基于遗传算法的倒立摆系统的多级控制研究

将单一的复杂控制转化为多级简单控制的控制方法应用到三级倒立摆系统的控制中,并通过遗传算法对各级控制中的未知参数进行优化.给出了多级控制器的设计方法和参数优化步骤.仿真试验证明了该控制方法的可行性.     

Differential multiuser detection using a novel genetic algorithm for ultra-wideband systems in lognormal fading channel

We employ a multiuser detection (MUD) method using a novel genetic algorithm (GA) based on complementary error function mutation (CEFM) and a differential algorithm (DA) for ultra-wideband (UWB) system...     

基于小波分析和遗传神经网络的模拟电路故障诊断方法*

针对BP网络极易收敛于局部极小点与过拟合等缺点,在构建小波神经网络的基础上,提出用遗传算法优化BP神经网络的模拟电路故障诊断方法.该方法使用小波作为预处理工具,经PCA分析和归一化后提取输出信号的能量信息作为特征向量,用遗传BP神经网络作为故障识别器,对模拟电路故障进行诊断.与传统BP神经网络相比较,结果表明,该方法可明显改善神经网络结构、提高故障诊断的精度和速度.     

基于GA-RBF神经网络的光伏电池MPPT研究

讨论了光伏电池非线性输出特性,在此基础上,结合径向基函数神经网络的特点,提出了基于遗传算法优化的径向基函数神经网络方法,并将该方法用到了电池的最大功率点跟踪预测中。仿真及实验结果表明,与传统的径向基函数神经网络相比,该方法克服了网络参数选择的随机性,具有更高的精度和适应能力。     

基于数据同化的图像融合方法研究

数据同化凭借其在数值预报中将观测数据与理论模型相结合的特点,目前广泛应用于遥感图像处理及图像融合领域。文中介绍了数据同化的含义和数据同化系统的构成,并分析了其应用于图像融合的原理;结合现有的研究成果着重分析了数据同化框架下结合不同优化算法的图像融合方法,并对其进行分类比较,给出了各方法的优缺点和研究成果及应用;最后在总结了各种基于数据同化的图像融合方法普遍存在的问题的基础上,探讨了进一步发展与研究的方向。     

基于RBF神经网络优化的装备保障系统效能评估

针对现有装备保障系统效能评估方法存在依赖专家经验、主观性强等问题,提出一种基于径向基函数（RBF）神经网络优化的装备保障系统效能评估方法。通过完备交叉与预变异策略对遗传算法（GA）进行改进,利用改进的GA对RBF神经网络中心、宽度及输出权值进行全局寻优,并采用优化的RBF神经网络实现装备保障系统效能评估。仿真结果表明,该方法相比AGA-RBF和GA-RBF评估方法能更准确地评估装备保障系统效能值,并且可在一定程度上降低评估过程中主观因素的影响,确保评估结果更客观真实。     

基于转矩分配函数的开关磁阻电机的效率优化方法

开关磁阻电机使用传统的转矩分配函数(TSF)控制时虽然可以起到一定的抑制转矩脉动的作用,但却由于换相阶段电流峰值过高,电流可控性下降等问题使得其在换相阶段出现较为明显的转矩脉动,以及较高的铜耗。针对这一问题,提出了一种基于TSF的开关磁阻电机的效率优化方法。将电机特性作为约束条件,以铜耗为优化目标建立最优化模型,利用多重嵌套的遗传算法将该最优化模型应用于Simulink仿真中,得到不同参数下最优的电流参考曲线。再根据不同转速下对电机性能的需求,进一步筛选权重参数,从而得到最优的电流参考曲线。仿真和实验结果表明,该方法能够有效地降低换相阶段的电流峰值、降低电流控制难度,进而在较低转速下抑制转矩脉动、在较高转速下提高效率。     

基于改进遗传算法的标签印刷生产调度技术

针对标签印刷生产过程中存在的多品种、小批量、客户定制化程度高、部分生产工序存在不确定性等问题建立了以最小化最大完工时间为目标的柔性作业车间调度模型,提出了一种改进遗传算法（GA）。首先,在标准遗传算法的基础上采用整数编码;然后,在选择操作阶段采用轮盘赌法,并通过引入精英解保留策略以确保算法收敛性;最后,提出动态自适应交叉和变异概率,从而保证算法在前期进行较大范围寻优,以避免早熟,而后期尽快收敛,以保证前期获得的优良个体不被破坏。为了验证所提改进遗传算法的可行性,首先采用Ft06基准算例把所提算法与标准遗传算法（GA）进行比较,结果显示改进遗传算法的最优解（55 s）优于标准遗传算法的最优解（56 s）,且改进遗传算法的迭代次数明显优于标准遗传算法;然后通过柔性作业车间调度问题（FJSP）的8×8、10×10和15×10标准算例进一步验证了算法的稳定性和寻优性能,在3个标准测试算例上改进遗传算法均在较短时间内取得了最优解;最后,将该算法用于求解标签印刷车间的排产问题时,使得加工效率比原来提高了50.3%。因此,提出的改进遗传算法可以有效应用于求解标签印刷车间的排产问题。     

Study of probability integration method parameter inversion by the genetic algorithm

In order to obtain accurate probability integration method(PIM) parameters for surface movement of multi-panel mining, a genetic algorithm(GA) was used to optimize the parameters. As the measured surface movement is affected by more than one mining panel, traditional PIM parameter inversion model is difficult to ensure the reliability of the results due to the complexity of rock movement. With crossover,mutation and selection operators, GA can perform a global optimization search and has high computation efficiency. Compared with the pattern search algorithm, the fitness function can avoid falling into local minima traps. GA reduces the risk of local minima traps which improves the accuracy and reliability with the mutation mechanism. Application at Xuehu colliery shows that GA can be used to inverse the PIM parameters for multi-panel surface movement observation, and reliable results can be obtained. The research provides a new way for back-analysis of PIM parameters for mining subsidence under complex conditions.     

一种求解QoS约束组播路由问题的遗传算法*

针对多维QoS约束的组播路由问题,提出了一种基于遗传算法的解决方案QCMRA-GA(GA of QoS Constraints Multicast Routing Algorithm).该算法对经典遗传算法的三大算子进行了重新设计,有效地克服了遗传算法的早熟现象.对染色体进行Prufer树型编码,可以避免回路的产生,并根据编码特性,进行基于叶子节点和Steiner节点的解空间压缩,提高了算法的收敛速度.实验表明QCMRA-GA的正确性和效率性.