总结 |
| 工作展望 |
| 参考文献 |
| 致谢 |
（3）六自由度关节机器人轨迹跟踪模糊PID控制的优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 关节机器人轨迹跟踪控制方法研究现状 |
| 1.3 主要工作内容与结构安排 |
| 1.3.1 主要工作内容 |
| 1.3.2 章节安排 |
| 第二章 六自由度关节机器人运动学与动力学仿真 |
| 2.1 引言 |
| 2.2 运动学分析 |
| 2.2.1 坐标系描述和坐标变换 |
| 2.2.2 正运动学分析 |
| 2.2.3 逆运动学分析 |
| 2.3 动力学分析 |
| 2.3.1 牛顿-欧拉迭代动力学方程 |
| 2.3.2 动力学模型与仿真 |
| 2.4 机器人运动仿真 |
| 2.5 本章小结 |
| 第三章 六自由度关节机器人轨迹跟踪模糊PID控制 |
| 3.1 引言 |
| 3.2 模糊控制器 |
| 3.2.1 模糊控制原理 |
| 3.2.2 隶属函数 |
| 3.2.3 模糊规则 |
| 3.3 模糊PID控制器 |
| 3.3.1 PID控制器 |
| 3.3.2 模糊PID控制器原理 |
| 3.3.3 模糊PID控制器设计 |
| 3.4 基于Matlab的轨迹跟踪控制仿真 |
| 3.5 本章小结 |
| 第四章 基于混合编码的遗传算法优化轨迹跟踪模糊PID控制器 |
| 4.1 引言 |
| 4.2 遗传算法基本操作与设计步骤 |
| 4.2.1 遗传算法基本操作 |
| 4.2.2 遗传算法设计步骤 |
| 4.3 模糊PID控制器的特征参数 |
| 4.4 混合编码 |
| 4.5 基于混合编码的遗传算法优化流程 |
| 4.6 优化结果与仿真分析 |
| 4.7 本章小结 |
| 第五章 轨迹跟踪模糊PID控制器的多目标优化 |
| 5.1 引言 |
| 5.2 多目标优化 |
| 5.2.1 多目标问题 |
| 5.2.2 帕累托最优 |
| 5.3 多目标遗传算法 |
| 5.4 多目标粒子群优化算法 |
| 5.4.1 基本粒子群算法 |
| 5.4.2 粒子群算法的多目标优化 |
| 5.4.3 改进多目标粒子群算法 |
| 5.4.4 多目标粒子群算法流程 |
| 5.5 优化结果与仿真分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文工作总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（4）基于倒立摆的控制方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 倒立摆系统的研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本文研究内容 |
| 1.3.1 本文主要内容 |
| 1.3.2 本文章节安排 |
| 第二章 倒立摆系统的建模及分析 |
| 2.1 倒立摆系统的特性 |
| 2.2 倒立摆系统的数学建模 |
| 2.3 倒立摆系统的分析 |
| 2.3.1 稳定性和能控能观性判定定理简介 |
| 2.3.2 倒立摆系统的分析 |
| 2.4 倒立摆系统模型的搭建 |
| 2.4.1 线性模型的搭建 |
| 2.4.2 非线性模型的搭建 |
| 2.5 本章小结 |
| 第三章 线性二次最优控制方法研究 |
| 3.1 线性二次最优控制基本原理 |
| 3.2 加权矩阵的选取 |
| 3.2.1 利用试凑法寻优加权矩阵 |
| 3.2.2 利用遗传算法寻优加权矩阵 |
| 3.3 本章小结 |
| 第四章 变结构控制方法研究 |
| 4.1 变结构控制基本原理 |
