改进遗传算法在汽车悬架系统中的应用

本文应用遗传算法模式理论，采用灰度编码，给出模式交叉、模式变异操作的定义，并提出一种新的改进遗传算法。该算法使交叉、变异操作有机结合，避免了交叉概率和变异概率的主观选择，具有收敛速度快，迭代次数少且不易陷入局部最优等优点。最后使用该方法对33自由度的汽车悬架多体模型进行实例分析并和传统优化方法、标准遗传算法和小生境遗传算法进行比较，结果明显优于其它方法。     

并行遗传算法在汽车悬架系统参数优化设计中的应用研究

汽车悬架系统是一种典型的复杂多体动力学系统。目前国内外对其进行优化设计的方法从大的方面主要分为两种：确定性优化方法和随机性优化方法。遗传算法作为一种典型的随机性方法,在处理此类问题时显示出了良好的特性。但是随着问题规模的不断扩大,传统遗传算法的计算效率已无法满足要求。本文将并行遗传算法应用于汽车悬架系统参数优化设计,并在集群系统上对其进行了测试。计算效率得到了很大提高,取得了满意效果。     

半主动悬架神经网络自适应控制研究

本文针对半主动空气悬架这种时变的、非线性复杂系统,提出基于神经网络的自适应控制策略,设计了神经网络辨识器和控制器.通过仿真计算和分析验证了其可行性和有效性.     

微机在汽车悬架系统中的应用

对现代汽车悬架振动特性进行研究,在对比几种典型的悬架控制系统的基础上,应用自动控制理论和微机技术,设计了一种实用的汽车悬架微机控制系统,使汽车在各种工况及路面条件下的平顺性和安全性得以改善。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用，并对目前几种较重要的神经网络控制现状进行了评述，最后对神经网络控制的发展作了展望。     

遗传前馈神经网络在函数逼近中的应用

人工神经网络具有高计算能力、泛化能力和非线性映射等特点,被成功应用于众多领域,但缺乏用于确定其网络拓扑结构、激活函数和训练方法的规则。该文提出利用遗传算法优化前馈神经网络的方法,将网络结构、激活函数和训练方法等编码作为个体,发现最优或次优解,针对特定问题设计较理想的前馈神经网络。介绍遗传算法的具体步骤,对非线性函数逼近进行实验,结果表明优化后前馈神经网络的性能优于由经验确定的前馈神经网络,验证了本文方法的有效性。     

遗传算法在辅助设计神经网络中的应用

本文论述了遗传算法的基本思想，基本操作及运用过程，并给出了它在辅助设计人工神经网络中的实例。实验结果表明，利用遗传算法技术辅助设计神经网络消除了目前采用的反复试验方法所固有的盲目性和随机性，并能确保得到最佳方案的设计。     

利用遗传算法改善前馈神经网络容错性

针对前馈神经网络的断路故障,将网络容错性的改善转化为一个最小优化问题,并通过遗传算法进化求解来获取容错性好、泛化能力强的网络,该方法不需给网络增加额外冗余,也不需修改网络训练算法,较好地保持了网络结构、训练算法与容错处理的独立性,实验表明,该方法在两个基准测试问题上均取了很好的效果。     

遗传算法在神经网络中的应用

本文在分析了神经网络在应用中存在的局限性的同时也介绍了遗传算法的基本概念,以及分析遗传算法在实际应用中的优势．并且在此基础上介绍了使用遗传算法优化神经网络的方法和在应用中使用遗传算法优化神经网络时应该注意的问题以及参数的设置方法。     

神经网络在控制系统中的应用现状及展望

本文分析了神经网络在控制系统中的应用,并对目前几种较重要的神经网络控制现状进行了评述,最后对神经网络控制的发展作了展望。     

Application of LQ-based semi-active suspension control in a vehicle

A linear quadratic (LQ) based controller and observer concept for a semi-active full-car model is implemented and compared to a skyhook controller using a real vehicle in this paper. Especially an observer including a new modified road model is presented, which reliably filters low frequency disturbances induced by ascending or descending steep hills. Furthermore, methods for the parametrization of the quadratic cost function are presented and it is shown in experiments for different vehicle masses that ride comfort and road holding can be significantly improved by using semi-active suspension control. In order to take nonlinear component characteristics or suspension friction into account a parametrized nonlinear full-car model is presented, which is used for the determination of the controller cost function weights. The performance evaluation is done using a 4-poster test rig as well as measurements conducted on a real road.     

