新型船舶自适应舵机系统的研究

提出了采用模糊辩识器对船舶舵机离线辩识,使用遗传算法对辩识器进行参数寻优,并用ＢＢＰ算法对模糊神经网络控制器的有关权值在线调整以适应被控对象的参数变化。给出了遗传算法对控制器的参数优化方法。仿真结果证明了控制策略的有效性。     

同步电机参数的测量与辨识

现代电力系统的发展，对同步电机的各种动态性能计算不断提出的新的要求，而如何简单有效地测定同步电机参数则是动态计算的关键。本文研究了加权最小二乘参数辩识法在同步电机参数测量中的应用，通过处理抛载试验过程中的电枢电压和励磁电流，直接得到参数，针对参数辨识的收敛性和多值性问题，提出了一些有效的方法，如采用动态阻尼因子和动态增益矩阵，提高了参数辩识的精度和算法的稳定性。     

一种记忆元网络自适应控制方法

本文提出了一种神经网络自适应方法。该方法采用记忆元网络采用记忆元神经网络进行对象模型辩识,用单个神经元实现了自适应ＰＩＤ 控制器。被控对象输出误差经记忆元辩识网络反传后得到控制器的输出误差,以此修正控制器网络权值,由于记忆元网络无需引入延迟算子,能够逼近任意阶线性动态,保证了模型辩识的精度和误差返传的精度,神经元ＰＩＤ 控制器具有极为简单的结构与算法,保证了自适应控制的实时性,大量仿真结果表明该方法可以有效地应付非线性对象。     

基于RELS方法的控制系统参数和结构辩识仿真

给出了应用递推增广最小二乘法对控制系统参数和结构进行数字仿真辩识的方法和步骤,通过对三个实际模型参数及阶的辩识结果,验证了仿真方法的可行性．建出的辩识思想对系统辩识实验研究具有意义．     

N阶线性跟踪-微分器及其在电力系统相角预测中的应用

证明了一种N阶线性跟踪一微分器的收敛性。由于该线性跟踪一微分器的结构参数和跟踪性能对噪声和对象有一定的敏感度和依赖性，采用自适应遗传算法对三阶线性跟踪一微分器的结构参数进行了优化，以期获得较好的参数匹配，提高跟踪预测的精度和速度。将优化后的三阶线性跟踪一微分器用于电力系统参考相角预测研究中，仿真结果证明，优化后的三阶线性跟踪一微分器具有较好的跟踪性能和预测精度，满足电力系统相角预测的要求。     

灰色模型参数辨识的新方法

给出了数列累加和的计算公式的定义，由累加和的运算得到了灰色模型参数的辩识方法，通过实例计算，该方法具有较高的预测精度，为实际应用提供了切实可行的方法。     

基于Pair Copula函数的空间预测模型及其应用

对于空间数据的插值预测,大多采用传统的空间插值方法如反距离加权插值法和克里金插值法,这2种方法在边缘分布或存在异常值的情况下会导致预测精度相对较低;采用基于Copula理论的方法克服了这一问题。通过Pair-Copula函数描述了空间相依结构并利用MCMC方法(贝叶斯估计法)估计参数,讨论基于空间数据对未观测位置相关数据进行了空间插值预测;结合重庆市雾霾数据对该方法与反距离加权插值法、普通克里金和泛克里金插值法进行比较,结果发现基于Pair-Copula函数的空间预测模型具有更高的精度。     

基于全参数在线辨识的鲁棒自校正控制

受控系统中，模型结构参数（模型时延及模型阶次）和模型参数是自适应类控制的基础，采样这些参数，并即时送给控制器，是实现自适应控制的前提，也是优化该类算法的重要依据。笔者给出了对上述自适应控制的有关参数的在线辩识方法，并基于此，改进了经典的自适应类控制算法，算法中引入了对结构参数（模型阶次）的智能辩识方法和鲁棒极点配置原理，从而构成了鲁棒自校正控制，使算法得以进一步优化，整个控制方案给出了自适应类控制的新模式。     

青霉素发酵过程特点与控制对策

通过过程参数相关,模型化和在线辩识对青霉素发酵过程特点进行了研究,认为采用自适应控制可降低对模型精度的要求,是一个较为有效的控制方法。但对至今以人工经验为主的大多数发酵过程操作,模糊专家系统也是一种有效的控制方式。     

CSTR的非线性预测控制

对于像ＣＳＴＲ化学反应器的控制，由于其过程本身的严重非线性而变得十分困难，本文提出一种采用Ｈａｍｍｅｒｔｅｉｎ模型的预测控制方法来控制上述非线性过程。Ｈａｍｍｅｒｓｔｅｉｎ模型采用两种方法进行辩识，联立辩识法与序贯辩识法，本文特点地提出一种改进型Ｈａｍｍｅｒｔｅｉｎ模型，用于克服常规Ｈａｍｍｅｒｓｔｅｉｎ模型在控制器设计时的不足之处，对ＣＳＴＲ反应器之仿真结果表明，基于上述两种Ｈａｍｍｅｒｓｔｅｉ     

