基于神经网络的固体氧化物燃料电池电堆建模

针对现有的固体氧化物燃料电池(SOFC)模型过于复杂,难以满足工程上对SOFC系统实时控制设计的需要,提出了利用遗传算法(GA)优化径向基函数(RBF)神经网络实现对SOFC电堆建模。在建模过程中,利用遗传算法优化RBF神经网络的输出权值及高斯基函数的中心向量和基宽向量,采用优化后的参数作为网络初始值,然后利用梯度下降法对各参数进行调整。通过仿真对该建模的有效性和建模精度进行了检验。     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

基于双层模型的置信规则库参数与结构联合优化方法

作为置信规则库优化过程的两个重要方向,参数学习和结构学习共同影响着置信规则库的建模精度和复杂度.然而,现有的置信规则库优化方法大多只关注参数学习或结构学习某一方面的研究,无法有效平衡建模精度和复杂度这对相互影响的指标.为此,本文提出了置信规则库参数与结构联合优化方法.该方法基于赤池信息准则将建模精度和复杂度两方面信息纳入统一目标,建立置信规则库联合优化目标函数;然后,建立交集假设下的置信规则库双层优化模型并提出模型求解算法;进一步拓展前提假设条件,提出并集假设条件下的置信规则库规则激活方法和权重计算方法,并提出并集假设下的置信规则库双层优化模型以及相应的求解算法.经过参数与结构联合优化之后,得到置信规则库最优决策结构.文末,引入输油管道泄漏检测案例验证所提出方法的有效性.通过与已有研究相对比,结果表明并集假设下的置信规则库联合优化方法在提高建模精度和降低复杂度方面均具有良好表现.     

基于数列变换优化的灰色系统模型

提出了一种可对含负项数列建立灰色系统模型的变换方法,并利用Matlab对变换参数进行优化。针对变换函数的特点提出了一种简化变换参数优化的方法,使二维优化问题简化为一维优化,可显著减小优化计算量,同时可获得较高的模型精度,这样就可在处理含负项数列的同时获得较高的模型精度,拓展了GM模型的应用范围。具体算例验证了所提建模方法的有效性。     

雷达目标散射中心正向自动化建模方法研究与实现

为进一步优化散射中心参数化模型建模方法, 本文从目标的几何模型出发, 对复杂目标结构按几何面进行分区编号后, 进行散射中心模型的正向自动化建模。自动化方法主要实现了模型长度、位置等参数的自动推算。该方法实现了对目标散射来源、散射机理和散射中心模型参数的全自动判定, 提高了建模效率。首先对几何模型部件分解, 然后采用射线追踪与分集技术, 将目标散射场依照精度要求简化为部分射线贡献叠加, 并研究了散射中心模型参数的自动推算。最后本文计算了一系列散射中心参数化模型, 并与可靠数据对比, 验证了本文自动化建模方法的有效性。     

基于NCAGA-投影寻踪混合优化城市客运量预测

为了提高参数投影寻踪回归(parameter projection pursuit regression,PPPR)模型对城市客运量的预测精度, 基于cat映射、高斯分布和精英局部搜索对加速遗传算法进行改进. 提出了新的混沌加速遗传算法(new chaosaccelerating genetic algorithm, NCAGA),用于对PPPR模型的最佳投影方向α的优选.建立了在外层优化岭函数个数M的同时,内层利用NCAGA优化最佳投影方向a的NCAGA-PPPR混合优化城市客运量预测模型,结合某市统 计资料进行了仿真预测.结果表明该方法的预测精度优于BP神经网络模型、传统PPR模型和基于加速遗传优选的PPPR模型, 平均绝对相对误差小于3.1%,提高了城市客运量的预测精度,可有效应用于城市客运量的预测.     

v支持向量回归用于退化轨迹建模

针对小样本情形下的退化轨迹建模问题,为解决用ε-支持向量回归(ε-support vector regression,ε-SVR)建模时不敏感参数ε不易选择的难题,提出一种基于v支持向量回归(v-support vector regression,v-SVR)的退化轨迹建模方法,并用遗传算法优化模型参数以提高建模精度。参数v-与支持向量和错误样本点的个数有关,根据这一性质确定v的取值范围,并实现对支持向量或错误样本点个数的控制。对疲劳裂纹增长数据的实例分析表明,所提方法不仅便于确定参数,而且相对于以往文献的方法有更高的建模精度。     