| 4.1.1 变结构控制的概念 |
| 4.1.2 变结构控制的品质 |
| 4.1.3 变结构控制的不变性 |
| 4.1.4 变结构控制的稳定性 |
| 4.2 变结构的抖振问题 |
| 4.2.1 抖振产生的原因 |
| 4.2.2 抖振削弱的方法 |
| 4.3 变结构控制器的设计 |
| 4.3.1 切换函数的设计 |
| 4.3.2 趋近律的设计 |
| 4.3.3 变结构控制系统的仿真 |
| 4.4 本章小结 |
| 第五章 模糊控制方法研究 |
| 5.1 模糊控制基本原理 |
| 5.1.1 模糊控制系统组成 |
| 5.1.2 模糊控制器设计的步骤 |
| 5.1.3 模糊控制的特点 |
| 5.2 模糊控制器的设计 |
| 5.2.1 状态变量的降维处理 |
| 5.2.2 隶属度函数 |
| 5.2.3 模糊规则 |
| 5.2.4 模糊推理 |
| 5.2.5 清晰化 |
| 5.3 模糊控制器中量化因子和比例因子的选取 |
| 5.3.1 量化因子和比例因子 |
| 5.3.2 量化因子和比例因子对模糊控制的影响 |
| 5.4 变论域模糊控制器的设计 |
| 5.4.1 变论域模糊控制基本原理 |
| 5.4.2 伸缩因子的选取 |
| 5.4.3 伸缩因子的仿真 |
| 5.5 利用遗传算法优化模糊控制器参数 |
| 5.5.1 利用遗传算法优化量化因子和比例因子 |
| 5.5.2 利用遗传算法优化隶属函数和模糊规则 |
| 5.6 本章小结 |
| 第六章 倒立摆系统的实物控制 |
| 6.1 倒立摆实物系统简介 |
| 6.1.1 倒立摆系统硬件 |
| 6.1.2 倒立摆系统软件 |
| 6.2 倒立摆的实物控制 |
| 6.2.1 基于遗传算法优化的最优控制方法实物控制 |
| 6.2.2 变结构控制方法实物控制 |
| 6.2.3 基于遗传算法优化的模糊控制方法实物控制 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（6）一种基于多级遗传寻优的模糊控制器设计（论文提纲范文）
| 引言 |
| 1 控制器的结构 |
| 2 遗传寻优 |
| 2.1 寻优策略 |
| 2.2 遗传参数的选择 |
| 2.3 适应度函数 |
| 3 仿真研究 |
| 3.1 参数初始化 |
| 3.2 仿真结果 |
| 4 结论 |
（7）基于模糊控制的红绿灯配时优化控制及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 红绿灯配时研究的发展现状 |
| 1.2.1 国外红绿灯配时的发展现状 |
| 1.2.2 国内红绿灯配时的发展现状 |
| 1.3 论文主要工作及内容安排 |
| 1.4 本章小结 |
| 第二章 预备知识 |
| 2.1 模糊集合理论 |
| 2.2 红绿灯配时的相关理论 |
| 2.2.1 红绿灯配时的基本参数 |
| 2.2.2 红绿灯控制系统的评价指标 |
| 2.2.3 交叉口交通控制方式 |
| 2.3 遗传算法简介 |
| 2.4 本章小结 |
| 第三章 红绿灯配时的模糊控制器设计 |
| 3.1 三叉路口三相位控制 |
| 3.2 相序设计 |
| 3.3 红绿灯配时模糊控制器的设计 |
| 3.3.1 红绿灯配时的模糊控制 |
| 3.3.2 基本流程 |
| 3.3.3 模糊控制器的设计 |
| 3.4 本章小结 |
| 第四章 基于遗传算法的红绿灯配时模糊控制器优化 |
| 4.1 车辆延误时间模型 |
| 4.2 基于遗传算法的隶属度函数优化 |
| 4.2.1 基于交叉路口车辆延误时间的目标函数设计 |
| 4.2.2 模糊控制器隶属函数的优化 |
| 4.3 优化结果与分析 |
