一、混沌优化在模糊系统优化设计中的应用（论文文献综述）
余滨杉[1]（2018）在《高压输电塔结构地震响应被动—半主动混合控制分析与试验》文中进行了进一步梳理输电塔是生命线工程的重要组成部分,一旦在强震中遭到破坏,不仅会给国家造成巨大经济损失,而且还会引发火灾、缺水、断气等次生灾害,对震后救灾和重建也影响很大。然而,由于地震的复杂性和输电塔结构的特殊性等,即使按照最新抗震规范设计的输电塔结构,在近期发生的一些地震中仍然出现严重破坏或倒塌,导致整个生命线工程陷入瘫痪。这就迫使研究人员不得不寻求一些新的抗震设计理论或减震方法,以确保这类结构在地震中的安全。本文以形状记忆合金（Shape Memory Alloy,SMA）和压电堆为核心元件,研发了一种SMA被动-压电堆半主动摩擦混合减震系统,并将其应用于输电塔结构地震响应的混合控制分析和试验,得出了一些创新性结论和建议。主要内容如下:（1）根据输电塔结构地震响应的主要特点和震害调查结果,利用SMA和压电堆特殊的物理力学性能,研发制作了一种体积较小、便于与输电塔结构集成的一体化SMA被动-压电堆半主动摩擦混合减震控制系统。该系统的工作原理主要为,结构地震响应较小时,以SMA被动消能减震为主,地震响应较大时,压电堆半主动摩擦装置发挥较大作用,同时两者共同工作,最后再利用SMA进行系统的震后复位。这样既可以保证混合减震控制系统工作性能的可靠性,又能够根据结构地震响应控制需要进行结构的被动或混合减震控制,明显提高系统的减震控制能力。（2）基于上述一体化SMA被动-压电堆半主动摩擦混合减震控制系统的研发结果,同时考虑到输电塔结构的地域特殊性,设计独立光伏发电装置作为系统的能源供给,进行了混合减震控制系统的优化分析和减震控制性能试验,研究了SMA的初始状态、压电堆的工作条件和激励电压等因素对该系统混合减震控制效果的影响,探讨了相应的优化设计和构造方法,总结了影响系统减震控制效果的一般规律。结果表明,文中研发的混合减震控制系统体积较小,便于与结构杆件集成,被动减震和混合减震控制能力均较好,特别是压电堆半主动摩擦装置工作后,混合减震控制能力明显提高,绝对最大控制力与电压基本上呈线性增大关系,当位移幅值为13mm,同时施加120V电压时,系统的耗能能力提高了135%,等效阻尼比提高了90%以上。（3）以SMA丝材和混合减震控制系统的试验结果为基础,采用不同的神经元输入,对二者建立了BP网络预测本构模型,并利用遗传算法分别对SMA丝材和混合减震系统BP预测模型的权阈值进行了优化分析,建立了2种优化后的BP网络预测本构模型。结果表明,混合减震控制系统以位移、电压和速率等作为系统预测本构模型的神经元输入,可简化神经元的输入参量,方便工程应用,特别是经遗传算法优化的BP网络模型能够提高系统预测本构模型的精度和稳定性,可用于系统的优化设计和研发。（4）针对基本免疫克隆选择算法存在的一些问题,引入抗体浓度和自适应变异对其进行了改进,提出了一种改进的免疫克隆选择算法。将模态可控度作为优化配置的性能指标,以某实际典型输电塔结构为原型,采用文中改进的免疫克隆选择算法,对该结构模型中混合减震控制系统的配置数量和位置等进行了优化分析,研究了优化减震控制效果。结果表明,改进的免疫克隆选择算法具有丰富的种群多样性,寻优能力强,收敛速度快,经其计算得出的优化配置方案能够使结构获得较高的控制性能指标,减震控制效果提高。一般地,经过优化方案配置后结构的减震控制效果比未优化任意配置时可提高20%左右。（5）结合模糊控制和神经网络算法二者的优势,设计了一种适用于输电塔结构混合减震控制的模糊神经网络计算模型,采用上述改进的免疫克隆选择算法得到的最优配置方案,将文中研发的混合减震控制系统集成于上述典型输电塔模型结构之中,进行了输电塔结构地震响应混合减震控制的数值模拟,分析了减震控制规律和效果。结果表明,采用文中的模糊神经网络计算模型和优化配置的混合减震控制系统,可明显减小结构的地震响应,减震控制效果基本可达50%。（6）以某实际典型输电塔结构为原型,设计制作了一个相似比为1/15的输电塔缩尺模型结构,根据改进的免疫克隆选择算法对其优化配置了文中的混合减震控制系统,采用模糊神经网络控制算法,进行了模型结构在无控和受控时共18个工况下的模拟地震振动台试验,分析了无控时试验模型的动力响应和混合控制时减震系统对试验模型的减震控制效果。试验表明,文中的混合减震控制系统能够有效提高模型结构的整体性能,明显降低模型结构的地震响应,其中7度罕遇地震作用下结构的位移响应减震效果最大可达50%,8度罕遇地震作用下结构加速度响应减震效果最大可达42%,可见文中研发的混合减震控制系统和模糊神经网络控制算法减震控制效果明显,值得进一步研究和推广应用。
辛斌,陈杰,彭志红[2]（2013）在《智能优化控制:概述与展望》文中指出从模糊优化控制、神经网络优化控制、模糊神经网络优化控制、基于智能优化方法的优化控制等角度,对国内外与智能优化控制（Intelligent optimized control,IOC）密切相关的研究进行了综述,在此基础上对智能优化控制的相关概念进行了深入分析,并对智能优化控制方法进行了分类,最后,对与智能优化控制有关的一些重要问题进行了讨论,并展望了智能优化控制研究未来的发展.
刘年磊[3]（2012）在《基于不确定性的环境系统风险优化决策模型研究与应用》文中研究说明不确定性优化模型已成为有效处理环境系统分析中不确定性决策问题的重要工具,其优化模型体系的构建与算法研究具有重要学术和应用价值。本文旨在构建能够直观反映风险和系统收益之间关系的不确定性风险显性优化模型体系以及设计相应高效的启发式算法,系统地研究了统一测度下的不确定性优化模型体系的构建过程、基于不确定性模拟技术的算法设计、算法在求解不确定性优化问题时搜索质量和效率的测试,并以水资源系统和流域环境系统为案例来验证模型的科学性及其算法在实际的环境系统决策应用中的有效性。取得了如下成果:在已有的不确定性理论方法的基础上,考虑约束条件和目标函数中参数对风险的影响,建立直观反映风险与意愿水平对应关系的不确定性优化模型,其包括:风险显性随机规划模型、风险显性模糊规划模型、风险显性随机模糊混合规划模型、改进的风险显性区间规划模型以及不同测度下的拓展模型。若模型中同时含有随机、模糊、随机模糊混合参数或区间参数,可以建立多种形式的耦合优化模型。提出了不确定测度以及风险指数的定义,通过最大化不确定性测度模型向最小化风险指数模型的转化,实现了不同测度下的优化模型的统一,进而形成一套不确定性风险显性优化模型的理论与方法体系。将混沌猴群算法（CMA）与随机模拟和模糊模拟技术相结合,分别设计了基于随机模拟和模糊模拟的混沌猴群算法,用于求解随机和模糊风险显性不确定性优化问题。并利用混沌猴群算法实现风险显性区间线性规划（REILP）模型的求解。选取可信性模糊规划模型算例,对CMA参数的灵敏度进行测试,证实了通用的CMA参数设置同样适用于不确定性优化模型的求解。以一个假设的最大日负荷总量背景下的土地利用规划为数值案例,分别构建三大类不确定性优化模型进行求解以验证算法的有效性,并对参数的分布进行灵敏度测试,进而探讨了三类不确定性优化模型的特征。针对城市水资源优化系统中存在的不确定性与复杂性,分别构建了模糊环境下的水资源优化配置风险显性模糊非线性规划（REFNLP）模型和模糊-区间不确定环境下的水资源风险显性模糊区间线性规划（WR-REFILP）模型,并分别设计了基于模糊模拟的混沌猴群算法以及改进的REILP模型算法进行求解,获得了不同置信度与意愿水平下的各规划水平年各子区水资源配置的风险-收益权衡方案,为决策者提供所能接受的风险水平下的决策方案。且通过与其他算法的结果比较,证实了新的智能算法-混沌猴群算法在求解多维优化问题时具有算法简单、高效性和鲁棒性等特点。此外,对所构建的两种模型的差异性进行了探讨,给出了多目标不确定性优化模型求解的其中关于多目标风险显性区间线性规划（MOREILP）模型求解的一种思路。选取流域生态管理系统作为另一研究案例,以进一步验证所提出方法体系的有效性以及设计的新的算法在求解大规模不确定优化问题时体现的优越性。分别构建了流域环境系统管理优化决策的可信性机会约束规划模型（CFCCP）和改进的REFILP模型,得到一定置信水平或意愿水平下的管理策略的最优时空分布。研究风险水平与成本的变化规律,根据风险-成本权衡曲线,选择理想点区域中的决策方案。模型比较研究表明REFILP模型克服了以往ILP模型的局限性,能够提供具体的、直观反映风险与收益权衡的可行方案,且计算时间短、效率高;其与CFCCP模型对比结果表明两种模型在求解极端最优值方面具有一致性,并给出了各自的适用范畴。上述研究成果丰富了不确定性环境系统优化方法理论,为环境系统优化和科学决策提供支撑,有助于实现社会、经济和生态环境的协调、可持续发展。
