湿法冶金草酸钴粒度分布混合建模方法

由于缺乏有效的检验手段,无法实现湿法冶金合成过程草酸钴粒度分布的实时检测.提出了一种支持向量机(SVM)与合成过程动态机理模型相结合的混合建模方法,用以预报草酸钴的粒度分布.通过分析合成过程机理,利用粒数衡算、物料衡算关系建立动态机理模型;利用支持向量机来对不能用机理模型表现的合成过程的动态特性进行误差补偿.仿真分析验证了该方法相比于机理模型的有效性,将其应用到实际生产过程中,取得了满意的效果.     

插电式混合动力汽车能量管理策略多目标优化

能量管理策略与插电式混合动力汽车(plug-in hybrid electric vehicles,PHEV)的燃油消耗和尾气排放密切相关.在开发的PHEV能量管理策略基础上,建立整车仿真模型.利用自适应惯性因子对基本粒子群算法进行改进.为克服单一优化算法的固有缺陷,将改进粒子群算法和遗传算法组成混合优化算法,并将该混合算法应用于PHEV能量管理策略的多目标优化.优化结果表明,该算法能有效跳出局部最优,其寻优能力明显高于基本粒子群算法和遗传算法,优化后的PHEV油耗和尾气排放相对于优化前减少近30%.     

铝掺杂对草酸钴结构和形貌的影响

研究了铝的不同掺杂工艺和掺杂量对草酸钴结构和形貌的影响．通过工艺1可让纳米级铝化合物基本分布在草酸钴晶粒外面，而应用工艺2则让铝进入草酸钴晶格中．用费氏粒度仪测量样品的粒度；X射线衍射仪测晶型结构；扫描电镜观察形貌．结果表明，使用工艺1不会改变草酸钴的结构而应用工艺2只需掺入少量铝即可使草酸钴由α-晶型转变为β-晶型．随着草酸钴中铝掺杂量的增加，掺杂草酸钴的粒度增大，而草酸钴的外形轮廓不发生明显改变．     

遗传算法在预拌混凝土配送中的应用

针对预拌混凝土(RMC)配送的特点,建立了双目标RMC配送优化模型,并采用自适应遗传算法对该模型进行求解.在进化过程中采用了小生境技术保持群体多样性,并结合自适应遗传算法优化进化参数.另外,采用帕累托边界法为双目标提供多个方案,以便决策者可根据实际情况进行最终选择.     

基于优化的GA-BP及其在葡萄酒质量预测的应用

针对BP神经网络模型在输入时因随机产生的权值和阈值导致模型的训练精度不高、泛化能力不强的问题,提出一种基于自适应遗传算法优化BP神经网络的方法.遗传算法在寻优方面有很好的效果,采用遗传算法优化BP神经网络的权值和阈值来提高模型的训练效率,并对神经网络的学习率进行优化,建立GA-BP网络预测模型,用于葡萄酒质量预测.结果表明,对比于传统的BP神经网络,基于自适应遗传算法优化的BP神经网络的模型在精确度上更高,模型的泛化能力也更好,对于葡萄酒加工企业具有实际参考价值.     

超声粒度检测建模及其粒度分布反演计算

提出了在矿砂粒径尺寸级配情况下,不同粒径的筛下累积含量公式. 在分析超声衰减基本理论模型的基础上,将不同粒径的筛下累积含量集成到超声波衰减模型中,推导出超声波衰减与矿浆浓度、粒度之间的关系模型. 将所推导的模型结合实验和数据分析以确定超声波衰减与粒度分布的关系,且采用遗传算法反演计算获得矿浆中粒的粒度分布. 结果表明,反演的计算结果精度较高.     

