基于平面声源的三层有源隔声结构次级源最优布放

三层有源隔声结构中次级平面声源的布放影响系统的隔声性能,平面声源位置的优化需重点研究。应用遗传算法在宽频带内对三层结构中平面声源的位置进行优化设计。首先对三层板腔结构建模并求解振动响应,然后分别以被动隔声、有源降噪及系统总隔声性能为依据,构建宽频带优化函数;最后通过迭代计算获得最优的布放位置。结果表明,对于被动隔声最优的平面声源布放位置应位于双层结构的中间;而对有源降噪,次级声源应尽量靠近入射板布放。对于系统总的隔声性能,最优的布放位置应在上述两者之间取折中。     

基于粒子群算法的电力变压器噪声有源控制系统优化

误差传感器的位置对有源降噪系统理想降噪量影响很大,理论上评价降噪效果的优化准则是初级声源和次级声源的总辐射声功率最小.鉴于粒子群算法的找寻效率较高,采用粒子群算法来找寻使得总辐射声功率最小的误差传感器最佳位置.仿真研究表明,粒子群优化算法应用于误差传感器优化布放,收敛速度快,实现更灵活方便;两个误差传感器比单个误差传感器得到更高的降噪量,双次级声源比单次级声源得到更高的降噪量.对电力变压器自适应有源噪声控制系统的设计有理论指导意义.     

基于自适应技术的低频噪声控制研究

针对电力变压器低频噪声问题,探讨有源噪声控制的设计方法,提出基于参数化线性滤波器优化的有源噪声前馈控制算法,同时给出了信号检测传感器的布放方案,并通过误差传感器展示噪声消除的效果.该有源噪声控制器能实现电力系统设备的噪声自动检测,并根据设备噪声的具体情况实施控制以达到降噪的目的.以220kV电力变压器有源噪声控制为例,实验结果证明,利用有源噪声控制技术实现对电力系统设备低频噪声的控制是一种有效的途径.     

基于声场分解和稀疏正则化的二维空间次级声源布局优化

在有源噪声控制系统电声器件布局设计中,目前的优化方法需要预先确定误差传感器的布局,这样大大增加了后续次级声源布局优化的工作量。利用高阶传声器拾取声场信息,在波域构造有源控制代价函数,从而解除了对误差传感器布局信息的需求。在此基础上,根据初级声场的稀疏特性,引入稀疏正则化方法,通过求解欠定方程的稀疏近似解,实现了次级声源布局(个数和空间位置)优化。讨论了备选次级声源个数对优化结果的影响,并与均匀布局和遗传算法优化布局结果进行了比较。结果表明,所提方法在不依赖于误差传感器布局信息的情况下可以有效地优化次级声源布局,降噪效果与遗传算法布局结果相近,其他系统评价指标明显更优,有利于有源系统的稳定运行。     

自适应有源声吸收中误差传声器的优化

针对一个基于最小均方算法的自适应有源消声控制系统，讨论了自由场空间有源声吸收中误差传声器位置的优化问题，分析了误差传声器位置对消声效果的影响，从理论上给出了一般的优化方法，并发现其误差传声器的最优位置并不是唯一的，同时系统初值的选择是实现最佳效果必须考虑的问题。     

消除非线性误差的阻型传感器测试系统

分析了在常用的自动化仪表中，输出电路采用单臂电桥而产生非线性的原因，给出了采用有源电桥消除非线性误差的方法，并讨论了传感器非线性误差校正中采用连续式非线性Ａ／Ｄ转换法和数字法相结合，可使测量精度和稳定性达到预定的值。     

基于遗传算法的渡槽传感器优化布置

对于老旧渡槽,科学的损伤诊断有助于及时发现隐患并进行处理,其中传感器的优化布置是损伤诊断的关键。分别阐述了渡槽动力特性研究现状、传感器优化布置的方法以及基于遗传算法的桥梁传感器优化布置,最后分析了渡槽与桥梁的异同。基于遗传算法的渡槽传感器优化布置,可以借鉴遗传算法在桥梁传感器优化布置中的改性方法,综合考虑渡槽槽身底板、侧壁、支撑结构的动力特性,优化传感器的数目和布置位置。阐述和分析结果为基于遗传算法的渡槽传感器布置位置、遗传算法的改进提供参考。     

磁传感器阵列安装误差标定与补偿

针对实际工程应用中磁通门传感器与磁传感器阵列安装误差会影响磁场检测精度的问题,提出了一种能够实时有效标定及补偿安装误差角的方法.通过分析安装误差角的产生机理,建立了安装误差模型和误差修正模型,对比不同位置状态下磁传感器阵列输出的磁场三分量,得到基于三位置法求解和补偿安装误差角的方法.通过试验验证了该方法的正确性,结果表明:该方法能实时有效地标定和补偿磁通门传感器与磁传感器阵列之间的安装误差角,安装误差角标定精度在0.2°以内,相同磁场环境下磁传感器阵列输出的正反方向磁感应强度绝对值之差在100 nT以内,比未标定前提升了两个数量级,具有工程应用价值.     

消除非线性误差的阻型传感器测试系统

分析了在常用的自动化仪表中输出电路采用单臂电桥而产生非线性的原因，给出了采用有源电桥消除非线性误差的方法，并讨论了传感器非线性误差校正中采用连续式非线性A／D转换法和数字法相结合，可使测量精度和稳定性达到预定的值。消除非线性误差的阻型传感器测试系统@李荣泉@陈卫东     

基于遗传算法的传感器优化布置

为解决空间网格结构模态测试中的传感器位置优化布置问题,提高采集数据信息的完备性,采用遗传算法优化传感器布置位置.在解的编码过程中采用二维数组,每一行存储一个可行解;采用强制变异避免遗传算子操作过程中出现同一个位置重复布置的问题.为了提高收敛速度,将基于模态矩阵QR分解的传感器优化布置结果作为第一代父群.对单层球面网壳进行优化计算后,将基于遗传算法的优化结果和QR分解得到的结果进行了应变能指标和相关性矩阵(MAC)的比较,发现前者不仅在应变能指标有大幅度的提高,而且相关性矩阵也有相应改善.     