王禾军[4]（2012）在《基于支持向量机与模糊推理的智能信息融合方法研究》文中认为支持向量机和模糊推理之间的相似性和互补性是其进行融合的基础。支持向量机能够实现对知识的获取与学习，而模糊推理则具备对知识规则的推理能力。研究支持向量机与模糊推理之间的关系，可以通过其互补性质的相互渗透和促进形成新的信息处理结构与算法。因此，在众多的信息融合方法中，基于支持向量机和模糊推理的信息融合方法倍受世界各国科研工作者的关注。本论文以多传感器信息融合与控制的信息处理为背景，将模式识别、人工智能技术等引入支持向量机和模糊推理融合的研究中，创新性地进行模糊推理和支持向量机智能信息融合处理研究，主要研究工作与创新点如下：（1）为消除多传感器信息融合中非目标参量对目标参量影响，提出了采用渐进直推式分类学习算法实现支持向量机的多传感器信息融合方法。光电位移传感器非线性校正应用效果表明，该支持向量机信息融合方法能有效地消除非目标参量的影响，其检测精度很高，尽管其融合过程所学习到的知识很难做出合理解释。（2）采用模糊集和隶属函数描述多传感器所获信息，根据领域专家知识建立模糊规则，提出了利用模糊逻辑算子实现多传感器模糊推理信息融合处理方法。阀门开启角度增量控制仿真结果表明，该模糊推理信息融合方法能较好地实现阀门开启角度增量控制，但模糊推理过程中的输入和输出变量的隶属函数确定比较主观，且模糊规则与模糊推理依赖性强。（3）提出了一种采用折叠次数无限的自映射x n+1=sin （2/xn）产生混沌变量的自适应变尺度混沌遗传算法。应用该方法对3个观测函数进行优化计算得到了比较满意的结果。本论文将平均截止代数、截止代数分布熵和平均惰性代数比率作为评价指标，定量地评价了自适应变尺度混沌遗传算法的优化效率，评价结果进一步说明了自适应变尺度混沌遗传算法的优化效率高于遗传算法的优化效率。（4）采用清晰集合构造模糊集合法确定隶属度，结合混沌遗传算法优化惩罚因子和核参数，建立了模糊最小二乘支持向量机分类器，并用3个着名的数据集进行了数值实验。结果表明，基于混沌遗传算法的模糊最小二乘支持向量机分类器能有效提高带噪声点和异常点数据集分类的预测精度。对油气输送管道TPD检测信号实际分类诊断结果表明，基于混沌遗传算法的模糊最小二乘支持向量机分类器的油气输送管道TPD分类效果极高，可实现对油气输送管道TPD信号的准确诊断。（5）针对区域粮食安全预警数据的模糊特性，建立了采用清晰集合构造模糊集合法确定隶属度，采用混沌遗传算法优化惩罚因子和核参数的模糊最小二乘支持向量机区域粮食安全预警模型。应用结果表明，基于混沌遗传算法的模糊最小二乘支持向量机区域粮食安全预警模型的预警相对误差很小，明显提高区域粮食安全预警效果。（6）针对经济子系统、生态子系统和社会子系统特性建立了农村循环经济系统的评价指标体系，采用支持向量机从农村循环经济系统评价指标体系训练样本中提取支持向量作为模糊推理的规则，从而建立了基于模糊推理的农村循环经济系统的评价模型。实际应用结果较好地验证了该评价模型的正确性与有效性。
崔中[5]（2010）在《高速磨床结构设计中的优化技术及应用研究》文中研究说明高速磨床是现代机械加工中重要的工作母机。随着现代工业产品的精度要求不断提高,对高速磨床本身的结构设计也提出了更高的要求,以保证其加工的精度和稳定性。国内外的学者和工程师在此领域内做了很多基础性的研究工作,但是由于高速磨床本身的一些结构特点,使研究工作同时面临着一些瓶颈问题。作为制造业大国,我国在制造装备的设计领域,目前与国际水平还存在着一定的差距,并且国外在这方面的先进技术对我国又是限制出口的,导致相对落后的制造装备大大制约了我国制造业水平的进步,因此高速磨床的自主开发与研制对于我国制造业发展具有极其重要的意义。优化和反求技术是当前国际上十分活跃的研究领域,对于工程设计问题有相当重要的指导作用。本文在总结前人关于高速磨床的设计研究及各种优化技术的基础上,将近似模型技术结合全局优化算法的现代设计方法引入高速磨床结构设计领域,解决了高速磨床设计中遇到的一些难题。围绕高速磨床结构设计中的优化技术及应用这个主题,本论文开展了以下几个方面的研究:1.建立了一种适于高速磨床零部件结构优化设计的优化技术流程,将近似模型技术引入到高速磨床结构优化设计中,代替试验研究和耗时的传统数值计算模型,结合全局优化算法,达到了提高其结构优化的效率和精度的目的。通过对目前高速磨床的结构设计要求及其零部件的结构特征的分析,运用现代设计方法对高速磨床的静、动态性能进行研究,发现一般的优化技术缺少针对性,或是设计的成本太高,致使在工程实际问题中很难进行推广。利用近似回归技术建立研究问题的近似模型,代替无法显式表达的函数关系或是耗时的数值计算问题,是目前解决大规模、复杂问题的有效途径,本文通过研究近似模型的建模理论,采用拟合精度和效率都较好的径向基函数模型处理高速磨床结构设计中的非线性问题,并在此基础上开发出一套高速磨床结构优化软件。2.开展高速磨床动力学和结构分析的联合同步仿真研究,实现工作状态下的关键零部件结构分析的实时与动态仿真分析。在传统的高速磨床动力学分析中,通常将其零部件视为刚体,从而使得到的相关位移、速度和作用力等性能响应数据并不能反映真实的系统情况。动力学分析与结构分析一般是分开进行的,根据动力学分析的结果在结构分析中进行加载模拟和计算,从而降低了分析的精度和效率。另一方面,高速磨床具有精密加工的功能特点,使其分析和设计的过程中,不能忽略零件的弹性变形,尤其是在一些关键参数的选取上,弹性变形会影响设备的加工精度。正是基于上述动力学分析和结构分析的缺陷,本文结合多刚体动力学软件和结构分析软件对高速磨床的运动、加工系统进行了联合同步仿真研究,解决了工作状态中零件结构分析的问题,并对主轴—砂轮架加工系统进行了仿真研究,通过与其多刚体模型进行比较,发现系统中零部件的弹性变形对加工精度具有一定程度的影响。3.开展了针对高速磨床设计中的不确定性问题的研究,将基于区间数的不确定性优化方法引入到高速磨床设计中,并针对高速磨削过程中主轴系统的不确定性问题进行了优化设计。在高速磨床的设计、制造和工作中,存在着很多不确定性的因素,例如,材料特性、边界条件、外界环境等,尤其是磨削过程中的磨削力,以往的设计和分析都将设计参数视为确定性参数,未曾考虑过这些设计参数中的不确定性,然而,这些因素又直接影响设计方案的准确性和可靠性,因此很有必要在结构设计过程中考虑这些不确定性因素。本文以高速磨床主轴系统为研究对象,分析其工作状态并充分考虑磨削力的不确定性,建立了主轴系统工作状态下的不确定性柔性动力学模型,利用基于区间数的不确定优化方法结合隔代映射遗传算法进行了优化研究,结果证明达到了提高主轴系统抗振可靠性的目的。4.提出了一种基于近似模型和变尺度混沌优化算法的高速磨床结构轻量化设计方法。高速磨床结构轻量化的首要前提是保证高速磨床原有的性能不能下降,既要有目的地减轻零部件的重量,又要保证结构的强度、刚度及抗振性等性能要求。