基于遗传算法的自适应滤波器设计与实例仿真

LMS算法是自适应滤波器最为常用的算法,该算法比较简单,但决定其收敛速度和稳定性的学习速率难以确定;遗传算法是一种高度并行的全局搜索方法,能够有效地用于自适应滤波器的权系数寻优.文章讨论了基于遗传算法的自适应滤波器的设计过程,并作为一个应用实例,将其应用于线性系统辨识中,取得了较好的仿真结果.     

基于改进遗传算法的系统参数辨识方法

介绍了一种基于遗传算法辨识系统参数的方法,遗传算法是一种基于自然选择和自然遗传学机理的全局搜索学习算法,为了提高算法的优化能力,我们采用了种群迁移以及自适应变异率来改进算法,仿真结果表明,改进的遗传算法辨识系统参数收敛到全局最优,且鲁棒性强,辨识精度高。     

一种μGA+Quasi-Newton的混合优化算法

提出了一种新型的优化算法。此算法利用微种群遗传算法(μGA)的全局最优性在大范围内搜索可能的极值，而用拟牛顿(Quasi—Newton)法的目标函数梯度下降特性在极值点附近快速搜索，从而实现了全局最优与快速搜索的有机结合。同时，通过几个典型的试验函数对此混合算法与微种群遗传算法的寻优效果做了比较。     

基于多层前向神经网络辩识电液伺服系统模型

建立了一种辩识非线性电液伺服控制系统数学模型的辩识方法,研究了多层前向神经网络辩识非线性系统的辩识算法和结构,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

盲系统辨识与故障诊断

盲系统辩识是一种仅由系统的输出中提取系统的未知信息的一种新的基本信号处理方法。论述了盲系统辨识的基本思想及其算法，将盲系统辩识思想引入到旋转机械状态监测与故障诊断中，提出了基于盲系统辩识的机械故障诊断的方法，并以转子裂纹为例，研究了基于时序模型盲辨识的不同的裂纹位置、深度的转子裂纹参数化双谱特征，得到了一些有价值的结论，为转子裂纹的诊断提供了一种新的方法。实验结果表明，该方法是有效的，基于时序模型盲辨识的参数化双谱分析具有对故障的灵敏性及能显示检测信号的一次、二次谐波等主谐波以及描述检测信号中二次相位耦合等非线性现象。     

波阻抗混合优化反演方法研究

遗传算法是一种具有全局优化的随机搜索算法,针对遗传算法存在局部搜索能力差,求解精度不高等缺点,引入了模式搜索算法,利用模式搜索算法较强的局部搜索能力和较高的求解精度弥补遗传算法的不足.即利用遗传算法来控制寻优过程,用模式搜索算法使解快速逼近极小点,然后再用遗传算法使解逃脱局部极值,从而达到全局寻优目的.理论模型和实例计算分析验证了该方法的有效性.     

一种改进的遗传算法及其在系统辨识中的应用

研究了基于基本杂交操作的遗传算法的效率及全局收敛性，提出了一种改进的遗传算法，该算法成功地应用于系统辨识。仿真结果表明了该方法的有效性及实用性。     

基于遗传算法的ELMAN网络在非线性系统辩识中的应用

分析了ELMAN网络的基本结构，并讨论了ELMAN神经网络的学习算法，针对BP算法的缺陷，提出了采用遗传算法修正网络的权值的学习算法。最后，利用仿真曲线说明了该方法在高阶次非线性系统中进行了辩识的可行性。     

时变系统可识辩性的等价条件

采用文献［１］中的方法，讨论时变线性系统的全局与局部可识辩性，进而给出了一个系统可识辩充要条件。     

基于小波变换的系统辨识方法

介绍了一种基于正交小波变换的系统脉冲响应辩法在包括对线性的脉冲响应辩识和非线性系统的脉冲响应辨识,仿真结果证明了该方法的有效性     

管道自适应有源噪声控制算法

本文以管道自适应有源噪声控制（ＡＡＮＣ）理论为基础讨论了自适应控制算法，比较了ＡＡＮＣ系统中自适应滤波器的ＬＭＳ，ＲＬＳ和ＬＳＬ算法的特性，导出了ＬＭＳ算法的递推公式，得到了ＦＩＲ和ＩＩＲ滤波器的ＬＭＳ算法的计算机仿真．通过仿真，比较了不同信号的消声量，讨论了步长因子、滤波器阶数和声延迟对算法收敛速度和消声量的影响，还讨论了有声反馈的ＦＩＲ和ＩＩＲ滤波器的消声量的大小．     

