遗传算法在汽轮机调速系统参数估计中的应用

汽车机液压调速系统是一复杂非线性系统,现有的参数估计算法存在不足之处。遗传算法寻优能力强,可以在该系统的参数估计中应用。通过２个仿算例,表明遗传算法的估计精度高于现有的算法,具有良好的应用前景。     

基于改进微粒群算法的非线性系统模型参数估计

将改进微粒群优化算法用于非线性系统模型参数估计,并通过对三种典型的非线性系统模型参数估计进行验证。实验结果表明:改进微粒群优化算法参数估计精度高,是一种有效的参数估计方法。     

基于多群体遗传算法的非线性最小二乘估计

由于非线性模型参数估计理论广泛使用的传统牛顿类算法对初值的敏感性,以及简单遗传算法易陷入局部最优的问题,提出了一种多群体遗传算法,它采用多个群体执行遗传算法搜索解,并且能根据各个群体在较少迭代次数中找到的最优解动态调整参数域,提高了遗传算法的性能及搜索到的解是全局最优解的可靠性.实验结果表明:新的算法是一种有效的非线性...     

利用遗传算法拟合实验变差函数

理论变差函数模型的获取是地质统计学中的基础性工作,它是描述储层非均质性、进行储层随机模拟必不可缺的关键环节。针对现有的拟合实验变差函数方法:人工拟合法、非线性回归最小二乘法、加权多项式拟合法等的不足之处,充分利用遗传算法在求解非线性优化问题时具有的全局寻优的特点,提出实验变差函数的遗传算法拟合方法;在常规遗传算法中引入了模拟退火算法,加速了遗传算法的收敛速度。以川中某气藏的孔隙度变差函数为例进行了计算,结果表明:利用遗传算法可以简单、快速地实现实验变差函数的参数估计。     

两种基于遗传算法的路面性能综合评价方法

分别采用遗传算法参数估计方法与遗传神经网络方法，并通过对实验数据进行的分析，建立了路面性能综合评价方法，在参数估计方法中，首先建立专家综合评价与道路实测数据之间的回归模型，通过对模型进行遗传算法参数优化，得到了相关度很高的结果。同时，还应用遗传神经建立主观综合评价和客观实测量数据之间的高度非线性关系，避免了BP网络的缺陷，结果表明，该模型具有很好的相关性，两种方法为路面管理系统路况分析，路面养护评价以及路面养护对策的排序提供了重要依据。     

带有未知参数的非线性系统递阶模型跟踪控制器的设计

从参数估计与最优控制双目标优化的观点出发,采用大系统中分解-协调的方法,给出了一种对非线性系统四级递阶模型跟踪控制的算法,并用于求解带未知参数的同步电机励磁控制问题。仿真结果表明,此算法计算简便、结构分明,能达到较好的参数估计精度,而且能使非线性对象很好地跟踪模型。     

遗传算法拟合变异函数的参数

 由于堆积体的空间变异特殊性,用加权多项式回归法进行球状模型的理论变异函数拟合误差很大,有时甚至无法拟合出变异函数.为解决这一问题,结合遗传算法原理,充分利用遗传算法在求解非线性问题时具有全局寻优的特点,拟合出球状模型的理论变异函数参数,并以小湾水电站左岸堆积体边坡的变形监测数据为例进行了计算.经过多方法对实例进行比较分析表明,该方法简便、通用,具有较高的拟合精度,是非线性、不连续可微模型参数估计的好方法.     

基于动态设计变量优化算法的非线性模型参数估计

为消除在传统非线性模型参数估计中由于线性化引起的模型误差,提出了一种基于动态设计变量优化的非线性模型参数估计算法·该算法以每个待估计的参数为设计变量,以与设计变量相关的误差函数为目标函数,并将参数约束条件构造在目标函数中,建立参数估计的最优化问题·针对圆形轨道倒立摆动力学模型进行参数估计,证明该算法具有很高的计算精度和较快的收敛速度,是解决非线性模型参数估计的有效方法之一·     

声音节目中非线性幅度失真的去除

本文介绍了声音节目中造成非线性幅度失真的原因及其去除方法,提出了信号产生模型和失真过程模型以及非线性系统在去失真过程中的应用,并给出了模型的参数估计的方法,最后给出了一个去失真过程的实例.     