需求不确定下的生物质物流系统的选址与路径问题

为有效解决在生物质资源开发和利用过程中物流系统成本较高等问题，通过研究需求不确定性对生物质物流系统选址与路径问题的影响，提出生物质物流系统选址与路径的鲁棒优化模型。使用混合整数非线性规划对该问题进行数学描述，再根据强对偶理论将非线性模型转化为等价的线性鲁棒优化模型。利用CPLEX软件进行数值计算和分析，结果表明：需求不确定性会对生物质物流系统的最优决策产生影响。基于该模型的特殊性开发相关的自适应遗传算法，通过算法自适应机制避免陷入问题的局部最优情况，从而更精确地接近问题的最优解，最后通过大型算例验证所提出的自适应遗传算法相比于传统的遗传算法具有更加良好的性能。     

基于自适应遗传算法优化的BP神经网络股票价格预测

股票价格是一种具有较强随机性的数据,不仅受到买卖双方的影响,而且与国内外政策因素有关.为了提高精度,采用BP神经网络与遗传算法结合的方法进行研究.针对BP神经网络初始权值随机、遗传算法易陷入局部优化等问题,给出了一种基于自适应遗传算法优化的BP神经网络股票价格预测模型,该模型通过自适应遗传算法对BP神经网络初始权值进行优化,从而对股票价格进行预测分析.实验仿真结果表明该模型可以获得较高的预测精度和较快的收敛速度.     

高维多模态免疫遗传算法及其性能比较研究

随着优化方法在各领域的广泛应用,对优化技术的要求越来越高,为此,基于免疫系统抗体的自适应、自组织等学习机制,提出一种免疫遗传算法用于高维多模态优化问题求解.算法设计中亲和力随抗体群动态自适应学习,采取高斯突变及混合交叉等策略增强群体的多样性,提高算法的搜索和探测能力.将其与遗传算法及克隆选择算法通过数值实验比较,结果表明:所获的算法收敛速度快,勘测能力强,优越于其他比较的优化算法,具有较强的优化能力.     

基于遗传算法的BP网络及其非线性逼近能力研究

提出了一种基于遗传算法(GA)的BP神经网络模型优化方案,指出了遗传算法和标准BP算法各自的优缺点。首先采用自适应交叉概率的遗传算法优化网络的权值,在进化结束时,能够寻到全局最优点附近的点。在遗传算法搜索结果的基础上,利用局部寻优能力较强的梯度下降法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真表明与单一的梯度下降法比较,混合优化算法的收敛速度快,逼近的效果好,因而所给出的算法可行有效。     

基于实数编码遗传算法的发酵过程优化控制

针对谷氨酸发酵过程的复杂性,利用人工神经元网络建立了谷氨酸发酵过程的动态数学模型,并利用实数制编码的遗传算法,采用过程整体优化的思路,以发酵过程中糖转化为谷氨酸的转化率为优化目标对发酵过程的多个操作变量同时进行优化,得到各个操作变量的最优控制轨迹.考虑到发酵过程中流加操作的重要性,将流加操作开始和结束的时间作为控制变量进行了优化.与产酸率为优化目标的仿真结果比较表明,该方法使发酵过程转化率有很大提高,且产酸率也接近于后者的最优产酸率.     

改进的预测控制算法用于加热炉支管温度控制

加热炉支管温度平衡系统是一个多变量、非线性、强耦合的复杂过程,当应用传统预测控制方法时,控制量的获得需要在线求解一个多变量、多约束的非线性规划问题,传统非线性规划方法求解该类问题时易收敛到非法解或局部极小。针对上述问题提出一种基于差分进化(differential evolution,DE)算法的预测控制,使用DE算法在线求解涉及的优化问题获得控制量。为了验证方法的有效性,对基于DE算法的预测控制器进行了仿真研究。仿真结果表明,所提出的方法有着很好的跟踪性能,并且对干扰有较强的鲁棒性,提高了系统的控制效果。     