对于高速磨床零部件的轻量化设计而言,其设计目的不仅仅是降低成本,同时也是机床进给系统高速化设计的一个重要研究方向,有助于提高进给系统的速度和加速度。然而,进给系统中零件的结构一般都比较复杂,本文借助近似模型方法代替实际结构模型,并结合变尺度混沌优化算法,进行结构轻量化设计。变尺度混沌优化算法是一种利用非线性动力学系统中混沌现象的遍历性、随机性等特点来寻找全局最优值的随机全局性优化方法,相比于其他梯度优化算法和随机优化算法,其原理简单、易懂,用于操作的算法参数少,易于一般工程设计员理解和操作,同时其优化收敛速度快,精度高。本文以高速磨床进给系统中的拖板为研究对象,通过对其进行参数化建模,并建立各个性能目标的近似模型,利用变尺度混沌优化方法进行多目标优化设计,达到了结构轻量化设计的目的。5.对高速磨床整机建模中的各种结合部的建模方式及其等效动力学参数的反求进行了研究,并在此基础上对高速磨床的整机进行了分析。在高速磨床中,结合部的特性研究因其影响因素多并且机理复杂,一直是一个难点。国内外很多学者分别从接触机理方面和动态试验方面进行了探索和研究,本文避开了繁琐复杂的理论公式推导和高成本的试验研究,将结合面等效动力学参数的反求过程视为一个参数寻优并与动态试验相匹配的过程,从而简化了参数反求的过程,同时也可以保证结果的准确性。
曹文华[6]（2010）在《混沌优化的微波木材干燥模糊控制器的设计研究》文中指出快速且经济地干燥木材并使其保持良好的品质,是木材干燥领域的重要研究课题。普通干燥方法耗时长、速度也较慢,且由表及里形成的负温度梯度会对木材内部水分流动形成阻碍作用。而微波干燥作为一种新型的干燥技术,其干燥机理不同于常规的蒸汽和热风等干燥方式,具有能源浪费少、干燥速度快、产品质量高、环保无公害和过程易于控制等优点。目前我国已有许多厂商将微波干燥技术应用于实际生产过程中,但是由于自动化、智能化程度较低,存在着能耗大、效率不高、干燥质量低等问题,因此将智能控制方法引入微波木材干燥设备的设计中具有一定的现实意义。论文首先阐述了国内外微波干燥研究的现状和发展方向,详细介绍了微波加热原理、微波干燥的优缺点以及微波干燥过程,然后与其他干燥方式进行了比较,并对微波木材干燥设备的自动控制问题进行了讨论。其后,本文对微波干燥系统进行了整体设计,在微波磁控管功率调节、传感器选择方面也进行了深入探讨。在分析了微波干燥过程温度控制的复杂性、非线性和时变性等特点的基础上,采用了模糊控制方法对这一过程进行控制,本文以木材表面温度的偏差和偏差变化率作为输入变量、磁控管的控制电压为输出变量设计出了微波木材干燥模糊控制器,同时制定了输入输出量的隶属函数和相应的控制规则。在模糊控制器的各项参数中,量化因子Ke和Kec和比例因子Ku是否合理会直接影响到控制系统的各项性能指标,因此优化这三个参数对提升控制器的效果具有十分重要的意义。为了提高和改善控制器的性能,本文从这三个重要参数入手,引入Chaos（混沌）理论对控制器进行最优设计。为了提高Chaos算法搜索的收敛速度,减少迭代时间,论文将整个优化过程分为两阶段,第一次在大区间内进行粗略搜索,第二次在小区间内进行细致搜索,并给出了详细的优化步骤。本文最后利用Matlab对优化前后的模糊控制器进行了仿真比较,结果表明：利用混沌算法进行参数优化后的模糊控制器具有调节时间短、控制精度高等优点,混沌优化从一定程度上改善了模糊控制器的性能。本论文将优化后的模糊控制器引入到微波木材干燥过程的自动控制中,有效地提高了系统的智能化水平。如果我们能够据此设计开发具有高智能化水平的微波木材干燥设备,其应用前景将十分广泛。
赵俊[7]（2009）在《基于若干智能方法的先进控制系统综合设计研究》文中研究表明现实事物中绝大多数对象都是包含噪声干扰的非线性系统,基于经典控制理论、现代控制理论的传统控制方法往往是针对线性系统设计的,对包含噪声干扰的强非线性、复杂时变系统的应用具有较大的限制。随着人工智能技术的不断发展,以模糊系统、神经网络为代表的智能产物显示出对复杂非线性系统强大的处理能力,一系列基于智能控制理论及方法的控制系统被不断提出和改进,在对复杂对象的控制问题上取得了重大的突破和丰硕的成果。然而,由于各种智能产物的基础理论发展仍不成熟,在应用各种智能控制方法时存在许多值得改进的地方。本论文拟针对基于智能方法的先进控制系统设计提出若干新的参考方法和改进应用方法,具体工作包括以下内容:1.对智能控制理论的背景及发展状况进行了综述,评述了智能控制领域的主要研究方法和获得的成果,阐述了基于智能方法的控制系统综合设计研究的意义和工程实用价值。2.提出一类以模糊神经网络和PID神经网络组成的模糊神经PID网络;提出一种基于混沌优化机制的粒子群优化算法,设计了混沌优化与粒子群结合的两步方案。将上述方法用于控制系统设计,具体构成为:模糊神经PID网络用作控制器,优化策略为带混沌机制的粒子群算法离线优化和误差反传算法在线调整相结合的方法;被控对象为确定性典型非线性和惯性时滞对象。3.提出一种基于最小二乘支持向量机建模的自适应智能PID控制系统。控制系统具体构成:控制器及其优化算法采用模糊神经PID网络和改进粒子群算法的方案;引入最小二乘支持向量机用于离线建模,将控制系统拓展到能处理具有未知特性的不确定对象的控制问题。4.提出一种基于改进蚁群算法优化的大时滞对象神经网络控制系统。控制系统具体构成:控制器采用模糊神经PID网络,其离线优化采用一种改进的蚁群优化算法,在线时采用误差反传算法调整;利用最小二乘支持向量机辨识来获取系统下一离散时间步的预估值,对不确定大时滞对象进行离线辨识和在线辨识来处理时滞和不确定性问题。对空调房间对象进行了控制仿真。同时,设计了基于径向基函数神经网络的空调系统模型参考自适应控制系统,给出了前向型神经网络控制系统设计的一般性方案。5.针对航空发动机对象,提出一种综合模糊推理、神经网络自适应和PID控制各自优点的控制系统。控制系统具体构成:模糊神经PID网络用作控制器,其参数优化策略采用改进蚁群算法离线优化和误差反传在线调整的方法;最小二乘支持向量机用于系统的离线和在线辨识,其参数优化选取采用交叉验证的方法。对某型航空发动机设计点处的线性和非线性模型进行了控制仿真。6.针对航空发动机加速过程的控制问题,通过结合多种智能方法,提出了一种基于分类转换策略的控制系统。控制系统具体构成:模糊神经PID网络用作控制器,提出一种改进的量子粒子群算法离线优化其参数;利用标称模型将加速过程中发动机大范围不确定模型划分为若干小偏差不确定模型,作为未知控制对象;离线时利用最小二乘支持向量机结合主成分分析方法对小偏差模型进行分类和辨识训练,在线时根据系统实时数据利用分类器自动选择相应的小偏差模型,同时利用误差反传算法实时调整控制器参数跟踪期望信号;分类器和辨识器参数分别采用交叉验证和量子粒子群算法优化选取。基于模式识别思想和智能神经网络控制实现了一种新颖的依据系统信息实时选择对象模型的非线性PID控制策略。对某型航空发动机的加速过程进行了控制仿真。7.研究一类系统参数在很大范围内变化的不确定对象,为克服传统鲁棒控制方法的保守设计缺陷并进一步改善系统的性能,提出一种分类转换控制策略:在已知系统参数变化上下界前提下,基于类似分段线性化的思想,将系统进行分割;对于分割后的多个小偏差范围模型,利用最小二乘支持向量机结合主成分分析方法进行分类;对每类模型分别设计滑模控制器,并利用一种改进量子粒子群优化算法离线优化构造近似最佳切换函数,同时利用径向基函数神经网络结合误差反传算法在线调整切换项增益的方法降低系统的抖振;在线时根据系统实时数据利用分类器自动选择相应的小偏差模型和滑模控制器,完成相应的控制作用;为提高最小二乘支持向量机的分类及泛化性能,利用改进量子粒子群算法优化其惩罚因子和核参数。基于以上策略和优化配置,对控制系统进行了设计与仿真。8.针对以模糊神经自适应方法为核心的未知非线性系统控制问题,以常规静态模糊神经网络控制结构为基础,分别就控制器、辨识器、优化算法三个方面展开研究。以模糊神经PID网络作为控制器,最小二乘支持向量机为辨识器,利用改进量子粒子群算法离线优化控制器参数和改进粒子群算法优化辨识器的相关参数,最后通过对系统的稳定性分析将控制系统逐步完善,完成对基于模糊神经网络方法的自适应控制系统中各个环节的改进。对某热交换非线性对象进行了控制仿真。最后对论文的主要工作进行了概括性的总结,阐述了所获得的一般性结论。列出了论文工作的主要创新之处,对后续的研究工作进行了展望。