改进多种群遗传算法在墙土系统损伤识别中的应用

针对墙土系统损伤识别方法进行研究，提出了一种基于改进多种群遗传算法的墙土系统损伤识别方法。首先，建立了墙土系统动测简化模型，同时对土体发生损伤时墙土系统的特征方程进行理论分析，基于系统的特征方程构造目标函数；其次，对多种群遗传算法进行改进，改进的内容主要包括采用实数编码、采用自适应交叉概率、采用自适应变异概率；最后，利用改进多种群遗传算法分别进行了无噪声条件和噪声条件下的墙土系统损伤定位和定量研究。通过分析结果表明：无论对单处损伤还是多处损伤、单一损伤程度还是多损伤程度，按所提出的方法都能较好的识别出损伤位置和损伤程度，具有较强的抗噪声能力。因此，所提出的方法为墙土系统的损伤识别提供一种简单有效的途径。     

基于GA的BP神经网络模型的研究及应用

分析了BP神经网络的缺陷和遗传算法的特点，提出了基于遗传算法的BP神经网络模型算法，该算法利用遗传算法全局寻优能力强等特点，可克服神经网络易陷入局部极小值、训练速度慢的缺陷。仿真结果表明：遗传算法和神经网络相结合的算法具有较好的全局快速收敛等性能。     

基于GA的BP网络模型在水文计算中的应用

分析了BP神经网络的缺陷和遗传算法GA的特点,在对BP网络模型进行多方面改进的基础上,提出了基于GA的BP网络模型算法,该算法利用遗传算法全局寻优能力强的特点,可克服神经网络易陷入局部极小、收敛速度慢的缺陷.研究表明,基于GA的BP神经网络模型用于水文计算是有效可行的,该算法具有广泛的应用前景.     

基于遗传算法和模拟退火算法的混合算法

结合离散时间系统最优控制问题,提出一种新的混合算法.该算法是在遗传操作中嵌入模拟退火算子,有效地结合了遗传算法隐含并行与模拟退火算法全局寻优的特点,同时用罚函数方法处理约束条件,设计了专门的遗传操作算子,构造了相应的适应度函数,实现了离散时间系统的最优控制.实验结果表明,新算法既具有较快的收敛速度,又能够收敛到最优解.     

基于DWT/LMS直交自适应算法的非线性系统辨识

针对传统的最小均方(LMS)算法在信号处理中的不足,提出了在变换域LMS算法中实现离散小波变换(DWT)的算法,并给出了基于直交DWT／LMS自适应算法的非线性滤波器的结构,该方法实现简单,可减少自适应滤波器输入相量自相关矩阵的谱动态范围,比传统的LMS算法的收敛速度快,增加了系统的稳定性;将其用于非线性系统辨识,能够改善辨识模型的自适应能力,数值仿真结果表明了本文方法的可行性和有效性。     

带有成长算子的遗传算法

提出了伪极值点的概念,举例说明了由于遗传算法随机性强使得二进制码遗传算法极易陷入伪极值点,致使算法收敛速度缓慢的问题,设计了一种适合于二进制编码遗传算法的成长算子,该算子的引入,加强了算法的方向性,有效地防止了算法陷入伪极值点,从而大大提高了算法的收敛速度。     

基于混合遗传算法的水库群优化调度研究

针对水库群系统调度模型中目标函数的高度非线性特点,提出利用十进制编码的混合遗传算法来进行求解.依据该模型中线性等式约束条件较多的特点,提出了初始种群有条件的随机生成方式以及非随机变异算子来处理的策略,而利用罚函数法来处理边界条件和其他非等式约束.     

自适应遗传算法解决组卷问题的探讨

用遗传算法讨论了在一定约束条件下的多目标参数优化问题.提出了功能块的概念,介绍了一种新的编码方式、交叉算子和突变算子.实验表明这种遗传算法较其它算法能更有效地解决组卷问题.     

基于S-PMemetic算法的电站锅炉再热器系统建模

针对再热器这类热工对象普遍存在非线性、大迟延、时变性以及多变量等特点,采用文化基因算法框架下,粒子群(PSO)算法和模拟退火(SA)算法相结合的S-PM emetic算法对660 MW超超临界机组直流锅炉再热器系统的现场数据进行了多组数据并行辨识。通过该方法得到了超超临界机组再热器7个传递函数通道的系统模型。仿真结果表明,S-PM emetic算法平衡了PSO算法的全局搜索能力和SA算法的局部寻优能力,更适用于辨识复杂的热工控制对象进一步提高了多变量辨识效率和精确度。