基于遗传算法的配水系统优化浅析

基于遗传算法,针对新建管道已经开发出了低成本的设计并对现有给水管网进行再扩大设计.通过对几个案例的研究,已将此种方法的研究结果与非线性规划技术的应用程序进行比较,遗传算法会使得费用较低,控制非线性以及遗传算法解决方案收敛性的参数还有待讨论.该算法是基于试图保持遗传信息代代相传的优胜劣汰原则,具有丰富的人口数据库而且在搜索中可同时并联爬上多峰,因此,使之陷入局部最小值的概率显著降低.此外,对控制非线性以及遗传算法解决方案收敛性的参数还有待讨论.     

遗传算法的神经网络在交流调速中的应用

介绍了遗传算法与神经网络的组合方式及结构,并通过遗传算法神经网络的融合技术对交流调速锦绣控制,然后通过遗传算法对神经网络的参数进行集中优化,得到了被控制对象的一个最优控制器———神经网络控制器.说明了这种技术的可行性.仿真结果也表明了该控制器使得交流调速的性能得到了提高.     

一种基于遗传算法的多模型预测控制方案

针对时滞系统的特点,提出一种基于遗传算法的多模型预测控制方法.利用多个模型逼近整个被控对象的动态特性,针对每个子模型,设计相应的子控制器,通过加权的方式,将有限个控制量映射成最终的控制量;子控制器采用预测控制算法,利用遗传算法得到权值的全局最优解;比较该控制方案和PID控制在时滞系统中的应用效果.仿真结果表明：该算法不但克服了建模的不精确性和参数的时变性,使系统具有良好的控制性能,而且具有较强的鲁棒性.     

基于遗传算法的154T电动车牵引励磁PID控制器的设计

讨论了154T电动轮自卸车牵引励磁控制的基本问题;分析了传统PID控制器的不足和基于遗传算法PID控制器的优势;论述了遗传算法的原理、基本问题和实现步骤.研究了电动轮自卸车的牵引特性和牵引励磁控制系统的结构,根据设计,该系统被控对象可简化为二阶系统,而控制器采用基于遗传算法的PID控制.用MATLAB对PID参数整定进行了仿真,以考察利用遗传算法的进化能力优化PID的效果.仿真结果表明,经过遗传算法优化的PID控制器具有较高的精度和较强的适应性,能获得满意的控制效果.     

基于GMDH网络的电厂地下水取水自适应控制方法研究

对某火电厂的取水系统中的新水取用控制进行了研究.提出了使用GMDH网络控制深井泵的方法.设计了一个多层GMDH网络,该网络通过遗传算法原理产生新的下一层神经元.通过对该电厂一年的深水井泵运行记录的转化提取获得学习样本和测试集,将该训练数据陆续输入到神经网络,进而获得对深水井是否进行启动或者停止的信息.给出了网络决策与实...     

基于遗传算法的发动机自寻优模糊控制

针对汽车发动机参数具有离散性、非线性和不确定性,采用传统控制模型难以精确控制瞬态过程的过量空气系数和点火时刻的问题,提出了一种基于遗传算法的发动机自寻优模糊控制模型.设计了实现该控制模型的嵌入式控制器,讨论了实时在线仿真基础上,采用遗传算法对模糊控制参数的自动寻优.实验表明,发动机动力性和经济性指标取得到了明显提高,以及控制模型在降低燃油消耗方面具有明显的优势.     

一种改进的遗传算法及其在结构优化设计中的应用

通过对遗传算法的二进制编码和实数编码的机理分析,结合2种编码的优点,从工程结构优化实际问题出发,提出了一种可以任意控制离散度的改进实数编码遗传算法.该算法利用实际工程结构问题中对尺寸设计变量精度要求的放松,在编码过程中加上"隐约束",缩小了搜索空间,减少了结构重分析次数,提高了收敛速度.该算法的优点是可以根据实际问题的需要任意选择变量的精度.实例计算表明,该算法对复杂结构的优化设计是有效的.     

音圈电机驱动的柔性定位平台设计与控制

设计了一种二自由度柔性微定位平台,该平台主要由音圈电机和柔性铰链机构等组成.采用直角柔性铰链组成的双平行四杆机构对称安置,以实现平台的大行程和运动解耦,工作行程可达2,mm以上,定位精度可达纳米级.设计空间支撑机构保证其承载能力.对微定位平台进行了结构设计和承载能力等特性分析.考虑到该定位平台动态行为的特点,采用遗传算法优化的BP神经网络组合辨识方法对系统模型进行了辨识,克服了神经网络对复杂系统动态行为辨识存在的缺陷.基于神经网络PID复合逆控制方法对微定位平台进行控制,通过实验对辨识和控制方法进行了验证,结果表明遗传算法优化的神经网络辨识方法与神经网络PID复合逆控制方法适用于该音圈电机驱动的柔性微定位平台系统的实际应用.     

基于改进的自适应遗传算法HCGA的测试数据自动生成

针对软件测试数据的自动生成,提出了一种自适应遗传算法和爬山算法相结合的改进算法HCGA. 通过设计自适应交叉和变异算子,加强了遗传算法的前期全局搜索能力;在进化后期嵌入了爬山算法,提高了局部搜索能力. 实验结果表明,该算法在测试数据的自动生成上优于遗传算法,提高了效率.     

基于两层混合遗传算法的lT外包进度风险控制

针对IT(information technology)外包项目的两层进度风险控制优化问题,设计了两层混合遗传算法.该算法是在传统遗传算法中引入模拟退火和自适应机制,并结合优化问题的两层特点而设计的,能够克服传统遗传算法易于早熟、局部搜索能力较差的弱点.在算例分析中,首先分析了两层数学模型在IT外包项目进度风险控制中的管理意义,进而将两层混合遗传算法的仿真结果与两层粒子群优化算法和传统遗传算法的仿真结果进行比较,验证了改进算法的效率和有效性.