杨辉[8]（2008）在《基于混沌优化理论的复杂热工系统控制研究》文中认为火电厂复杂热工对象具有强耦合、非线性、大时滞等特征,属于难于控制的被控对象。国内外学者一直致力于新型控制策略的研究,以期实现更好的控制效果。众所周知,许多控制决策问题都可归结为结构或者参数的优化问题,因此,研究新型的优化技术已成为解决该类控制问题的关键。混沌运动是存在于非线性系统中的一种较为普遍的现象,其遍历性、随机性、规律性等特点可用来进行优化搜索且能避免陷入局部极小,具有全局性的优点。近年来,混沌优化技术已成为国内外关注的前沿课题和学术热点。本论文在对混沌优化理论进行探讨的基础上,对典型的混沌优化算法做了详细的分析,并深入研究了其在一些典型复杂热工系统领域中的应用,从而揭示了混沌理论具有广阔的工程应用前景。本文主要开展了以下研究工作:1.对混沌动力学及混沌优化理论做了系统的阐述,分析并研究了两种典型混沌系统和两种常用的混沌优化算法。通过分析,总结了混沌优化目前普遍存在的问题,这些工作有助于本文后续混沌优化问题的研究。2.针对汽轮机调节系统存在死区、饱和等非线性的控制特点,提出了基于混沌优化策略与小脑模型神经网络PID并行控制相结合的控制方法。通过该算法对汽轮机调速系统进行参数设计,并与传统PID控制相比较,具有较高的精度和响应速度。3.针对火电单元机组协调控制系统具有多变量、强耦合、及非线性的特点,将对角递归神经网络与PID控制方法相结合,并利用提出的改进型变尺度混沌优化策略对神经网络的权值参数和PID控制器参数进行整定,从而实现多变量系统的优化控制。仿真结果表明,对于100%和70%不同负荷时的工况,系统具有响应速度快、鲁棒性好、自适应性好等特点。4.针对火电厂主汽温控制系统具有大惯性、大迟延等特性,提出一种基于混沌遗传算法的径向基函数神经网络整定PID的控制策略。该策略不仅具有常规PID控制器的特性,而且具有智能控制器的自学习能力,增强了系统对不确定因素的适应性。仿真研究结果表明,系统动态品质明显优于通常的PID串级控制,系统控制性能得到了较大提高。
盖兆梅,付强,刘仁涛[9]（2007）在《混沌优化方法及其在水文水资源中的应用研究进展》文中提出混沌优化方法是解决非线性问题的一种新颖而有效的方法。本文介绍了混沌优化方法的基本原理及其优点,并且分别对两类混沌优化方法——完全混沌优化方法和混合混沌优化方法的国内外研究发展现状及其在水文水资源领域中的应用情况做了较为详细的介绍。同时,也提出了目前在混沌优化理论研究过程中存在的一些问题。最后,对混沌优化理论未来的发展前景进行了展望。
邹恩[10]（2005）在《混沌优化技术及其在模糊控制系统中的应用研究》文中认为混沌现象在自然界中普遍存在,它揭示了非线性科学的共同特性:确定性和随机性的统一,有序性和无序性的统一,它具有遍历性、随机性和规律性等特点,能在定义域内按自身的规律不重复地遍历所有状态。近年来,随着混沌理论研究的不断深入,作为非线性研究的核心内容,混沌的应用已成为了国内外关注的学术热点和前沿课题,并在混沌理论探索和混沌应用等方面取得了可喜的成果,混沌优化也成为了当前混沌学研究领域的一个重要课题。随着生产过程自动化水平的提高和优化方法在控制领域应用中的深入,人们对提高生产效率、提高产品质量和降低生产成本提出了越来越高的要求,许多实际的控制问题归结为控制器参数的优化问题。同时,随着工业过程复杂程度的提高,很多控制过程都存在着非线性、强约束、随机性、大规模等特性,内在机理十分复杂,建立精确的数学模型十分困难。而有些传统的优化方法中,如果初始值选择不好,就会容易陷入局部极小和优化时间较长,使优化效果达不到实际系统的要求。 混沌优化是一种利用混沌变量搜索的有效方法,在搜索中,利用混沌运动的随机性和遍历性特点,可以在定义域内连续搜索,而且不会陷入局部极小。因此,比起随机搜索方法而言,混沌搜索对优化问题有着更高的效率,能够快速地搜索到全局最优解。本论文对混沌理论及混沌优化方法作了较为全面、系统的研究,提出了新的混沌优化方法,并对模糊控制系统的混沌优化方法做了创新性研究工作,最后,设计了一个基于混沌优化的海底作业车智能控制系统。 本论文主要通过六章的篇幅展开了以下几个方面的研究工作: 第一章讨论了控制系统中的优化方法、优化理论及优化问题,分别讨论了基于导数的优化方法和智能优化方法的特点,详细介绍了国内外混沌优化的现状。 第二章简要介绍了混沌的发展史、混沌的几种定义和基本概念,分析和讨论了Logistic映射的Lyapunov指数特征,用图形形象地描述了Logistic映射在参数μ发生改变时,系统运动出现倍周期分岔最终进入混沌的现象。并对混沌动力学系统作了理论分析,从混沌动力学系统的定义和定理出发,讨论了Logistic映射的演化规律,提出了混沌理论的一些定义与定理并做出了证明,对Logistic映射产生的混
二、混沌优化在模糊系统优化设计中的应用（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、混沌优化在模糊系统优化设计中的应用（论文提纲范文）
（1）高压输电塔结构地震响应被动—半主动混合控制分析与试验（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 结构智能振动控制理论 |
| 1.3 智能材料在结构振动控制中的应用 |
| 1.3.1 形状记忆合金 |
| 1.3.2 压电材料 |
| 1.4 智能优化及控制算法研究现状 |
| 1.4.1 遗传算法 |
| 1.4.2 人工免疫算法 |
| 1.5 输电塔结构抗震研究现状 |
| 1.5.1 被动控制 |
| 1.5.2 主动控制 |
| 1.5.3 半主动控制 |
| 1.6 本文主要研究内容 |
| 参考文献 |
| 2 混合减震控制系统的设计与性能试验 |
| 2.1 压电堆驱动器 |
| 2.2 SMA丝超弹性性能试验研究 |
| 2.2.1 试验材料与设备 |
| 2.2.2 试验工况 |
| 2.2.3 试验结果与分析 |
| 2.3 混合减震系统设计与工作原理 |
| 2.3.1 构造设计与工作原理 |
| 2.3.2 加工制作 |
| 2.4 能源提供 |
| 2.4.1 光伏发电系统原理 |
| 2.4.2 独立光伏发电系统的设计 |
| 2.5 混合减震控制系统力学性能试验研究 |
| 2.5.1 预压力的施加 |
| 2.5.2 设计参数 |
| 2.5.3 加载方案 |
| 2.5.4 试验结果与分析 |
| 2.6 本章小结 |
| 参考文献 |
| 3 基于遗传算法优化的混合减震系统BP神经网络本构模型 |
| 3.1 遗传算法原理 |
| 3.2 BP神经网络算法原理 |
| 3.3 遗传算法优化的BP神经网络算法 |
| 3.4 基于遗传算法优化的SMABP神经网络本构模型 |
| 3.4.1 确定BP网络结构 |
| 3.4.2 训练样本采集与处理 |
| 3.4.3 仿真结果比较与分析 |
| 3.4.4 确定遗传算法优化参数 |
| 3.5 基于遗传算法优化的混合减震控制系统BP神经网络本构模型 |
| 3.5.1 网络结构 |
| 3.5.2 样本数据 |
| 3.5.3 优化参数 |
| 3.5.4 仿真结果 |
| 3.6 本章小结 |
| 参考文献 |
| 4 基于改进的免疫克隆选择算法的输电塔结构混合减震系统优化配置研究 |
