激光诱导间质热疗中的治疗参数选择

目的：考察激光诱导间质热疗中各治疗参数对治疗效果的影响，对各治疗参数进行选择和优化。方法：基于光子传输理论，分别采用Monte Carlo模拟方法和Pennes生物传热方程求解生物组织中的能量分布和温度分布。结果：计算得到了一般加热系统、具有冷却设备的加热系统以及暂时阻断血液灌注条件下，激光波长、功率大小及激光加入头曝光时间对凝结区域大小的影响。结论：激光诱导间质热疗中，需要综合考虑生物组织特性和激光波长、功率及曝光时间等治疗参数来制定治疗方案。     

基于遗传算法的水面无人艇操纵响应模型参数辨识仿真研究

为实现水面无人艇(Unmanned Surface Vessel, USV)的操纵性预报,针对USV二阶非线性操纵响应模型,提出了一种基于遗传算法(Genetic Algorithms, GA)的辨识方法用于辨识模型参数。首先在仿真平台采用龙格库塔法(Runge-Kutta)开展Z型操纵仿真实验,基于差分离散法设计辨识模型,构造辨识模型适应度准则函数,初始种群在经过数代选择、交叉、变异后逐渐收敛至最优解,通过其收敛值计算模型辨识结果。辨识结果在精度和收敛性上均优于粒子群(Particle Swarm Optimization, PSO)算法,且在仿真试验情况下最大辨识误差率为4.19%,仿真试验验证了辨识结果的有效性和泛化性。GA是一种有效的高精度辨识算法,且辨识精度优于PSO算法,辨识结果能有效预报水面无人艇的操纵性。     

一种基于混沌蚂蚁群算法的系统参数辨识方法

提出了一种基于混沌蚂蚁群算法的控制系统辨识方法,这种方法在给定控制系统数学模型的条件下,将控制系统的参数辨识问题转化为参数的寻优问题,之后利用混沌蚂蚁群算法的全局优化搜索能力对问题进行求解.以典型控制系统为例进行了计算机仿真,实验结果表明,使用混沌蚂蚁群算法可以得到很好的参数估计结果.     

血流量对有效热疗温度场分布的影响及其补偿方法

本文以带冷却水的腔内热疗绝缘偶极子微波辐射器为例，分析了血流量对有效热疗温度场分布的影响，并提出了辨识血流量以及补偿其影响的方法，这对于提高热疗临床疗效具有重要意义。     

激光热疗的光生物学基础与治疗参数的选择

本文从能量的角度分析激光与生物组织热相互作用机理及激光热源形成的物理和光生物过程，探讨激光热疗的微观机制，定量描述激光照射生物组织温度的影响及其与激光参数和组织参数的关系，并具体讨论了激光针灸理疗、激光热杀治癌、激光诱导间质疗法的治疗参数，其结果可为激光热疗及其参数的选择提供理论依据。     

基于自适应遗传算法的舵机传递函数辨识

简要介绍了舵机的工作特性，利用自适应遗传算法对舵机传递函数进行了辨识，与传统遗传算法相比，自适应遗传算法的选择算子采用最优保存和赌轮盘相结合，并在进行赌轮盘前对适应度进行排序，交叉变异算子采用自适应交叉和变异算子，终止条件也分为两类，适应度小于设定的值时就会跳出遗传算法和达到代数上限时跳出遗传算法。自适应遗传算法的辨识的结果和遗传算法相比较，仿真结果表明：自适应遗传算法在运行速度和收敛方面有较好的效果。     

基于遗传算法的直升机纵向通道频域辨识

针对传统算法容易陷入局部最小值和对初始条件敏感的缺陷,将经典的频域辨识技术与遗传算法相结合 ,以某无人直升机为背景进行了多输入多输出系统辨识的方法研究。将多变量频域法用于无人直升机纵向模型辨识,应用快速傅立叶变换进行了辨识对象输入输出信号时域到频域的转换,从而获得系统的频域特性;利用遗传算法的全局最优特性对搜索空间进行了选择、交叉、变异操作,用以获得符合系统频域特性的传递函数矩阵。仿真结果表明,辨识模型能够较好地逼近原模型。     

基于参数转化和遗传算法的内部多缺陷识别算法的性能分析

试件或设备内部缺陷的定量识别已成为红外无损检测与传热反问题领域的一个重要研究方向。针对基于表面红外测温的试件内部多缺陷的识别问题,提出了基于参数转化思想和遗传算法的一种新的定量识别方法,初步研究显示了对试件内部多缺陷识别的良好的适用性。针对该方法,以二维试件内部多缺陷试件为例,从缺陷的位置、形状、数目、网格密度、测温误差等各个方面系统地分析该方法的性能。一系列数值试验验证了该方法的有效性,证明了在各种因素影响下该算法均具有非常优越的性能。     

模糊自适应参数调整的改进遗传算法

为提高遗传算法的优化性能,构建了交叉及变异算子的模糊动态调整器,给出了参数调整过程、模糊逻辑控制器的执行策略及控制过程.采用标准的Benchmark测试函数比较了模糊控制器参数调整的遗传算法和简单遗传算法的性能,结果表明该算法求解精度高,优化效率高及进化代数少.     

