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.     

GA-BP算法在系统辨识中的应用

本文针对BP算法和遗传算法(GA)在系统辨识应用中的不足,提出了基于GA和BP算法相结合的混合(GA-BP)算法.该算法充分利用了遗传算法和BP算法各自具有的优点,在系统辨识研究中取得了良好的效果.仿真实验表明该混合算法是实用且有效的.     

遗传算法在参数辨识中的应用进展

系统地讨论遗传算法在参数辨识中的应用.总结了简单遗传算法用于参数辨识的步骤,指出其可能出现的问题,并综述国内外学者在编码、适应值函数和遗传算子等方面所作的改进以及将遗传算法与其他方法结合所产生的新算法.最后指出了遗传算法存在的局限性.     

遗传算法在结构振动控制中的应用

对遗传算法(GA)在建筑结构系统辨识、振动控制算法、结构振动控制作动器优化布置和作动器参数优化等研究方向的应用进行了较全面研究和计算机仿真分析.结果表明,遗传算法是一种高效的搜索计算和优化计算方法,这一算法非常适合处理结构振动控制领域中的诸多复杂优化问题,能够精确地识别复杂结构系统的动态响应,实现结构振动控制系统的优化设置.     

遗传神经网络及其在非线性系统辨识中的应用

介绍了浮点遗传算法的原理及其在神经网络权值和阈值优化计算中的应用,提出了用遗传神经网络对非线性系统进行系统辨识的构思。     

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.     

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性     

基于仿生进化的自动控制系统

介绍了基于仿生进化的优化理论与技术：遗传算法,进化规划和进化策略;概述了遗传算法中的编码机制,适应度函数的建立以及三种基因操作（选种,交配和突变）;叙述了遗传算法在模糊控制、自适应控制、神经网络控制、最优控制、多变量控制以及相关技术（系统辨识,故障诊断,机器人学习）中的应用;还简述了进化规划和进化策略的机理及其在自动控制中的应用。     

大变异遗传算法在非线性系统参数估计中的应用

针对传统非线性系统模型参数估计方法的局限性及基本遗传算法存在的"早熟收敛"问题,本文提出了基于大变异操作的改进遗传算法来进行非线性系统参数的辨识,并将其应用到活性污泥动态模型的参数估计中,取得了较好的效果.     

基于GA-BP算法的神经网络非线性系统辨识与仿真

本文根据神经网络在非线性函数中的逼近能力,发挥遗传算法(GA)全局寻优和BP算法局部收敛结合的优势,将GA-BP算法应用于神经网络,完成系统的非线性辨识功能.仿真结果表明:基于GA-BP算法的神经网络具有良好的非线性逼近能力和泛化能力,具有较高的系统辨识精度.     

蚁群算法的研究现状和应用及蚂蚁智能体的硬件实现

概要地对近年来引起广泛兴趣的蚁群算法的研究现状进行了考察，简要地介绍了几种修正的蚁群算法，如蚁群系统（ACS）、最大最小蚁群系统（MMAS），具有变异特征的蚁群算法，与遗传算法相结合的蚁群算法等；大致介绍了几种蚂蚁智能体的硬件实现，并且以蚁群算法在电力系统中的几个应用为例，考察了它在实际应用问题相结合时的一些情况。     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。     

简单遗传算法的一种改进算法

针对简单遗传算法收敛速度慢的问题,结合复合形法,提出了一种改进算法并将其应用于系统辨识,仿真结果表明,改进后的算法具有收敛快,精度高的优点。     

Resetting AUDI Algorithm Used in Rapid Time-varying MIMO System Identification

Augmented UD identification (AUDI) technique is derived from the traditional recursive leastsquares (RLS) algorithm and has been developed rapidly during the last decade. AUDI is a cluster of identification algorithms based on matrix factorization methods (such as QR and LDL) and thus shows its stable performance in system identification applications. An AUDI algorithm with resetting strategy (RAUDI) has much ability in rapid time-varying SISO system identification. In this paper, an endeavor to expand the RAUDI in MIMO system identification is made and a comparative experiement is done to exhibit its good ability in rapidly changing parameter estimate in MIMO system.     

多变量模糊预测控制在板形板厚综合系统中的应用

针对板形板厚综合系统,提出一种基于遗传算法的多变量模糊预测控制新方法,该方法通过模糊预测来建立多变量系统的模糊模型,给出了辨识参数。同时,利用遗传算法优化控制,仿真结果表明该方法是有效的。     

基于遗传算法的动态模糊模型辨识非线性系统方法

针对复杂的动态系统,提出了一种基于遗传算法的模糊模型辨识方法,给出了学习模糊规则的新算法,探讨模糊推理方法和遗传学习算法用于非线性系统建模的问题,仿真结果证明了该算法的有效性。     

消息摘要算法在Java Web系统中的应用

随着Java Web的广泛应用,系统中的信息安全性也显得越来越重要。原来单纯的用户名和口令鉴别用户身份及授权使用等方式已经难以保证信息安全,采取其它更为保险的方法已势在必行。其中,消息摘要算法就是一种比较有效的方法。据此,本文详细介绍消息摘要算法在Java Web系统的使用,以进一步提高系统的安全性。     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

基于最大峰度准则和遗传算法的盲辨识与盲均衡

根据最大峰度准则设计了一种针对线性系统的盲辩识与盲均衡算法。该算法在对系统参数进行估计的同时，用求逆滤波器的方法估计均衡器系数，并利用最大峰度准则不断调整系统参数的估计值，使其逼近实际值。由于采用了高阶累积量，算法对高斯噪声有较好的抑制能力。针对传统梯度搜索方法容易陷入局部收敛问题，又提出利用实数编码的遗传算法对准则函数进行最优化搜索。仿真实验表明，本算法具有快速收敛性能和高精确度等优点，能够大大提高均衡后的输出信噪比。