| 4.1 基本免疫克隆选择算法 |
| 4.1.1 基本免疫克隆选择算法的流程 |
| 4.1.2 基本免疫克隆选择算法的存在问题 |
| 4.2 改进的免疫克隆选择算法 |
| 4.2.1 抗体与抗体之间的亲和度 |
| 4.2.2 实数编码 |
| 4.2.3 Logistic混沌序列初始化抗体群 |
| 4.2.4 变异算子的改进 |
| 4.2.5 改进后的免疫克隆算法步骤 |
| 4.3 优化准则 |
| 4.4 混合减震控制系统优化配置算例分析 |
| 4.4.1 优化模型 |
| 4.4.2 优化结果与分析 |
| 4.4.3 优化控制分析 |
| 4.5 本章小结 |
| 参考文献 |
| 5 结构地震响应模糊神经网络控制系统 |
| 5.1 受控系统的状态空间模型 |
| 5.1.1 状态空间的基本概念 |
| 5.1.2 振动控制状态方程 |
| 5.1.3 状态空间模型建立 |
| 5.1.4 控制力位置矩阵建立 |
| 5.2 模糊控制基本原理 |
| 5.3 模糊神经网络控制原理 |
| 5.4 模糊神经网络控制流程 |
| 5.5 模糊神经网络控制系统的设计 |
| 5.5.1 LQR最优主动控制训练样本 |
| 5.5.2 基于自适应模糊神经推理系统的控制仿真 |
| 5.6 算例分析 |
| 5.6.1 模型选取 |
| 5.6.2 生成LQR主动最优控制训练样本 |
| 5.6.3 训练模糊神经推理系统 |
| 5.6.4 模糊神经网络控制仿真分析 |
| 5.7 本章小结 |
| 参考文献 |
| 6 高压输电塔结构地震响应混合减震控制试验研究 |
| 6.1 试验装置与设备 |
| 6.1.1 试验模型 |
| 6.1.2 混合减震控制系统布置与安装 |
| 6.2 试验装置 |
| 6.2.1 试验设备 |
| 6.2.2 驱动电源的设计 |
| 6.2.3 控制系统 |
| 6.3 传感器布置及试验工况 |
| 6.3.1 传感器布置 |
| 6.3.2 试验工况 |
| 6.4 控制流程 |
| 6.5 试验结果与分析 |
| 6.5.1 动力特性分析 |
| 6.5.2 动力反应分析 |
| 6.6 本章小结 |
| 参考文献 |
| 7 结论与展望 |
| 7.1 主要结论 |
| 7.2 工作展望 |
| 致谢 |
| 附录 |
（2）智能优化控制:概述与展望（论文提纲范文）
| 1 研究现状 |
| 1.1 模糊优化控制 |
| 1.2 神经网络优化控制 |
| 1.3 模糊神经网络优化控制 |
| 1.4 单纯依靠优化方法的智能优化控制 |
| 1)一般的固定结构控制器的参数优化 |
| 2)预测控制器的优化 |
| 3)滑模控制器的优化 |
| 4)自适应控制器的优化 |
| 5)鲁棒控制器的优化 |
| 1.5 其他智能优化控制 |
| 2 智能优化控制的相关概念 |
| 3 智能优化控制的分类 |
| 4 讨论与展望 |
| 1)全局优化指标与局部优化指标之间的协调问题 |
| 2)计算实时性与最优性的均衡问题 |
| 3)算法的探索与开发能力的均衡问题 |
| 4)算法的通用性和专用性的均衡问题 |
（3）基于不确定性的环境系统风险优化决策模型研究与应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 国内外研究进展 |
| 1.2.1 环境系统优化决策模型概述 |
| 1.2.2 随机规划和模糊规划 |
| 1.2.3 区间规划 |
| 1.2.4 模型对比分析 |
| 1.2.5 不确定性模型优化算法 |
| 1.3 本文主要研究内容 |
| 第二章 不确定性优化决策模型理论和方法体系 |
| 2.1 引言 |
| 2.2 不确定性理论基础 |
| 2.2.1 随机变量 |
| 2.2.2 模糊变量 |
| 2.2.3 混合变量 |
| 2.2.4 区间变量 |
| 2.3 不确定性优化模型 |
| 2.3.1 随机规划模型 |
| 2.3.2 模糊规划模型 |
| 2.3.3 随机模糊混合规划模型 |
| 2.3.4 区间规划模型 |
| 2.4 不确定性风险显性优化模型体系 |
| 2.4.1 不确定性风险显性优化模型 |
| 2.4.2 REILP 模型的衍生模型 |
| 2.5 本章小结 |
| 第三章 不确定性风险优化模型算法研究 |
| 3.1 引言 |
| 3.2 混沌猴群算法 |
| 3.3 基于不确定模拟的混沌猴群算法 |
| 3.3.1 随机模拟技术 |
| 3.3.2 模糊模拟技术 |
| 3.3.3 基于模拟技术的混沌猴群算法 |
| 3.4 REILP 模型求解 |
| 3.5 数值案例及讨论 |
| 3.5.1 案例介绍 |
| 3.5.2 随机不确定性优化模型 |
| 3.5.3 模糊不确定性优化模型 |
| 3.5.4 改进的REILP 模型 |
| 3.5.5 讨论 |
| 3.6 本章小结 |
| 第四章 城市水资源系统优化决策 |
| 4.1 引言 |
| 4.2 研究区域背景 |
| 4.3 水资源系统优化配置REFNLP 模型 |
| 4.3.1 REFNLP 模型的建立及相关参数 |
| 4.3.2 REFNLP 模型优化结果分析 |
| 4.4 水资源系统优化配置REFILP 模型 |
| 4.4.1 REFILP 模型的建立 |
| 4.4.2 WR-REFILP 模型的变换与求解 |
| 4.4.3 WR-REFILP 模型优化结果分析与讨论 |
| 4.5 本章小结 |
| 第五章 流域环境系统优化决策研究 |
| 5.1 引言 |
| 5.2 研究区域概况 |
| 5.3 流域环境系统管理优化决策CFCCP 模型 |
| 5.3.1 CFCCP 模型的建立及相关参数 |
| 5.3.2 CFCCP 模型的等价变换 |
| 5.3.3 CFCCP 模型优化结果分析 |
| 5.4 流域环境系统管理优化决策REFILP 模型 |
| 5.4.1 REFILP 模型的建立 |
| 5.4.2 REFILP 模型的变换与求解 |
| 5.4.3 REFILP 模型优化结果分析 |
| 5.5 模型结果对比分析与讨论 |
| 5.5.1 与其他ILP 模型的比较 |
| 5.5.2 与CFCCP 模型的比较 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 工作展望 |
| 参考文献 |
| 参加的科研项目和完成的学术论文 |
| 致谢 |
（4）基于支持向量机与模糊推理的智能信息融合方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 信息融合技术的产生与发展 |
| 1.1.1 信息融合技术的起源 |
| 1.1.2 信息融合技术的优点 |
| 1.1.3 信息融合技术国内外发展现状 |
| 1.2 模糊推理和支持向量机融合的必要性 |
| 1.2.1 支持向量机在实际应用中的优势 |
| 1.2.2 模糊推理在实际应用中的优势 |
| 1.2.3 模糊推理和支持向量机在实际应用中的不足 |
| 1.3 支持向量机和模糊推理融合技术研究概述 |
| 1.3.1 支持向量机与模糊理论的发展现状 |
| 1.3.2 支持向量机和模糊推理融合技术研究现状 |
| 1.4 选题背景和研究意义 |
| 1.4.1 选题背景 |
| 1.4.2 研究意义 |
| 1.5 研究方法 |
| 1.6 论文内容和结构 |
| 第2章 基于支持向量机的信息融合方法 |
| 2.1 支持向量机产生理论基础 |
| 2.2 支持向量机的理论与方法 |
| 2.2.1 支持向量机的基本原理 |
| 2.2.2 支持向量机的回归理论 |
| 2.3 支持向量机信息融合应用实例 |
| 2.3.1 支持向量机信息融合方法 |