基于自适应遗传算法的无人机轨迹优化

针对目前无人机爬升轨迹优化算法存在的收敛速度慢、容易陷入局部最优解等问题,提出了一种基于自适应遗传算法的爬升轨迹优化方法。首先,结合无人机爬升阶段的运动方程和性能指标给出爬升段轨迹的优化模型。其次,为提高染色体的多样性和算法的收敛速度,对自适应遗传算法做了相应改进,使其更适合用于爬升轨迹的优化。最后,根据无人机爬升段轨迹特点,给出具体优化步骤,并对某型无人机爬升段轨迹做了优化仿真验证,结果表明所提出的方法能够在一定程度上节省运营成本。     

基于自适应遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用自适应遗传算法对PID控制进行参数寻优,并将结果与常用的PID参数寻优方法进行比较,仿真实验结果表明,在PID参数的寻优问题中,自适应遗传算法采用自动改变变异概率的方法,提高了控制系统的自适应性。     

基于混沌蚁群算法的连铸二冷参数多准则优化

针对连铸二冷配水参数设置这一多准则优化问题,提出了基于混沌蚁群算法和二维凝固传热数学模型的二冷参数优化方法.采用控制容积法建立的凝固传热模型主要用于连铸过程仿真,研究铸流表面温度分布和参数搜索空间特性.混沌蚁群算法用于解决二冷参数优化问题,具有蚂蚁觅食过程的混沌和自组织特性,克服了一般蚁群算法收敛速度比较慢、容易出现停滞以及全局搜索能力较低的缺点,对解决多准则优化具有较好的收敛性和鲁棒性.应用此方法进行实际铸机二冷参数优化,结果表明可以明显改进铸坯内部质量.     

动态氢气系统的静态分割综合与系统优化

针对炼厂生产工艺参数波动导致的氢气系统动态变化,提出基于氢气系统运行的历史数据进行静态分割综合的优化方法(static partitioning synthesis method,SPSM),建立了以总年度费用最小为目标的数学规划模型。考虑了系统中氢源的氢量和纯度的变化、氢阱需求氢量及氢气纯度范围、氢气压力波动和压缩机选型等因素对动态氢气系统优化的影响。以某炼厂的氢气系统为实例分析阐明了SPSM方法的可行性,并与传统的稳态优化方法进行了对比。SPSM方法考虑了工艺系统参数的波动,优化后导致氢气网络结构趋于复杂。氢气系统结构的复杂性使得氢气系统可适应参数波动,具有较宽的操作窗口。     

功率谱估计在扫描隧道显微术中的应用

扫描隧道显微镜(简称STM)所采集到的隧道电流信号,不仅包含着表征样品的表面形貌和分子结构的有效信号,而且还隐含着整个扫描隧道显微系统的动态特性.针对STM采集的信号,运用短时傅立叶变换对其波形数据进行功率谱密度估计,对信号在频率域中的特征向量加以提取.结果表明:基于谱空间的特征向量,准确地分辨出了工频在信号中的干扰,也能有效地解释和分析STM系统的动态特性,进而认为存在一小阻尼系统对信号施以影响;此外,分析的结果可以为STM扫描过程的控制,诊断以及扫描图像的重建和解释提供有力的理论指导.     

一种基于Wiener模型的非线性预测控制

提出了一种基于Wiener模型的非线性预测控制方法.通过引入非线性部分的广义回归网络逆模型,将非线性预测控制转化为线性预测控制,用线性优化算法解决非线性预测控制问题,避免了复杂的非线性优化.仿真实验表明了该方法的有效性.     

基于特殊二进制编码的自学习模糊遗传算法

为了提高自适应遗传算法(AGA:Adaptive Genetic Algorithm)的鲁棒性,并使之更有效地求解属于NP难类型的组合优化问题,提出了一种自学习模糊自适应遗传算法.该混合算法利用一个特殊二进编码标准GA在线学习AGA运行特性;通过强化学习方式自动设计和调整模糊知识系统,基于GA的自学习模糊技术可以获取AGA所需的优化模糊系统.仿真试验演示了采用所提出自动化方式设计的动态参数AGA系统及其自学习结果.试验结果表明,该算法可以用于解决类似于旅行商问题的组合优化问题.