多支持向量机融合建模的直线电机设计研究

主要研究多支持向量机融合建模方法,并使用差分进化算法对模型进行优化。以圆筒直线电机为研究对象,采用有限元法、正交实验设计与随机实验设计结合方法获得直线电机非参数建模的样本空间,建立直线电机的快速计算模型,并验证模型的精度和效率;采用差分进化算法对直线电机结构进行优化设计,并采用有限元模型验证优化结果的可靠性。为多支持向量机融合算法提供了实际验证。     

基于背景值和初值优化的灰色Verhulst建模方法与应用

针对灰色Verhulst模型的优化问题,提出从背景值和初值两个方面对灰色Verhulst模型进行优化,分别利用倒数变换和约束优化模型求解模型的背景值参数与初值参数,并给出基于背景值和初值优化的灰色Verhulst建模步骤,最后以案例验证了本文模型的有效性、适用性和优化效果。结果表明,利用背景值和初值的优化方法能够有效地提高Verhulst模型的模拟精度与预测精度。     

核参数遗传选优的SVM在直线电机建模中的应用

采用遗传算法对支持向量机的径向基核参数进行优化，找出了具有较强推广能力的径向基搬参教，进而建立了直线电机结构参教与输出性能关系模型，并对模型的有效性进行了验证，为直线电机建模探索了一种有效的方法。     

基于广义简约梯度算法的履带车辆模型参数修正

利用多体系统动力学软件RecurDyn建立了某型高速履带车辆的多刚体动力学模型。为提高模型的准确度,首先提出履带车辆动力学模型准确度静态和动态评价指标,使模型准确度量化;然后以模型主要参数为设计变量,以评价指标为响应进行归一化参数灵敏度分析,并根据分析结果确定模型修正参数;最后利用广义简约梯度优化算法分静态和动态两种工况对模型参数进行了修正。与实测值的对比结果表明,修正后履带车辆动力学模型的准确度明显提高,证明论文提出参数修正方法的可行性和有效性。该修正方法能够有效地提高履带车辆动力学模型的准确度和仿真结果的可信度,研究成果对履带车辆动力学建模与仿真工作具有重要的参考价值。     

弹载SAR系统参数优化设计方法

通过建立弹载合成孔径雷达(synthetic aperture radar, SAR)系统参数优化设计数学模型,提出了一种基于遗传算法(genetic algorithm, GA)的弹载SAR系统参数优化设计方法,解决了弹载SAR系统在确定弹道和多个系统指标非线性约束条件下的系统参数优化设计问题。该方法能够在满足系统指标(分辨率、幅宽、数据率、噪声等效后向散射系数等)要求的前提下,快速获取使图像性能最优的系统参数。同时,该方法还适用于方位向多波位模式的系统参数优化设计。基于典型工作参数的仿真实验验证了该方法的有效性。     

求解多星任务规划问题的演化学习型蚁群算法

任务规划在成像卫星指挥控制过程中起着非常关键的作用, 在成像卫星应用系统中处于神经中枢的地位. 提出了一种求解多星任务规划问题的演化学习型蚁群算法: 在参数绩效知识的指导下, 采用动态参数模型为下次迭代随机选择较为合理的参数组合; 从优化过程中不断地抽取构件知识, 采用构件知识指导人工蚂蚁在后续优化过程中构建可行方案. 在蚁群算法、动态参数决策模型和构件知识的共同作用下, 演化学习型蚁群算法的优化绩效得到了极大提高. 采用多星任务规划问题的21个测试实例进行实验, 结果表明演化学习型蚁群算法在优化性能方面优于其他两种方法.     