| 2.3.2 渐进直推式分类学习算法 |
| 2.3.3 支持向量机信息融合基本步骤 |
| 2.3.4 光电位移传感器支持向量机信息融合应用 |
| 2.4 本章小结 |
| 第3章 基于模糊推理的信息融合方法 |
| 3.1 模糊推理理论概述 |
| 3.1.1 输入变量的模糊化 |
| 3.1.2 在模糊规则前件中应用模糊算子 |
| 3.1.3 根据模糊蕴含运算由模糊规则前件推断结论 |
| 3.1.4 模糊合成 |
| 3.1.5 输出变量的反模糊化 |
| 3.2 基于模糊推理的信息融合方法及其应用 |
| 3.2.1 模糊推理信息融合基本思想 |
| 3.2.2 模糊推理信息融合基本步骤 |
| 3.2.3 基于模糊推理的信息融合应用举例 |
| 3.3 本章小结 |
| 第4章 支持向量机-模糊推理的融合理论与模式 |
| 4.1 支持向量机-模糊推理的信息融合机理 |
| 4.1.1 最佳逼近器 |
| 4.1.2 模糊基函数 |
| 4.1.3 模糊推理系统的通用逼近性 |
| 4.2 支持向量机-模糊推理融合系统的特征 |
| 4.2.1 融合系统的网络拓扑结构 |
| 4.2.2 支持向量机系统和模糊推理系统的相似算子 |
| 4.2.3 支持向量机系统和模糊推理系统的映射方式 |
| 4.3 支持向量机-模糊推理融合系统结构 |
| 4.3.1 支持向量机和模糊推理系统的简单结合 |
| 4.3.2 支持向量机增强模糊推理的形式 |
| 4.3.3 模糊推理增强支持向量机的形式 |
| 4.3.4 支持向量机-模糊推理完全融合的形式 |
| 4.4 支持向量机-模糊推理融合模型 |
| 4.4.1 模糊支持向量机模型 |
| 4.4.2 混合模糊支持向量机 |
| 4.4.3 基于支持向量机的模糊推理系统 |
| 4.4.4 支持向量机-模糊推理谱分布 |
| 4.5 本章小结 |
| 第5章 自适应变尺度混沌遗传算法及其优化效率评价 |
| 5.1 自适应变尺度混沌遗传算法 |
| 5.1.1 混沌模型的选择 |
| 5.1.2 自适应变尺度混沌遗传算法构建 |
| 5.1.3 自适应变尺度混沌遗传算法的应用 |
| 5.2 自适应变尺度混沌遗传算法优化效率评价 |
| 5.2.1 优化效率分析参量 |
| 5.2.2 优化效率分析与评价 |
| 5.3 本章小结 |
| 第6章 模糊最小二乘支持向量机分类器及其应用 |
| 6.1 模糊最小二乘支持向量机分类器构建 |
| 6.1.1 支持向量机(SVM)分类器 |
| 6.1.2 模糊最小二乘支持向量机(FLS-SVM)分类器 |
| 6.1.3 模糊最小二乘支持向量机隶属度确定 |
| 6.1.4 混沌遗传算法优化最小二乘支持向量机参数 |
| 6.1.5 模糊最小二乘支持向量机分类器数值实验 |
| 6.2 混沌遗传算法优化模糊最小二乘支持向量机分类器应用 |
| 6.2.1 油气输送管道 TPD 检测信号分类概述 |
| 6.2.2 油气输送管道 TPD 信号检测系统 |
| 6.2.3 油气输送管道 TPD 信号分类实现 |
| 6.3 本章小结 |
| 第7章 基于模糊最小二乘支持向量机的区域粮食安全性预警分析 |
| 7.1 基于模糊最小二乘支持向量机的区域粮食安全性预警模型构建 |
| 7.1.1 区域粮食安全评价指标 |
| 7.1.2 模糊最小二乘支持向量机 |
| 7.1.3 模糊最小二乘支持向量机隶属度确定 |
| 7.1.4 混沌遗传算法优化最小二乘支持向量机参数 |
| 7.2 基于模糊最小二乘支持向量机的区域粮食安全性预警模型应用 |
| 7.2.1 区域粮食安全性等级划分 |
| 7.2.2 区域粮食安全性预警分析 |
| 7.3 本章小结 |
| 第8章 支持向量机模糊推理农村循环经济系统评价模型 |
| 8.1 农村循环经济理论基础 |
| 8.1.1 农村循环经济涵义 |
| 8.1.2 农村循环经济的理论基础 |
| 8.2 农村循环经济系统评价指标体系 |
| 8.2.1 农村循环经济系统 |
| 8.2.2 农村循环经济系统的评价 |
| 8.2.3 农村循环经济系统评价的指标体系 |
| 8.3 基于支持向量机模糊推理的农村循环经济系统评价模型 |
| 8.3.1 农村循环经济系统支持向量机非线性回归 |
| 8.3.2 农村循环经济模糊基函数推理系统 |
| 8.3.3 基于支持向量机模糊推理的农村循环经济系统评价模型建立 |
| 8.4 基于支持向量机模糊推理的农村循环经济系统评价模型应用 |
| 8.5 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读博士学位期间取得的研究成果 |
| 致谢 |
| 附件 |
（5）高速磨床结构设计中的优化技术及应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 高速磨床结构设计方法 |
| 1.1.1 高速磨床的结构设计 |
| 1.1.2 机床结构设计及优化的研究现状 |
| 1.1.3 结构设计中存在的问题 |
| 1.2 基于有限元法的机床零部件设计 |
| 1.2.1 砂轮架的动态特性分析 |
| 1.2.2 砂轮架的结构改进研究 |
| 1.3 本文的研究内容与课题来源 |
| 第2章 基于近似模型的磨床零件结构设计研究 |
| 2.1 引言 |
| 2.2 结构优化设计理论及方法 |
| 2.2.1 结构优化设计流程 |
| 2.2.2 试验设计方法 |
| 2.2.3 近似模型方法 |
| 2.2.4 优化设计方法 |
| 2.3 高速磨床砂轮架主轴的结构优化设计 |
| 2.3.1 结构分析 |
| 2.3.2 近似模型的建立及优化设计 |
| 2.3.3 试验验证 |
| 2.4 软件平台的开发 |
| 2.4.1 软件的结构 |
| 2.4.2 软件操作界面及流程 |
| 2.5 小结 |
| 第3章 基于柔性体的高速磨床结构与动力学研究 |
| 3.1 引言 |
| 3.2 ADAMS 柔性体基本理论 |
| 3.2.1 柔性体基本理论 |
| 3.2.2 柔性体在ADAMS 中的使用 |
| 3.3 主轴系统的结构与动力学分析 |
| 3.3.1 主轴系统柔性体模型 |
| 3.3.2 主轴系统在ADAMS 中的建模仿真 |
| 3.4 基于ADAMS 柔性体的主轴系统优化设计 |
| 3.5 小结 |
| 第4章 高速磨床中的不确定性优化研究 |
| 4.1 引言 |
| 4.2 高速磨床设计制造中的不确定性问题 |
| 4.3 不确定性优化理论 |
| 4.3.1 不确定性优化方法 |
| 4.3.2 基于区间数的不确定性优化方法 |
| 4.4 主轴系统的不确定性优化设计 |
| 4.5 小结 |
| 第5章 基于变尺度混沌优化方法的高速磨床结构轻量化设计 |
| 5.1 引言 |
| 5.2 变尺度混沌优化方法 |
| 5.3 拖板的轻量化设计 |
| 5.3.1 拖板的结构 |
| 5.3.2 拖板的结构性能分析 |
| 5.3.3 拖板的优化模型 |
| 5.4 与其它方法的比较 |
| 5.5 小结 |
| 第6章 高速磨床整机分析与参数匹配 |
| 6.1 引言 |
| 6.2 结合部参数反求 |
| 6.2.1 结合部的等效建模 |
| 6.2.2 结合部等效参数反求 |
| 6.2.3 实验测试 |
| 6.3 高速磨床整机建模与分析 |
| 6.3.1 整机的有限元建模 |
| 6.3.2 边界条件 |
| 6.3.3 整机模态分析及改进研究 |
| 6.4 小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 附录A 攻读学位期间所发表的学术论文目录 |
| 附录B 攻读学位期间所参加的科研项目及获奖 |
