38、模糊系统优化方法综述

模糊系统优化方法综述

1 引言

模糊系统能够对参数具有高度不确定性的系统进行建模。常见的设计策略包括Mamdani系统和Takagi - Sugeno Kang系统，其中Takagi - Sugeno Kang系统通常比Mamdani类型系统更准确。模糊系统设计可被视为一个优化问题，进化算法和群体智能是优化模糊系统的合适技术。接下来，我们将详细介绍基于不同群体智能算法的模糊系统优化方法。

2 基于粒子群优化（PSO）的模糊系统优化

2.1 具体应用案例

• 生物柴油系统参数选择 ：利用模糊逻辑（FL）和PSO开发了生物柴油系统的模糊模型，以选择生物柴油系统的关键参数，如压力、通过次数和反应时间。
• 风能转换系统设计 ：采用最优FL、PSO和爬山搜索方法设计风能转换系统（WECS）的最大功率点跟踪（MPPT）逆变器控制器，以最大化并网风力发电机的能量捕获能力。
• LTE网络位置管理 ：提出基于多目标PSO（MO - PSO）的方法，通过减少LTE网络中位置管理的整体信号负载，在跟踪区域更新（TAU）和寻呼的总信令成本与总信令开销之间进行权衡，在Pareto最优前沿上定义一组解决方案并选择最佳方案。
• 室内用户定位 ：使用模糊PSO聚类技术检测室内不同房间（如会议室、厨房和室内工作区）的用户位置，并应用模糊决策树定位用户，实现家庭电器的自动化控制。
• 电力系统稳定器性能提升