| 4.4 本章小结 |
| 第五章 基于VISSIM的红绿灯配时优化控制仿真 |
| 5.1 红绿灯配时优化控制仿真 |
| 5.1.1 路口数据的采集与处理 |
| 5.1.2 MATLAB仿真及分析 |
| 5.1.3 VISSIM模拟路口仿真 |
| 5.2 配时方案 |
| 5.3 结果对比 |
| 5.4 本章小结 |
| 总结与展望 |
| 参考文献 |
| 致谢 |
| 附录A (攻读硕士学位期间发表论文与申请专利) |
| 附录B (攻读硕士学位期间参与项目) |
| 附录C (攻读硕士学位期间获得的奖励) |
（8）考虑能耗的离散生产线自适应模糊控制方法研究及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 论文研究的背景及意义 |
| 1.1.1 我国能源消耗现状 |
| 1.1.2 我国制造业能耗与节能现状 |
| 1.1.3 离散制造业节能潜力巨大 |
| 1.2 国内外研究现状 |
| 1.2.1 离散生产线节能方法研究现状 |
| 1.2.2 模糊控制技术在离散生产线上的应用 |
| 1.3 论文研究的内容及结构 |
| 2 离散生产线建模与能耗分析 |
| 2.1 离散生产线建模方法 |
| 2.2 离散生产线的分类和结构 |
| 2.2.1 离散生产线分类 |
| 2.2.2 离散生产线的结构 |
| 2.3 机器运转属性分析 |
| 2.3.1 机器可靠性模型分析 |
| 2.3.2 机器能耗状态分析 |
| 2.3.3 机器“空载状态”判定 |
| 2.4 缓存区属性分析 |
| 2.5 本章小结 |
| 3 串行生产线自适应模糊节能控制 |
| 3.1 引言 |
| 3.2 串行生产线自适应模糊节能控制模型 |
| 3.2.1 串行生产线节能数学模型 |
| 3.2.2 模糊控制的基本理论 |
| 3.2.3 机器自适应模糊节能控制器的结构 |
| 3.3 自适应模糊节能控制器的设计 |
| 3.3.1 隶属函数的确定 |
| 3.3.2 模糊控制规则库的确定 |
| 3.4 仿真试验与结果分析 |
| 3.4.1 仿真平台的简介 |
| 3.4.2 机器无节能控制运行状况 |
| 3.4.3 自适应模糊节能控制机器运行状况 |
| 3.5 本章小结 |
| 4 并行生产线改进型自适应模糊节能控制 |
| 4.1 引言 |
| 4.2 并行生产线遗传算法优化隶属函数方法 |
| 4.2.1 并行生产线结构特点 |
| 4.2.2 遗传算法的基本理论 |
| 4.2.3 隶属函数优化方法 |
| 4.3 遗传算法改进型自适应模糊节能控制器 |
| 4.3.1 均匀划分隶属函数的确定 |
| 4.3.2 遗传算法优化隶属函数 |
| 4.3.3 模糊控制规则库的确定 |
| 4.4 仿真试验与结果分析 |
| 4.4.1 机器无节能控制运行状况 |
| 4.4.2 均匀划分隶属函数自适应模糊节能控制机器运行状况 |
| 4.4.3 遗传算法优化自适应模糊节能控制机器运行状况 |
| 4.5 本章小结 |
| 5 节能管理平台原型系统设计 |
| 5.1 整体框架 |
| 5.1.1 平台的功能结构 |
| 5.1.2 平台的运行流程 |
| 5.2 硬件需求 |
| 5.2.1 现场传感器 |
| 5.2.2 PLC |
| 5.2.3 工业以太网交换机 |
| 5.3 功能设计 |
| 5.3.1 系统登陆及账户管理 |
| 5.3.2 整体态势 |
| 5.3.3 同比环比 |
| 5.3.4 功能界面 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 在学研究成果 |
| 致谢 |
