基于变异算子与模拟退火混合的人工鱼群优化算法

人工鱼群算法(AFSA)是一种新型的群智能随机全局优化技术.本文在分析AFSA存在不足的基础上,提出了基于变异算子与模拟退火混合的人工鱼群优化算法.该算法保持了AFSA算法简单、易实现的特点,克服了人工鱼漫无目的随机游动或在非全局极值点的大量聚集,显著提高了算法的运行效率和求解质量.通过函数和实例测试验证,表明了该算法是可行和有效的.     

一种基于锁相环原理的参考模型自适应感应电机转速估计方法

针对超低速及零定子频率运行条件下感应电动机转速的不可观测性导致基于电机模型的传统速度估计方案无法实现速度估计,引入了高频信号注入法来获得转子磁链矢量位置角并得到转子磁链的参考模型,并以转子磁链的电流模型作为调节模型,在此基础上,提出了基于锁相环原理的参考模型自适应速度估计方案．仿真结果进一步验证了该方案的有效性．     

一种新的灰关联分析算法——一致关联度

通过深入研究，结合当前复杂的实际应用，综合多种影响因素，提出了基于灰关联分析的一致关联度算法．理论分析和实验结果表明，一致关联度算法具有较强的实用性，它的计算结果能更准确地反映实际情况．     

生化系统稳态优化的一种新算法

针对一类生化系统的稳态优化问题, 在已有间接优化方法(IOM)的线性优化问题中引入一个反映S–系统解和原模型解一致性的等式约束, 应用Lagrangian乘子法将修正后的非线性优化问题转化为一个等价的线性优化问题, 提出了一种改进的稳态优化新算法. 该优化算法不仅可以收敛到正确的系统最优解, 而且可用现有的线性规划算法去计算. 最后将算法应用于几个生化系统的稳态优化中, 结果表明, 本文提出的优化算法是有效的.     

一种可自适应调节参数的改进遗传算法

针对遗传算法在复杂问题应用中收敛速度十分缓慢的不足，本文引入收敛性因子和进程因子对种群进化的交叉概率和变异概率进行自适应调节，提出了可自适应调节参数的改进遗传算法．该算法很好地增强了遗传算法的全局搜索能力，提高了收敛速度．通过比较几个优化实例，验证了本文算法的有效性．     

新型线性先行GA算法在油品调和中的应用

油品调和是生产成品油的关键环节,调和配方决定了利润的最终大小。配方优化模型中物料平衡约束、产品产量约束属于线性约束,但质量指标约束中存在的非线性约束,使整个求解问题成为非线性约束求解问题。针对炼油厂油品调和复杂非线性约束配方优化问题,提出了一种新的线性先行GA算法。通过将线性约束与非线性约束拆分开,先求解凸多面体的全部顶点和极方向,解出满足线性约束的所有可行解所在的可行区域,进而用GA算法在此可行域内,通过优化凸组合的系数,从而达到搜索整个线性解区间的目的,完成非线性优化模型的求解。仿真结果表明,新算法大大缩小了GA算法的搜索空间和需要处理的约束,能快速的获得理想的调和配方,使利润最大并保证对质量卡边的要求。     

盾构机机械类故障诊断研究进展综述

盾构机在运行过程中不可避免地会发生故障,这些故障中以机械类故障较为常见,对盾构机进行状态监测与故障诊断是保证其掘进作业安全、高效的重要手段。详细论述了盾构机刀具磨损、轴承、液压等常见机械类故障及相应的诊断方法,分析了各类故障诊断存在的问题并提出了相应的解决方案。最后对盾构机机械类故障诊断技术进行了建议与展望,并指出在故障诊断系统生态技术框架下,实现盾构机机械类故障诊断的信息化和智能化将会是盾构机未来的发展目标。     

二维平面网格上移动成本群体合作行为研究

从移动成本、收益期望与空间博弈的角度,探讨多主体系统的博弈策略演化与系统涌现特征之间的关系。利用空间演化博弈理论,构建了基于个体移动机制的拓扑结构时刻演变的空间演化博弈模型,分析了当主体具有不同的移动成本与收益期望时系统演化的稳定策略,通过分析稳定策略深入探讨系统中合作簇涌现的机理。仿真结果表明,提高移动成本能够最有效地促进系统合作率,同时中等水平的个体收益期望会进一步促进高移动成本的影响效果。     

基于模糊预测器模型的混沌时间序列预测

基于数据挖掘思想，使用兴趣度度量和改进的梯度下降法，提出一种新的、具有自学习能力的模糊方法来建模和预测混沌时间序列．所提方法不仅能同时辨识模糊模型、调整其参数及确定输出空间的最优模糊子集，而且解决了梯度下降法中存在的收敛速度和振荡之间的冲突问题．仿真结果表明新方法是有效的、准确的，它能很好地辨识系统的特征，并且提供了一种混沌时间序列预测的新方法．     

基于神经网络的机器人轨迹鲁棒跟踪控制

在神经网络辨识的基础上 ,提出一种新的鲁棒迭代学习控制方法。该方法利用神经网络对非线性系统进行在线辨识 ,产生迭代学习控制算法的前馈作用 ,并与实时反馈控制相结合 ,实现连续轨迹跟踪控制。仿真结果表明 ,该方法能克服机器人系统动力学模型的不确定性和外部干扰 ,且以极少的学习次数和网络训练次数达到满意的跟踪控制要求 ,具有良好的鲁棒性和控制性能