含约束条件遗传算法在连续催化重整优化操作中的应用

介绍了通过惩罚函数法解决含约束条件遗传算法的实现问题。分别采用内点法和外点法,将有约束优化问题转化为无约束的优化问题,再利用Matlab编制遗传算法程序。通过对连续催化重整优化操作过程仿真计算,证明该方法具有快速收敛且优化结果好的特点。     

基于遗传算法和概率神经网络提高脑机接口中脑电信号识别率

针对脑机接口（BCI）研究中存在脑电信号（EEG）识别率低的问题,提出一种基于遗传算法（GA）和概率神经网络（PNN）的GA—PNN识别方法．用该方法对EEG提取时频特征,构成模式识别的初始特征．以训练样本识别正确率为适应度函数,采用GA对初始特征进行组合优化．基于优选后的特征,用PNN对测试样本进行分类．该方法使EEG识别正确率达到92．499／5,与2003年BCI国际竞赛最好的处理结果（88．7％）相比,提高近4％,为BCI中EEG的识别提供了有效的手段．     

多工况多约束离散变量桁架拓扑优化的GA算法

采用遗传算法(ＧＡ)求解了多工况、多约束的拓扑优化问题,并对拓扑优化设计变量的遗传编码、约束处理及结构重分析减少等三个方面进行了改进·设计变量采用了额外基因表示法,更易获得最优拓扑结构·为减少结构重分析次数,引入了Ｓｔｅａｄｙｓｔａｔｅ遗传算法,并采用了新的约束处理方法,扩大了搜索空间·     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.     

遗传算法及其在遥感线性、非线性模型反演中的应用效果分析

分别以2类常见的遥感模型--线性光谱混合模型和GOMS模型为代表研究了遗传算法在遥感线性和非线性模型反演中的应用效果,并与逐步二次规划法等确定性搜索算法进行了比较.结果表明,遗传算法在线性遥感模型反演中的优势并不明显.而在非线性遥感模型反演中优于确定性搜索算法.这主要是因为对于线性模型来说,一般定义的代价函数为凸函数,大多优化算法可以收敛于全局最优解,相比较而言,遗传算法因其搜索效率低,故优势不明显.而在非线性模型反演中,代价函数的形式比较复杂,可能是非凸的,因此遗传算法的优势得以发挥,这也说明与一般确定性搜索算法相比,遗传算法具有更好的全局收敛性.     

利用混沌遗传算法的几何约束求解器

提出一种新的混合算法--变尺度混沌遗传算法(MS CGA), 该算法把遗传算法和混沌算法混合在一起, 在不改变GA搜索机制的同时, 根据搜索进 程, 不断缩小优化变量的搜索空间及调节系数, 引导种群进行新一轮进化, 从而产生更优的 最优个体, 改善了GA的性能, 有效地克服了GA存在的问题. 实验表明, 该方法用于几何约束 求解的性能明显高于标准遗传算法及其他混合遗传算法, 取得了令人满意的效果.     

离子抑制色谱法测定甘草酸

本文研究了离子抑制色谱测定甘草及甘草酸（ＧｌｙｅｙｒｒｈｉｉｃａｃｉｄＧＡ）粗品中ＧＡ含量的方法，选择色谱分离条件，讨论流动相组成对分离的影响，实验表明：该方法简便、快速。准确，可用于ＧＡ的快速测定。     

时间序列预测及在汇率市场中的应用

遗传编程(GP)和基因表达式编程(GEP)是在遗传算法的基础上发展而来的遗传算法的新分支,它在个体的表示、个体的处理和结果的形式等方面与传统遗传算法有着显著的区别和优势.本文针对汇率市场对象的特点,分别研究了用遗传算法,遗传编程,基因表达式编程进行预测,取得了满意的效果.     

基于附加隐性遗传效应遗传算法的约束优化问题研究

遗传算法是一种模拟生物进化论的自然选择和遗传学的基因遗传机理而发展出来的一种全局优化算法.本文作者提出附加隐性遗传效应遗传算法,通过具体算例,对基本遗传算法与附加隐性遗传效应遗传算法的优化结果进行比较分析,证明了附加隐性遗传效应遗传算法在求解优化领域的约束优化方面,表现出更好的算法性能.     

基于v-SVM和GA相结合的污水处理中的分类算法

污水处理过程(WWTP)中需要大量的电能.为了减少能耗,需要对污水处理过程中的操作状态进行分类,v-SVM是一种较有效的分类方法,核函数中参数的选择是v-SVM方法的关键,文章提出一种基于v-SVM和Genetic Algorithm相结合的分类算法,该算法利用GA对v-SVM中核函数所需参数进行优化计算,从而提高v-SVM数据分类算法的精度,实验数据表明该算法具有很高的效率,并且减少了差错率.