基于稳定遗传神经网络的ETC系统客户逃费分析

随着我国ETC系统的普及，ETC系统的客户管理也成了急需解决的问题。文章首先提出了一种改进的遗传算法．然后采用稳定遗传神经网络的方法对采集到的收费数据进行模拟。找出异常点对应的ETC系统客户，对其进行重点分析和重点监控，以确定是否存在逃费行为。以此来减少通行费的流失，实现科学、合理、高效的管理。     

新型前向神经网络设计方法在软测量中的应用

软测量模型广泛应用于替代实物传感器预测与估计不可在线测量的变量.从利用前向神经网络建立复杂的软测量模型的问题出发,从空间理论的角度揭示了前向神经网络以及各层的数学模型,并提出了一种新型的网络设计方法.最后,通过上述算法建立了某型无人机飞行仿真系统中的角速度软测量模型.     

一种基于进化算法的BP神经网络优化方法及应用

针对BP网络的不足,分析了一般进化算法在神经网络结构优化过程中存在的问题,根据物种内优生优育原则和物种间相互竞争、相互学习的生物学原理,提出了一种新的基于进化算法的神经网络优化方法。该方法不但有效弥补了BP神经网络在网络结构、权值选择上的随机性缺陷,缩小了神经网络结构的解搜索空间,加快了BP网络的收敛速度,进而提高了搜索效率,而且还起到对网络的结构和权值进行同时进化的作用。实验结果表明该方法取得了良好的效果。     

一种基于进化算法的BP神经网络优化方法及应用

针对BP网络的不足,分析了一般进化算法在神经网络结构优化过程中存在的问题,根据物种内优生优育原则和物种间相互竞争、相互学习的生物学原理,提出了一种新的基于进化算法的神经网络优化方法。该方法不但有效弥补了BP神经网络在网络结构、权值选择上的随机性缺陷,缩小了神经网络结构的解搜索空间,加快了BP网络的收敛速度,进而提高了搜索效率,而且还起到对网络的结构和权值进行同时进化的作用。实验结果表明该方法取得了良好的效果。     

改进自适应遗传神经网络在混合气体识别中的应用

BP神经网络和遗传神经网络是混合气体识别中常用的方法,但在实际应用仍然存在一些缺陷与不足。针对存在的问题,提出了1种改进自适应遗传算法,该算法根据进化过程种群中未产生更优解的代数,自适应调整变异率和变异量。利用该改进自适应遗传算法优化BP神经网络的连接权和阈值,构成改进自适应遗传神经网络,并应用于混合气体的识别中。实验结果表明:改进自适应遗传神经网络收敛成功率由40%提高到80%,平均识别误差H₂S由4.66 mL/m³降为3.69 mL/m³,CH₄由17.14 mL/m³降为15.77 mL/m³,CO由4.38 mL/m³降为4.19 mL/m³。     

利用影响因子遗传算法优化前馈神经网络

提出了一种带有影响因子的改进遗传算法并以此来优化前馈神经网络.染色体的每个基因都有一个影响因子,其不同取值体现了基因对整条染色体的不同影响程度.在遗传进化过程中,通过影响因子等遗传操作以达到对前馈神经网络的权值、阈值和结构优化的目的.仿真实验表明,该算法能够快速地确定神经网络的结构并且有效地提高了神经网络的收敛速度.     

中医舌诊神经网络的优化遗传算法

从舌象的特点和基于舌象的八纲辨证中医知识的参数形式,并结合各证型的主证分析因子,利用改进遗传算法对构建的前馈式神经网络进行优化,是对目前中医诊断神经网络方法运用的一种新发展.该遗传算法结合了实数编码、数学交叉、PSO等思想,对于形成一种中医专家系统的软计算构成技术奠定了基本的方法.仿真实验结果表明,该方法具有较为理想的效果.     

遗传算法在人工神经网络中的应用综述

本文介绍正被逐渐广泛应用的新型的、随机性的全局优化方法－遗传算法,系统地讨论了遗传算法在人工神经网络中的主要应用,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极小点的困扰。