（6）混沌优化的微波木材干燥模糊控制器的设计研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 微波干燥的目的和意义 |
| 1.2 微波干燥技术在国内外的发展 |
| 1.3 目前微波木材干燥存在的问题 |
| 1.4 本文的研究内容 |
| 2 微波木材干燥过程 |
| 2.1 微波干燥技术 |
| 2.1.1 微波加热原理 |
| 2.1.2 微波能的产生 |
| 2.1.3 微波木材干燥的优点和缺点 |
| 2.1.4 微波加热技术应用 |
| 2.2 木材干燥方法简介 |
| 2.3 微波干燥设备 |
| 2.4 微波木材干燥理论 |
| 2.4.1 微波干燥理论的研究进展 |
| 2.4.2 微波干燥过程中木材内部的热湿转移 |
| 2.4.3 微波干燥的三个阶段 |
| 2.4.4 微波干燥的缺陷产生的原因及解决办法 |
| 2.4.5 微波木材干燥设备的自动控制问题 |
| 2.5 本章小结 |
| 3 模糊控制理论及混沌理论概述 |
| 3.1 模糊控制理论 |
| 3.1.1 模糊控制理论的发展及概况 |
| 3.1.2 模糊控制系统的基本组成 |
| 3.1.3 模糊控制系统的推理过程 |
| 3.1.4 模糊控制系统的设计过程 |
| 3.1.5 模糊控制器的优化问题 |
| 3.2 混沌理论 |
| 3.2.1 混沌的发展史 |
| 3.2.2 混沌理论的基本思想 |
| 3.2.3 混沌优化在控制理论中的应用研究 |
| 3.3 本章小结 |
| 4 微波干燥窑模糊控制系统的设计 |
| 4.1 微波干燥窑 |
| 4.1.1 木材干燥自动系统概述 |
| 4.1.2 微波干燥窑自动控制系统 |
| 4.1.3 微波干燥窑传感器的选用 |
| 4.2 微波干燥过程的热传递模型 |
| 4.3 微波干燥窑模糊控制器的设计 |
| 4.4 本章小结 |
| 5 微波干燥窑模糊控制器的仿真与优化 |
| 5.1 Matlab/Simulink仿真平台简介 |
| 5.2 微波木材干燥模糊控制器的仿真设计 |
| 5.3 混沌优化设计 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表的学术论文 |
| 致谢 |
（7）基于若干智能方法的先进控制系统综合设计研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 课题的研究背景 |
| 1.2.1 智能控制的产生和发展 |
| 1.2.2 智能控制的主要特点 |
| 1.3 智能控制系统设计研究的主要内容 |
| 1.3.1 模糊数学 |
| 1.3.2 模糊控制 |
| 1.3.3 人工神经网络 |
| 1.3.4 神经网络控制 |
| 1.3.5 模糊神经控制技术 |
| 1.3.6 控制系统中不确定对象的辨识 |
| 1.3.7 神经网络系统辨识 |
| 1.3.8 控制系统中的优化问题 |
| 1.4 支持向量机 |
| 1.4.1 支持向量机的发展背景和研究现状 |
| 1.4.2 支持向量机在控制领域中的应用研究现状 |
| 1.4.3 支持向量机训练算法的研究现状 |
| 1.5 本文的研究目的、意义和主要工作 |
| 第二章 控制器设计与系统优化算法配置的改进方案 |
| 2.1 引言 |
| 2.2 PID、模糊、模糊PID 控制原理 |
| 2.2.1 PID 控制基本原理 |
| 2.2.2 模糊控制基本原理 |
| 2.2.3 模糊PID 控制基本原理 |
| 2.3 模糊神经PID 控制器设计 |
| 2.4 控制系统的优化算法配置 |
| 2.5 仿真实验 |
| 2.6 小结 |
| 第三章 基于辨识器设计的控制系统拓展方案 |
| 3.1 引言 |
| 3.2 自适应智能PID 控制系统设计 |
| 3.2.1 控制系统框架 |
| 3.2.2 控制器及其优化算法 |
| 3.2.3 辨识器LS_SVM 原理和方法 |
| 3.2.4 数值仿真与结果分析 |
| 3.3 基于PID 神经网络的控制系统设计 |
| 3.3.1 控制系统框架 |
| 3.3.2 控制器及其优化算法 |
| 3.3.3 辨识器设计 |
| 3.3.4 数值仿真与结果分析 |
| 3.4 小结 |
| 第四章 新的优化算法设计与辨识器学习的改进方案 |
| 4.1 引言 |
| 4.2 基于改进ACO 算法的控制系统设计 |
| 4.2.1 控制系统框架 |
| 4.2.2 控制器及其优化算法 |
| 4.2.3 LS_SVM 辨识器设计 |
| 4.2.4 数值仿真与结果分析 |
| 4.3 基于RBF 神经网络的模型参考自适应控制系统设计 |
| 4.3.1 控制系统框架 |
| 4.3.2 控制器及其优化算法 |
| 4.3.3 空调模型的神经网络辨识 |
| 4.3.4 数值仿真与结果分析 |
| 4.4 小结 |
| 第五章 基于各改进环节的控制系统综合应用 |
| 5.1 引言 |
| 5.2 智能神经网络自适应控制系统设计 |
| 5.2.1 控制系统框架 |
| 5.2.2 控制器及其优化算法 |
| 5.2.3 LS_SVM 辨识器设计 |
| 5.2.4 数值仿真与结果分析 |
| 5.3 小结 |
| 第六章 控制策略设计与辨识器参数优选的改进方案 |
| 6.1 引言 |
| 6.2 控制系统综合设计 |
| 6.2.1 控制系统框架 |
| 6.2.2 控制器及其优化算法 |
| 6.2.3 LS_SVM 辨识器设计及其优化配置 |
| 6.2.4 数值仿真与结果分析 |
| 6.2.4.1 系统描述 |
| 6.2.4.2 模型划分和LS_SVM 分类 |
| 6.2.4.3 仿真参数及结果 |
| 6.3 小结 |
| 第七章 控制策略设计与成熟控制理论的综合应用 |
| 7.1 引言 |
| 7.2 控制系统综合设计 |
| 7.2.1 控制系统框架 |
| 7.2.2 控制器和系统优化算法配置 |
| 7.2.2.1 滑模控制器设计 |
| 7.2.2.2 优化算法配置 |
| 7.3 系统仿真 |
| 7.3.1 模型划分 |
| 7.3.2 数值仿真与结果分析 |
| 7.4 小结 |
| 第八章 控制系统各环节的分析、设计、完善与综合应用 |
| 8.1 引言 |
| 8.2 控制器的结构改进策略研究 |
| 8.3 控制器的优化策略分析与设计 |
| 8.4 动态系统辨识方法研究与优化设计 |
| 8.5 控制系统仿真 |
| 8.6 小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读博士期间发表的论文和参加的科研项目 |
（8）基于混沌优化理论的复杂热工系统控制研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源及研究意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究意义 |
| 1.2 复杂热工对象研究现状 |
| 1.3 混沌优化方法及其国内外研究现状 |
| 1.4 本文研究内容 |
| 2 混沌优化方法的理论基础 |
| 2.1 引言 |
| 2.2 混沌动力学基础 |
| 2.2.1 混沌的基本概念 |
| 2.2.2 混沌研究的兴起与发展 |
| 2.2.3 混沌的定性特征 |
| 2.2.4 典型的混沌系统 |
| 2.3 混沌优化方法 |
| 2.3.1 混沌优化的基本思想 |
| 2.3.2 典型的混沌优化方法 |
| 2.3.3 混沌优化方法的特点 |
| 2.4 小结 |
| 3 基于混沌优化的汽轮机调节系统CMAC与PID并行控制 |
| 3.1 引言 |