稀疏轨道信息下的非合作飞行器机动识别方法

在已知信息为稀疏轨道根数情况下, 针对非合作飞行器的机动参数识别问题进行了研究, 提出一种基于轨道反演的机动参数识别方法及相应的求解算法。首先, 建立轨道反演模型及机动参数识别优化模型。然后, 提出一种“全局寻优+局部修正”的双重优化算法。最后, 对提出的机动参数识别方法进行了仿真校验。结果显示, 双重优化方法能够有效求解本文的优化模型, 所提方法在误差允许范围内能够有效识别机动参数。研究为有限信息下的非合作飞行器的机动识别提供了一种思路, 一定程度上保障了空间飞行器的在轨安全。     

基于离散粒子群算法的研制费用优化模型

首先给出了武器装备研制费用和效能的期望值模型。通过Delphifa法确定期望值。提出了费用参数矩阵的概念,根据研制武器系统效能等设计值与期望值绝对差最小原则,建立了基于离散粒子群的费用参数优化模型,并进行了仿真实现。结果表明该方法可行,为武器装备研制的性能参数设计和费用优化提供了一种新方法。     

基于Simulink的液压起升机构仿真研究

探讨了基于Simulink平台的液压起升机构建模与仿真方法。利用Simulink的SimMechaics模块集建立了起升机构的机械模型,采用改进的节流流量模型,基于节点法建模思想建立了易于计算机求解的液压系统模型,根据液压、机械系统的参数关联关系将两个系统模型有机集成起来,得到较为完整的液压起竖机构仿真模型,并给出了仿真结果,对起升机构的性能分析和智能控制算法的应用研究具有实际意义。同时指出,该方法能够实现机械、液压、控制系统仿真模型的有机集成,对复杂机电液一体化系统的仿真与优化研究具有借鉴意义。     

模型参数不确定的多响应参数和容差并行设计

针对模型参数不确定性问题,提出了一种考虑质量损失和制造成本的多响应参数和容差并行设计策略。首先,根据模型参数不确定与设计变量容差,构建多响应的质量损失函数;其次,通过试验数据建立容差成本模型,进而构建参数和容差并行设计的优化目标函数;然后,根据多目标优化算法得到最优参数和容差的Pareto解集,并采用单因素多元方差分析进行容差配置;最后,通过实际案例分析表明,该方法不仅改善了模型的预测性和稳健性能,而且获得了质量损失与制造成本之间的最佳平衡点,与传统的方法相比,能够在显著降低总成本的同时提高产品质量。     

径向基代理模型中形状参数对精度的影响

代理模型方法是复杂系统优化设计的一种有效方法,讨论了以多二次函数为核函数的径向基（radial basis function, RBF）代理模型中形状参数h对精度的影响,在此基础上探讨了一种获得最优h值的方法。在该方法中,将RBF代理模型的标准均方根误差表达为形状参数h的函数,通过极小化该标准均方根误差,得到最优h值。在样本点给定的情况下,采用该最优h值所构造代理模型与采用其他h值所构造的代理模型相比,其精度更高。一维和二维数值算例验证了采用本方法确定h值的有效性,并应用该方法求解了战术导弹的气动外型优化设计问题。     

GM（1，1，β）灰微分方程的若干性质

针对灰色预测模型的适应范围和优化问题,首先根据灰色GM（1,1）模型参数是灰的、可调的原理,提出了GM（1,1,β）模型的内涵型和参数包形式,分析了模型的若干性质,然后给出了模型的优化算法. 研究结果表明,GM（1,1,β）灰微分方程模型参数α的客观取值范围为（-∞,+∞）,经典GM（1,1）模型参数α的客观取值范围为（-2,+2）;发展系数α的客观取值范围是由背景值系数β 决定的,而与原始数据无关;灰微分方程模型完全适合齐次指数数列. 最后,以我国城镇居民家庭人均可支配收入的数据为例验证了GM（1,1,β）灰微分方程模型的有效性.     

抽油机井生产过程仿真方法的研究

针对游梁式抽油机井的生产过程建立了以机械效率为目标函数对抽汲参数和下泵深度进行优化的数学模型，并以现场数据进行了仿真研究，结果表明，该模型对实际生产具有很好的指导作用。