（9）袋式除尘器脉冲喷吹清灰自适应模糊控制方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 袋式除尘器控制技术 |
| 1.2.2 自适应模糊控制技术 |
| 1.2.3 遗传算法在模糊控制中的应用 |
| 1.3 本文主要研究内容 |
| 第二章 袋式除尘器脉冲喷吹清灰控制问题分析 |
| 2.1 脉冲喷吹清灰机理分析 |
| 2.1.1 袋式除尘器工作过程 |
| 2.1.2 脉冲喷吹清灰机理 |
| 2.2 脉冲喷吹清灰控制效果影响因素 |
| 2.2.1 运行阻力分析 |
| 2.2.2 滤袋动态响应 |
| 2.2.3 粉尘受力分析 |
| 2.3 脉冲喷吹清灰控制方法研究 |
| 2.3.1 脉冲喷吹清灰控制参数 |
| 2.3.2 定时定压差控制方法存在的问题 |
| 2.3.3 自适应模糊控制方法的提出 |
| 2.4 本章小结 |
| 第三章 脉冲喷吹清灰基本模糊控制器设计 |
| 3.1 脉冲喷吹清灰控制要求 |
| 3.1.1 过滤阻力的数学描述 |
| 3.1.2 脉冲喷吹清灰控制结构 |
| 3.2 模糊控制系统 |
| 3.2.1 模糊控制器的结构组成 |
| 3.2.2 模糊控制器的设计步骤 |
| 3.3 脉冲喷吹清灰基本模糊控制器设计 |
| 3.3.1 模糊控制器结构 |
| 3.3.2 输入输出变量的模糊化 |
| 3.3.3 隶属度函数的确定 |
| 3.3.4 模糊控制规则 |
| 3.4 仿真验证 |
| 3.5 本章小结 |
| 第四章 基于遗传算法的脉冲喷吹清灰自适应模糊控制器参数优化 |
| 4.1 模糊控制器的优化问题 |
| 4.1.1 模糊控制器设计中存在的问题 |
| 4.1.2 模糊控制的遗传优化方法 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法概述 |
| 4.2.2 遗传算法操作 |
| 4.3 脉冲喷吹清灰自适应模糊控制器 |
| 4.3.1 自适应模糊控制器原理 |
| 4.3.2 自适应模糊控制规则 |
| 4.4 基于遗传算法的自适应模糊控制器参数优化 |
| 4.4.1 遗传算法对调整因子寻优 |
| 4.4.2 优化结果 |
| 4.5 仿真验证 |
| 4.6 本章小结 |
| 第五章 脉冲喷吹清灰测控系统设计及实验验证 |
| 5.1 脉冲喷吹清灰实验平台 |
| 5.2 脉冲喷吹清灰控制系统结构 |
| 5.2.1 实验装置结构 |
| 5.2.2 测控装置结构 |
| 5.3 脉冲喷吹清灰测控系统硬件设计 |
| 5.4 脉冲喷吹清灰测控系统软件设计 |
| 5.5 自适应模糊控制器实验验证 |
| 5.5.1 控制效果评价指标的选取 |
| 5.5.2 实验方案 |
| 5.5.3 实验数据与分析 |
| 5.5.4 实验结论 |
| 5.6 本章小结 |
| 第六章 结论 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间所取得的相关科研成果 |
| 致谢 |
（10）基于路面识别的电动汽车驱制动控制策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题的研究背景 |
| 1.2 课题的研究目的 |
| 1.3 ABS/ASR的国内外研究现状及发展趋势 |
| 1.4 论文的主要研究内容 |
| 第二章 电动汽车主要部件选型与参数匹配设计 |
| 2.1 纯电动汽车工作原理 |
| 2.2 电动汽车性能指标 |
| 2.3 电动汽车传动系统布置方案确定 |
| 2.4 驱动电机选型与参数匹配设计 |
| 2.4.1 驱动电机性能要求及工作特性 |
| 2.4.2 驱动电机选型 |