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．     

非线性系统辨识的递推-迭代方法

所提出的辨识新方法,以递推最小二乘(RLS)参数估计与非线性规划(BFGS)为主体。其测量数据的部分新息由RLS利用,而另一部分新息则通过BFGS加以采用。通常RLS只能递推地得到“粗略的”参数估计值,而BFGS则迭代地精确化参数的估计值。该辨识算法用于线性系统时,可以提高参数估计值的精度,改善收敛性。另外,该算法中的非线性迭代最优化过程可以克服非线性效应,参数估计值的精度和收敛性可以得到改进,这已由数字仿真验证。     

基于遗传算法的河流水质模型参数估值系统

河流水质模型的参数最优化估值需要进行约束非线性规划的求解,遗传算法是一种高效的启发式随机搜索算法。将遗传算法应用于河流水质模型的参数估值问题的求解,开发了基于遗传算法的QUAL2E模型参数估值系统,并进行了算例验证,结果表明该系统具有较高的可靠性和搜索效率。     

Hammerstein模型非线性环节折线表示辨识方法研究

以单输入单输出非线性系统Ｈａｍｍｅｒｓｔｅｉｎ模型为对象，研究了一种基于非缄性环节折线近似表示的辨识方法，该法对三位式伪随机序列的构造辨识激励信号，可辨识出非线性静态环节参数和线性动态环节参数的一致估计值。     

基于模糊遗传优化支持向量机的系统辨识研究

在实际应用中支持向量机的参数选取问题一直没有得到很好地解决,限制了其应用。为了能够自动获取最优的支持向量机参数,提出了基于模糊遗传算法的SVM参数选择方法,用模糊逻辑在线调整遗传算法的交叉概率pc和变异概率pm,并采用基于模糊遗传优化的支持向量机回归和BP神经网络对非线性系统辨识问题进行了研究。仿真结果表明,在小样本情况下,支持向量机比神经网络具有更高的系统辨识精度和更好的泛化能力。     

水箱液位多变量系统辨识方法的比较

针对流程工业中广泛使用的多反应塔液位控制系统,以三水箱液位系统为例,利用伯努利流体力学原理,推导了液位系统的多变量非线性数学模型.采用线性化和离散化方法,获得系统的状态空间模型和传递矩阵模型,分析辨识该多输入多输出模型的遗忘梯度算法、子系统遗忘梯度算法和递阶遗忘梯度算法,并对这3种算法进行仿真比较.结果表明,递介遗忘梯度算法计算量最小,计算效率最高,但参数估计性能介于遗忘梯度算法和子系统遗忘梯度算法之间.     

SMU辅助建模系统的算法设计

在解决鲁棒辨识问题的新方法──采用集合元素不确定（ＳＭＵ）方式处理不确定因素的思想方法指导下，讨论了ＳＭＵ参数估计理论，采用中心及投影估计且使用不同的误差范数，设计了四种参数估计算法，并在计算机上实现了一个辅助建模系统，最后分别用这四种算法对一个案例进行辨识．     

基于混合递归算法优化的PID控制器

针对RBF神经网络PID控制器,使用递阶遗传算法和梯度下降法的混合算法来优化隐含层到输出层的权值、隐层节点的中心和核宽度.仿真显示,精度高,性能优于梯度下降法.     

滑动平均模型的最小二乘辨识方法比较研究

滑动平均模型辩识的困难是信息向量中存在不可测噪声项。借助于递阶辩识的交互估计理论,用估计残差代替信息向量中中不可测噪声项,借助于多新息辨识理论扩展新息长度和充分利用系统观测数据的思想,提出估计滑动平均模型参数的多新息递推最小二乘辨识方法和最小二乘迭代辨识方法。与常规递推增广最小二乘算法相比,提出的方法具有更快的收敛速度,能产生更高精度的参数估计。仿真例子验证了算法的性能。