一种无人机路径规划的混沌遗传算法

提出采用基于混沌的遗传算法进行无人机路径优化问题的求解。算法利用极坐标描述战场中的威胁位置和航路点,缩短了路径编码长度,提高了搜索效率,并在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法收敛速度慢和容易陷入局部最优的局限。实例仿真结果表明,文中的算法与标准遗传算法相比,优化效率显著提高,得到的优化解即优化航路更好地规避了威胁。     

遗传算法在复杂系统可靠性优化中的应用

在满足一定可靠性指标要求下,使投资最小的复杂系统可靠性优化问题是一个具有多局部极值的非线性的优化问题,使用遗传算法求解问题搜索互了其他算法未能得到的最优解,在遗传算法的中,使用基于中的选择策略和最呆存策略,改善了遗传算法的收敛性能。     

遗传神经网络在滑坡灾害预报中的应用研究

针对传统BP算法易收敛于局部最优以及网络结构难以确定等问题,引进遗传算法进行混合建模.采用遗传学习算法和误差反向传播算法相结合的混合算法来训练前馈人工神经网络,即先用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快并避免陷入局部极小.文中结合实例,对BP神经网络,遗传算法改进的神经网络进行了比较分析.实验表明,利用改进的混合模型可以提高预测精度,缩短收敛时间.     

一种估计信号源方向的虚拟阵列方法

对估计未知噪声背景中信号源波达方向的ＵＮ－ＥＳＰＲＩＴ算法采用虚拟插值阵列技术进行扩展,选择两个虚拟阵分别与两个实阵保持相同的信号子空间旋转不变性,在采用正则相关分析估计两个实阵信号子空间及其基的基础上,采用ＶＩＡ－ＥＳＰＲＩＴ 技术实现了两个虚阵的信号子空间及其基的估计。简化了ＵＮ－ＥＳＰＲＩＴ算法所需的阵列结构,减少了原算法分辨信号源所需的最少传感器数。Ｍｏｎｔｅ Ｃａｒｌｏ 仿真验证了该扩展算法的有效性。     

基于遗传算法的网格结构的拓扑优化

遗传算法是一种新兴的基于遗传进化机理的寻优技术。它与常规算法的不同之处在于不受初始值影响、从多个初始点开始寻优，并采用交叉、变异和移民算子避免过早地收敛到局部最优解，可获得全局最优解。该算法不必求导计算，编程简单、快捷，尤其适用于具有离散变量的结构优化设计。本文利用遗传算法对在应力、位移约束下的网格结构进行拓扑优化，利用对称性对杆件进行分组，使优化后的结构模型仍然保持对称，具有工程应用价值，并达到降低造价的目的。计算实例表明了该算法的有效性。     

DOA高分辨估计的两种贝叶斯算法的性能比较

结合贝叶斯定理和信号处理中的谱分析理论,给出了DOA估计的地斯高分辨技术实现的实算法,并推导出算方法的计算方法,通过理论分析和计算机仿真对两种算法进一步地进行分析和比较,不仅反映了该技术的高分辨特性,而且显示实算法用于DOA估计时存在着严惩的缺陷,证明了对复算法研究的必要性,同时也体现了复算法比实算法更加有效,特别是复算法可以估计线列阵法线方向的来波,并且利用复算法估计的空间角谱关于阵列法向是不对称的,消除了实算法所估计的对称谱对真实DOA估计的影响,同时复算法具有更高的分辨率。     

多Agent自动协商中的改进遗传算法

针对多Agent自动协商中所存在的协商时间长、复杂性高、协商结果无法保证等问题,文中提出了一个基于Pareto最优解的改进遗传算法。该算法在评价函数、种群规模与分布、交叉和变异操作等方面都对传统遗传算法进行了改进,以提高具有高维度多Agent自动协商中算法的性能和效率。通过买卖Agent之间的多对多自动协商典型算例表明,这种算法在保证不同利益群体Agent之间协商取得Pareto最优解的稳定性和使得协商参与者达到协同进化等方面都具有明显的优势。     

遗传算法结合反设计的翼型优化设计研究

针对传统的气动外形优化设计存在计算量大、精度低的不足，以及采用余量修正方法的气动外形反设计存在难以提供合理目标压力的难题，为了提高已有气动外形设计方法的工程实用性，创新性地将优化方法中的遗传算法与反设计的余量修正方法相结合，并采用高精度的CFD分析方法，进行了翼型的气动外形设计。设计实践表明，文中的气动外形设计方法是可行的，且由于在优化方法和反设计方法中采用了不同的CFD分析方法，提高了气动外形设计的效率和精度。     

一种新的自适应退火遗传算法

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能。基于这个思想提出一种新的自适应退火策略用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了自适应处理,以进一步改善算法的稳定性和收敛性。基于典型算例的仿真结果验证了该算法对高维复杂函数最优化的有效性和高效性,其性能明显优于传统遗传退火算法、改进的进化规划方法。     

基于遗传算法的参数设计方法

遗传算法是一种全局数值优化方法，它较之其它经典优化法的优点是不会陷于局部最优解，而且能处理大规模优化问题，因此更适合于工程分析及应用。文中将其应用到参数和容差设计中，得到满意的效果.