同步电机在线参数辨识的混合算法

根据输出误差法(OEM)、遗传算法和神经网络的优缺点,提出了一种同步电机参数在线辨识的四步法.由于OEM辨识参数需要较好的初值,文中首先用遗传算法在大范围内进行参数寻优,然后以此值作为OEM的初值进行迭代,再用OEM求得的结果训练人工神经网络,最后通过成功训练的神经网络在线辨识各种运行状态下的电机参数.这样使得传统的OEM参数辨识算法、遗传算法和神经网络在辨识参数方面充分地扬长避短,解决了单一算法的不足.在对一台111kVA、440V同步电机进行的仿真试验中,该方法在保证精度的前提下,辨识时间仅为0 008s.     

负荷建模参数辨识中综合改进遗传算法的应用

参数辨识是负荷建模的关键之一,针对遗传算法本身存在的缺陷,提出一种综合改进的遗传算法.该算法通过初始种群选择、最优个体保留、自适应交叉和变异率等方面进行综合设计,有效地避免了早熟和近亲繁殖,提高了收敛速度.建模实践表明,所提的综合改进遗传算法可加速收敛,缩短辨识时间,同时提高了拟合精度,克服了参数的分散性,是一种适合于负荷建模参数辨识的优化算法.     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

挖掘机器人动力学参数辨识研究

为了使挖掘机在作业速度和挖掘力上适应负载的特性,需要对挖掘机工作装置进行动力学分析.在采用拉格朗日方法确定了挖掘机器人工作装置动力学模型的情况下,动力学参数的精确辨识对实现实时控制显得尤为重要.利用遗传算法对参数辨识问题进行了探讨,给出了利用遗传算法对整个问题的求解设计思路,引入格雷码混合编码、可变精度的交叉和混合变异等思想,形成了改进的遗传算法.该算法收敛速度快,鲁棒性强,通过仿真和现场实验,验证了所提出的算法的有效性.     

改进型遗传算法及其应用研究

针对基本遗传算法较容易陷入局部最优点和迭代次数多的缺点,该文对选择、交叉及变异改进策略进行了分析,给出了改进型遗传算法,并与基本遗传算法在多峰函数优化中的应用进行了比较.结果发现,改进型遗传算法在遗传代数及收敛次数方面均有较大的改善.最后,给出了改进型遗传算法在电力电子器件模型参数辨识中的应用结果.     

一种无机械平衡调节器自行车机器人的惯性参数辨识

针对一种前轮驱动自行车机器人样机的惯性参数难以直接获得、控制器参数整定效率低和平衡控制效果差的问题,基于欠驱动力学特性对系统进行惯性参数辨识,并对辨识结果进行平衡控制试验验证.采用拉格朗日方法分析系统的力学机理,结果发现,其中包含有欠驱动子系统,若将该子系统进行变量分离,可以推导出系统的惯性参数辨识模型;根据惯性单元等传感器的实测信息,引入遗传算法对模型进行求解,辨识出了系统的惯性参数.样机试验结果表明,根据辨识出的惯性参数可以快速整定出控制器参数并实现样机在水平面上的稳定平衡行走,验证了辨识方法的有效性.     

遗传算法求解粘弹性反问题

建立粘弹性本构参数与准静态位移的显式关系 ,并由此给出了有限元形式的数值计算模型 .在遗传算法的实现过程中采取了一些新的措施 ,利用改进后遗传算法 ,提出粘弹性本构参数辨识的一般方法 ,进行了数值验证 ,并初步考虑了信息误差的影响 .     

甘油微生物间歇发酵过程的参数辨识

研究了甘油微生物间歇发酵过程的参数辨识问题.针对该问题,首先建立了以斜率误差准则为目标函数的参数辨识优化模型,然后应用B样条法估计实验数据的一阶导数,最后应用遗传算法求解该优化模型.计算结果表明本文方法是有效的.     

遗传算法在汽轮机调速系统参数辨识中的应用

分析了常规参数辨识方法在进行汽轮机调速系统参数辨识时存在的局限性,在对华阳后石电厂6号机组（600MW）汽轮机调速系统模型参数进行辨识时,采用了一种基于遗传算法的参数辨识方法,并利用Matlab及其Simulink工具箱予以实现．这种方法对现场试验条件的要求不高,试验时可以根据机组实际情况选择测点,并且可以较好解决非线性环节参数的辨识问题,比较适合于汽轮机调速系统的参数辨识．结果表明,辨识所得的模型参数能够满足电力系统分析对汽轮机调速系统模型准确度的要求．