| 3.2 汽轮机调节系统动态特性 |
| 3.2.1 系统概述 |
| 3.2.2 系统简化机理模型 |
| 3.2.3 系统数学模型 |
| 3.3 CMAC与PID并行控制 |
| 3.3.1 CMAC简介 |
| 3.3.2 CMAC与PID并行控制 |
| 3.4 混沌优化算法 |
| 3.4.1 基于混沌优化的控制结构 |
| 3.4.2 变尺度混沌优化步骤 |
| 3.5 仿真结果及分析 |
| 3.6 小结 |
| 4 协调控制系统神经网络PID优化控制与仿真研究 |
| 4.1 引言 |
| 4.2 协调控制系统动态特性分析 |
| 4.2.1 系统简介 |
| 4.2.2 系统简化机理模型 |
| 4.2.3 国产300MW机组数学模型 |
| 4.3 DRNN多变量自整定PID控制 |
| 4.3.1 DRNN神经网络 |
| 4.3.2 基于DRNN的PID控制原理 |
| 4.4 混沌优化方法 |
| 4.4.1 基于混沌优化的控制结构 |
| 4.4.2 改进型的变尺度混沌优化策略 |
| 4.5 仿真实例 |
| 4.5.1 100%负荷下的仿真试验 |
| 4.5.2 70%负荷下的仿真试验 |
| 4.6 小结 |
| 5 基于混沌遗传算法的主汽温系统RBF神经网络PID控制 |
| 5.1 引言 |
| 5.2 主汽温对象的常规控制 |
| 5.2.1 动态特性描述 |
| 5.2.2 主汽温系统串级控制 |
| 5.3 RBF网络整定的主汽温PID串级控制系统 |
| 5.3.1 RBF网络结构 |
| 5.3.2 RBF网络PID整定 |
| 5.3.3 RBF神经网络整定的PID串级控制策略 |
| 5.4 混沌遗传算法 |
| 5.4.1 遗传算法基本概念 |
| 5.4.2 遗传算法的基本求解步骤 |
| 5.4.3 遗传算法的特点 |
| 5.4.4 混沌遗传算法 |
| 5.5 基于混沌遗传算法优化的RBF神经网络 |
| 5.6 仿真结果分析 |
| 5.7 小结 |
| 6 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 作者简历 |
| 学位论文数据集 |
（9）混沌优化方法及其在水文水资源中的应用研究进展（论文提纲范文）
| 1 概 述 |
| 1.1 优化问题 |
| 1.2 混沌理论 |
| 1.3 混沌优化方法 |
| 2 混沌优化方法基本原理 |
| 3 混沌优化方法的优点 |
| 4 混沌优化方法分类 |
| 4.1 完全混沌优化方法 |
| 4.1.1 国内外研究发展现状 |
| 4.1.2 在水文水资源中的应用 |
| 4.2 混合混沌优化方法 |
| 4.2.1 国内外研究发展现状 |
| 4.2.2 在水文水资源中的应用 |
| 5 混沌优化算法目前存在的问题及发展前景 |
| 5.1 存在的问题 |
| 5.2 发展前景 |
| 6 结 语 |
（10）混沌优化技术及其在模糊控制系统中的应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 优化及其概述 |
| 1.2 控制系统中的优化方法 |
| 1.3 国内外混沌优化方法现状分析 |
| 1.4 本论文的研究意义及研究内容 |
| 1.4.1 研究意义 |
| 1.4.2 研究内容 |
| 第二章 混沌动力学系统 |
| 2.1 引言 |
| 2.2 混沌的发展史 |
| 2.3 混沌的基本概念 |
| 2.3.1 混沌的基本定义 |
| 2.3.2 混沌的基本特性 |
| 2.4 Logistic映射的 Lyapunov指数及特征 |
| 2.4.1 Logistic映射的 Lyapunov指数 |
| 2.4.2 Logistic映射的特征 |
| 2.5 混沌动力学系统的理论研究 |
| 2.6 混沌动力学的统计特性分析 |
| 2.7 本章小结 |
| 第三章 函数优化的混沌算法研究 |
| 3.1 引言 |
| 3.2 非线性函数混沌最优化分析 |
| 3.2.1 载波方法的混沌优化仿真分析 |
| 3.2.2 不同初始值对优化结果的仿真分析 |
| 3.2.3 不同搜索次数对优化结果的仿真分析 |
| 3.3 改进的混沌优化方法 |
| 3.3.1 混沌优化方法的改进 |
| 3.3.2 混沌优化算法的收敛性分析 |
| 3.3.3 改进的变区间混沌优化方法的步骤 |
| 3.3.4 函数的数字仿真计算 |
| 3.3.5 参数分析 |
| 3.4 本章小结 |
| 第四章 基于模糊控制规则的混沌优化设计 |
| 4.1 模糊控制及其优化综述 |
| 4.2 模糊控制器参数的混沌优化设计 |
| 4.2.1 引言 |
| 4.2.2 基于混沌搜索的模糊控制器参数最优设计 |
| 4.2.3 优化算法 |
| 4.2.4 收敛性证明 |
| 4.2.5 仿真研究 |
| 4.2.6 本节小结 |
| 4.3 基于混沌优化的双模糊控制器-倒立摆系统的设计 |
| 4.3.1 系统结构及调节原理 |
| 4.3.2 混沌优化方法描述 |
| 4.3.3 仿真研究 |
| 4.4 模糊神经网络的混沌优化算法设计 |
| 4.4.1 引言 |
| 4.4.2 模糊神经网络控制器的构成 |
| 4.4.3 模糊神经网络的混沌混合优化方法 |
| 4.4.4 算法的收敛性分析 |
| 4.4.5 混沌混合优化算法步骤 |
| 4.4.6 仿真研究 |
| 4.4.7 基于混沌优化的模糊神经网络非线性函数逼近研究 |
| 4.4.8 本节小结 |
| 第五章 自行式海底作业车智能控制系统的混沌优化设计 |
| 5.1 引言 |
| 5.2 自行式海底作业车的结构组成 |
| 5.2.1 车轮驱动电路 |
| 5.2.2 车轮转速的检测 |
| 5.2.3 方位角的检测 |
| 5.3 自行式海底作业车控制系统的设计 |
| 5.3.1 控制系统的结构及其特点 |
| 5.3.2 对象数学模型的设定 |
| 5.3.3 基于混沌优化的控制器设计 |
| 5.3.4 海底作业车路径的计算 |
| 5.4 自行式海底作业车实验结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文主要研究成果与创新点 |
| 6.2 后续研究工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表和完成的学术论文、专着以及参加的科研项目 |
四、混沌优化在模糊系统优化设计中的应用（论文参考文献）
- [1]高压输电塔结构地震响应被动—半主动混合控制分析与试验[D]. 余滨杉. 西安建筑科技大学, 2018(06)
- [2]智能优化控制:概述与展望[J]. 辛斌,陈杰,彭志红. 自动化学报, 2013(11)
- [3]基于不确定性的环境系统风险优化决策模型研究与应用[D]. 刘年磊. 天津大学, 2012(07)
- [4]基于支持向量机与模糊推理的智能信息融合方法研究[D]. 王禾军. 华南理工大学, 2012(11)
- [5]高速磨床结构设计中的优化技术及应用研究[D]. 崔中. 湖南大学, 2010(07)
- [6]混沌优化的微波木材干燥模糊控制器的设计研究[D]. 曹文华. 东北林业大学, 2010(04)
- [7]基于若干智能方法的先进控制系统综合设计研究[D]. 赵俊. 西安电子科技大学, 2009(08)
- [8]基于混沌优化理论的复杂热工系统控制研究[D]. 杨辉. 北京交通大学, 2008(09)
- [9]混沌优化方法及其在水文水资源中的应用研究进展[J]. 盖兆梅,付强,刘仁涛. 水资源与水工程学报, 2007(05)
- [10]混沌优化技术及其在模糊控制系统中的应用研究[D]. 邹恩. 中南大学, 2005(06)