用遗传算法建立连续系统低阶近似模型的方法及其在电机控制的应用

基于高阶非线性系统的阶跃响应数据，用遗传算法寻找最优参数，直接得到便于工程设计和分析的低阶线性连续系统模型，首先讨论了遗传算法以及其改进方法，然后分析低阶系统参数变化的范围自动修改规则和建模方法，最后建立了交流电机调速系统的低阶近似模型。     

遗传算法的改进及其在电机全局优化中的应用

在描述遗传算法（ＧＡ）过程的基础上，指出了遗传算法所存在的缺点，并提出了改进措施．算例表明，按照文中提出的改进思路进行优化，效果是明显的，成本得到更进一步的下降，运算时间大为缩短．     

遗传算法在电机系列优化设计中的应用研究

电机的系列优化是一处复杂的有约束,非线性,混合离散多目标规划问题。文章在传统遗传算法的基础上,对算法进行了改进,使之适用于电机系列优化设计,并且把该算法应用于Ｙ系列电机的系列优化设计中,优化设计结果表明这种算法效果是比较理想的。     

遗传算法在建立大坝变形监控模型中的应用

在以逐步回归法初步建立回归模型的基础上，用改进的遗传算法对模型的回归系数进行重新评估，并建立新的大坝安全监控模型。以李家峡拱坝作为工程实例，对大坝实测变形资料进行了计算分析，证明此法的可行性。     

振动系统低阶H∞控制器的遗传算法优化设计

针对结构振动系统的高阶控制器实现刚难、可靠性低及成本较高的问题,提出了一种新的基于H∞控制和遗传算法优化的低阶控制器设计方法,采用LMI求解与遗传算法随机搜索相结合的方法来进行优化的策略,在一定条件下能方便地设计出理想阶数的控制器．通过仿真实例验证了方法的有效性．     

基于遗传算法的离散和连续系统辩识

阐述了遗传算法于离散和连续系统中直接辨识物理参数，该方法能有效地克服了色噪声的干扰，获得系统参数的无偏估计，对离散系统的辨识仿真结果说明了该方法的有效性。     

基于遗传算法的连续系统模型辨识

系统辨识是控制系统设计的基础,传统的系统辨识大都是对离散数学模型的参数估计,发展了以最小二乘法为基础的理论和方法．而连续模型则需经过离散模型的转换方可得到．作者基于遗传算法和系统仿真技术,建立了输出端噪声存在的连续系统模型辨识方法．遗传算法是建立在自然遗传学机理上的参数搜索方法,但常规的遗传算法具有收敛速度慢,因封闭竞争易导致“早熟”等缺点,为此,通过引入自适应适值函数和动态变异因子,采用精英保护策略,加速了寻优过程,改善了遗传算法的全局搜索及局部寻优能力,为连续系统模型辨识提供了新的途径．     

遗传算法在电力变压器和电机全局优化设计中的应用研究

根据遗传算法的基本理论，并结合电力变压器、电机优化设计的特点、对传统遗传算法的遗传操作提出了改进措施，研制了能够较好地解决混合离散变量优化的遗传算法，算例表明，该方法能有效地求得全局极小点或近似全局极小点。     

遗传算法在逆相馈电感应电机中的应用

直接转矩控制（ＤＴＣ）是工业应用感应电机的最简单的控制。它的关键部件是状态选择器。本文将讨论用神经网络来模拟通常的ＤＴＣ的状态选择器，并且用遗传算法训练该神经网络。然后用训练好的神经网络代替状态选择器，在同一台机器上进行了仿真比较，得到满意结果。另外，还粗略地试验了遗传算法中一些参数对算法性能的影响。     

遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法,该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计。仿真结果说明了该方法的有效性。     

电机调速系统中的滑模变结构控制器设计方法

基于系统的近似模型和性能指标,设计了滑模变结构控制器。采用开关线参数和控制参数自适应技术,减少抖动并提高鲁棒性,避免了控制信号过大而造成的系统性能下降。     

遗传算法在输电网中长期规划中的应用

本文中将遗传算法用于输电网中长期规划问题的研究,取得了令人满意的结果。     

混合遗传算法及应用

给出了几种典型的混合遗传算法和基本思想,并着重讨论了一种改进的混合遗传算法及其应用,表明了混合遗传算法可提高优化质量和搜索效率．     

交—直—交变频调速异步电动机设计的探讨

本文根据变频器输出电压波形非正弦的特点,分析谐波分量对电机磁路和电路的影响,导出所依据的设计原理与方法。通过建立电动机——变频器的系统数学模型,作为分析变频电源对电动机动态性能影响的基础。使设计参数既满足静态特性的要求,也兼顾到电动机在运行范围内具有较好的动态性能。     

采用遗传网络算法实现非线性系统的神经网络控制

提出一种对于非线性系统遗传算法的神经网络控制模型 ,并给出了新的神经网络训练模型 .该模型的主要优点是 ,优化网络连接权重 ,优化网络拓扑结构     

一种新型遗传算法及其在暴雨强度公式参数优化中的应用研究

提出了一种新的遗传算法,该方法不仅能加快普通遗传算法的收敛速度,而且能有效保证种群的多样性.将这种算法应用于暴雨强度公式参数的优化,实例计算表明,该算法是有效和可行的.     

一种连续探索型遗传算法的设计与应用

提出了一种连续探索型遗传算法，它不仅能提高简单遗传算法的收敛速度，而且能有效地保证种群的多样性，并在全局范围内搜索解空间，得到最优解。将算法应用于多峰值函数的优化，仿真表明了该算法的有效性和效率性。     

基因算法及其在最优搜索上的应用

本文对一种新的搜索算法——基因算法进行了基本研究。基因算法是对自然界生物进化的一种模仿,它包含三个基本的算子:再生、交叉和变异。本文对基因算法的过程作了描述,并对其参数设计进行了简单的定性分析。最后还将基因算法用于一维、二维和三维的函数寻优,给出了许多试验的结果。     

具有免疫体亲近性的遗传算法及其应用

遗传算法处理具有离散变量的优化问题及网络问题是比较有效的，但在此算法时，容易产生限于局部的最优解，本文根据生物体的免疫体具有亲近性的特征，改进了遗传算法，并应用改进后的算法，求解旅行商问题。     

一类多级库存模型及其算法研究

考虑了各级产品的不合格率,建立了面向装配的N级联合库存系统.对遗传算法进行改进,并用此算法对本文模型进行求解,并且通过数值实验验证了本文算法的有效性.