采用遗传算法的VQ码本设计及说话人识别

矢量量化(VQ)方法是文本无关说话人识别中广泛应用的建模方法之一。在矢量量化过程中,经典的LBG算法收敛速度快,但极易收敛于局部最优点,无法保证根据有限样本数据得到最优码本,并最终影响系统识别性能。考虑到遗传算法(GA)是一种具有全局化寻优搜索能力的算法,本文提出了遗传算法和K均值算法相结合的综合分析方法GA-K进行码本设计,改善了码本的质量。讨论了具体的算法实现,分析了在不同的特征参数LPCC及MFCC、不同测试语音长度下的说话人识别性能。实验结果显示,GA-K方法优于传统的LBG算法,可以很好地协调收敛性和识别率之间的关系。     

超磁致伸缩执行器磁滞模型的参数辨识

准确辨识磁滞模型参数是保证超磁致伸缩执行器位移控制精度的关键,而单一算法难以实现对超磁致非线性模型参数的精确辨识。该文提出了一种新型混合优化策略,即改进的遗传退火算法,并将其应用于对超磁致伸缩执行器位移磁滞模型参数的辨识。该算法兼顾了遗传算法和模拟退火算法的优点,同时还引入了机器学习原理,将模拟退火算法作为遗传算法中的种群变异算子,并将模拟退火算法中的抽样过程与遗传算法相结合。此算法不仅充分发挥了遗传算法并行搜索能力强的特点,且增强和改进了遗传算法的进化能力,同时提高了系统的收敛性和收敛速度,避免最优解的丢失。通过仿真和试验研究表明,该算法相对于遗传算法有更高的精度,可有效精确辨识超磁致伸缩执行器磁滞模型的参数。     

自适应遗传算法提取pin光探测器小信号模型参数的研究

采用自适应遗传算法对pin光探测器小信号等效电路模型的参数进行了提取,用提取到的模型参数计算得到的S参数与实际测试的S参数进行了比较,为进一步说明提取到的数据的合理性,采用ADS仿真得到了高频处的S参数。     

基于混合遗传算法的SOI MOSFET模型参数提取

通过将遗传算法和模拟退火算法相结合得到了改进的遗传算法,这种改进的遗传算法可用于提取SOI MOSFET模型参数.用这种方法提取了基于中国科学院微电子研究所开发的标准的1.2μm CMOS/SOI工艺的SOI MOSFET模型参数,用此模型模拟的数据与测试数据吻合很好,与商业软件相比精度得到了明显的提高.这种方法与商业软件使用的传统的方法相比,不需要对SOI MOSFET模型有非常深入的了解,也不需要复杂的计算.更深入的验证表明,该模型适用的器件尺寸范围很广.     

基于混合遗传算法的SOI MOSFET模型参数提取

通过将遗传算法和模拟退火算法相结合得到了改进的遗传算法,这种改进的遗传算法可用于提取SOI MOSFET模型参数.用这种方法提取了基于中国科学院微电子研究所开发的标准的1.2μm CMOS/SOI工艺的SOI MOSFET模型参数,用此模型模拟的数据与测试数据吻合很好,与商业软件相比精度得到了明显的提高.这种方法与商业软件使用的传统的方法相比,不需要对SOI MOSFET模型有非常深入的了解,也不需要复杂的计算.更深入的验证表明,该模型适用的器件尺寸范围很广.     

一种改进的自适应GA-SVM参数选择研究

支持向量机是一种学习机器,决定SVM性能的因素是核函数的选取,但其参数的选择大多是依靠经验,一般不能获得最佳函数逼近效果,一定程度上限制了该算法的发展。将改进的自适应遗传算法与支持向量机相结合,设计了一种自动优选支持向量机模型参数的方法。该方法根据适应度值自动调整交叉概率和变异概率,减少了遗传算法的收敛时间并且提高了遗传算法的精度,确保了SVM参数选择的准确性。将该方法应用于脱机手写汉字的识别,结果表明由该方法所得的SVM具有较好的泛化能力。     

基于EM-KF的同步发电机参数辨识方法

同步发电机的参数的准确性直接影响电力系统仿真结果.本文首先利用电网扰动下的PMU数据,将同步发电机与外部电网解耦;然后利用卡尔曼滤波和期望最大化算法相结合的算法对同步发电机的参数进行辨识,最后利用仿真结果验证方法的有效性.     

基于改进遗传算法的PID参数研究

常规PID参数的整定存在着控制精度低,稳定性能差的问题,一直限制了其在高精度及可靠性要求高的系统中的应用。采用改进遗传算法对PID参数进行优化,在寻优空间内快速获得全局最优点。在PID控制器中加入遗传算法模块,快速整定出最优解使系统达到稳态的最佳效果。仿真结果表明,该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,提高了寻优精度,加快收敛速度。