遗传算法在故障诊断中的应用研究综述

遗传算法是一种自适应启发式全局搜索概率算法,在很多学科中都得以应用。介绍了遗传算法的基本原理,指出了它的特点,论述了它在故障诊断中的应用现状,并对遗传算法在故障诊断中的前景提出了展望。     

遗传算法和遗传规划及其在矿业中的应用

本文介绍一种新兴的搜索寻优技术——遗传算法和遗传规划，并论述它们在矿业中的应用。     

遗传算法优化资源配置提高综采面可靠性的研究

遗传算法“优胜劣汰”的原则在解决非线性不连续多峰函数问题时,优于其它传统优化方法。本文在分析了背包问题和混合遗传算法特点的基础上,首次运用遗传算法建立了优化资源配置以提高综采面可靠性模型。成果应用表明,该模型简便、可靠、具有先进性,对促进综采高产高效具有积极的作用。     

基于遗传算法优化的煤粉着火温度BP神经网络预测模型

采用遗传算法（GA）对BP神经网络（结构和初始权值、阈值）进行了优化，获得了影响煤粉着火温度预测的主要煤质指标（M_ad，A_ad，V_ad，O_ad），建立了优化的煤粉着火温度BP神经网络预测模型．对20个校验样本的预测结果表明：预测值与试验值的平均相对误差为0.29%，均方差为59.29，达到了较高的预测精度．     

基于遗传算法的重型矿用自卸车车斗优化设计

基于遗传算法对采用HARDOX钢板的重型矿用自卸车车斗进行优化设计,确定了自卸车车斗优化问题中的优化变量,以车斗钢板最小总体积(质量)为最优目标,根据强度要求、承载能力要求、固有频率限制等约束条件,建立了优化问题的数学模型,得到了优化后的车斗尺寸。基于遗传算法得到的车斗各板壁厚明显降低,对设计载重为290 t的车斗,经过试算,减重9.6%、柴油节约8%、轮胎节约7%、生产效率提高3%、维修维护减少15%、推土机等辅助工具减少12%,验证了遗传算法在自卸车车斗轻量化设计问题中的有效性和必要性。     

基于遗传神经网络的煤层瓦斯含量预测

将遗传算法和神经网络结合起来,利用遗传算法优化神经网络的连接权值,建立基于GA-BP混合算法的神经网络煤层瓦斯含量的预测模型,实际预测结果表明,该算法具有较高的预测精度和较快的运算速度,能为矿井瓦斯灾害的预测预防提供帮助。     

矿井局部通风设备系统故障诊断方法研究

文章针对矿井局部通风设备系统故障而造成瓦斯浓度超限的瓶颈问题,提出采用粗糙集理论和遗传算法对矿井局部通风设备系统的故障诊断方法进行研究。建立了故障模型树;对关键故障征兆和故障规则获取算法及软件进行了分析与开发,并对煤矿进行了应用示范研究。为煤矿通风设备系统的故障诊断提供了一种新的方法思路和原型软件。     

高层建筑火灾风险的神经网络评价

通过对模糊综合评价和人工神经网络评价进行分析比较，表明神经网络采用非线性转换函数的处理方法更符合火灾风险评价的非线性特性，针对神经网络易陷入局部极小而引起评价指标权值分布不合理的缺陷，提出运用遗传算法克服神经网络的这种缺陷，在此基础上建立了基于遗传算法和神经网络的建筑火灾风险评价模型，研究实例证明了此模型的可行性。图1，表3，参11。     

粗糙集的RBF表示与非监督模式分类

提出了一且糙集的ＲＢＦ网络表示形式，在集值测度意义下，将粗糙度的语义表达进行了有效的描述，并构造了蓁在组织遗传学习机制。     

自适应遗传算法在桁架截面优化设计中的应用

针对基本简单遗传算法中的交叉、变异概率均是恒定不变的参数的局限性,提出了可变概率的交叉、变异算子的针对离散变量结构优化设计的自适应遗传算法。以平面和空间桁架为算例,并将计算结果与其他算法所得结果进行比较,结果表明,这种算法对离散变量的桁架截面优化设计是有效可行的。