| 2.4.3 驱动电机功率匹配计算 |
| 2.5 动力电池选型与参数匹配设计 |
| 2.5.1 动力电池组电压确定 |
| 2.5.2 动力电池组容量计算 |
| 2.6 电动汽车传动系统速比设计 |
| 2.7 本章小结 |
| 第三章 最优滑动率识别方法研究 |
| 3.1 轮胎与路面间的附着能力分析 |
| 3.2 路面识别方法设计 |
| 3.2.1 μ-λ曲线模型 |
| 3.2.2 基于RBF神经网络的路面识别方法 |
| 3.3 本章小结 |
| 第四章 电动汽车驱制动控制策略设计 |
| 4.1 几种常见控制方法简介 |
| 4.1.1 PID控制 |
| 4.1.2 最优控制 |
| 4.1.3 滑动模态变结构控制 |
| 4.1.4 模糊控制 |
| 4.2 制动防抱死控制策略设计 |
| 4.2.1 模糊控制器设计 |
| 4.2.2 模糊推理规则设计及解模糊化 |
| 4.2.3 ABS模糊控制器模型 |
| 4.3 考虑再生制动的制动力矩分配策略 |
| 4.3.1 前后轴制动力矩分配理论 |
| 4.3.2 再生制动策略制定 |
| 4.3.3 仿真验证力矩分配策略 |
| 4.4 驱动防滑控制策略设计 |
| 4.4.1 滑模控制基本原理 |
| 4.4.2 滑动模态的数学含义 |
| 4.4.3 基于趋近律的滑模控制器设计 |
| 4.4.4 ASR滑模控制器模型 |
| 4.5 本章小结 |
| 第五章 电动汽车驱制动仿真及结果分析 |
| 5.1 电动汽车驱制动控制仿真模型 |
| 5.1.1 仿真平台简介 |
| 5.1.2 电动汽车仿真模型 |
| 5.2 电动汽车驱制动控制策略建模 |
| 5.2.1 最优滑动率路面识别模块 |
| 5.2.2 电动汽车驱制动控制联合仿真模型 |
| 5.3 驱制动控制器控制参数优化 |
| 5.3.1 采用遗传算法优化方法 |
| 5.3.2 遗传算法目标函数 |
| 5.3.3 优化工具选取及参数优化结果 |
| 5.4 仿真验证及结果分析 |
| 5.4.1 制动防抱死控制仿真及结果分析 |
| 5.4.2 驱动防滑控制仿真结果及分析 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 总结 |
| 6.2 未来展望 |
| 参考文献 |
| 攻读硕士学位期间的学术活动及成果情况 |
四、一种基于多级遗传寻优的模糊控制器设计（论文参考文献）
- [1]光电跟踪系统中模糊-动态高型控制技术研究[D]. 秦树旺. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [2]基于模糊自适应策略下的多电机同步控制优化[D]. 孙盟. 兰州理工大学, 2021(01)
- [3]六自由度关节机器人轨迹跟踪模糊PID控制的优化研究[D]. 蒋清泽. 南京航空航天大学, 2020(07)
- [4]基于倒立摆的控制方法研究[D]. 刘峰. 西安电子科技大学, 2019(02)
- [5]遗传算法优化模糊控制器方法[J]. 刘咪,王进华. 福建电脑, 2005(08)
- [6]一种基于多级遗传寻优的模糊控制器设计[J]. 孙建平,杨振勇,于希宁,王翀. 华北电力大学学报, 2002(04)
- [7]基于模糊控制的红绿灯配时优化控制及应用[D]. 曾雅琼. 长沙理工大学, 2020(07)
- [8]考虑能耗的离散生产线自适应模糊控制方法研究及应用[D]. 王磊. 宁波大学, 2019(06)
- [9]袋式除尘器脉冲喷吹清灰自适应模糊控制方法研究[D]. 王宇. 河北工业大学, 2019
- [10]基于路面识别的电动汽车驱制动控制策略研究[D]. 王国微. 合肥工业大学, 2019(01)