加工误差建模与预报技术

针对柔性加工过程的特征,研究了基于遗传神经网络的加工误差在线建模预报的方案和关键技术。     

汽油机进气道参数化优化设计

针对汽油机进气道性能对缸内空气流动影响较大、传统经验优化主观性强且效率较低的问题,提出了一种基于气道局部变形及旋转的参数化优化方法。采用控制点对进气道局部变形及整体旋转进行控制从而实现进气道变形的参数化,并采用粒子图像测速对该模型进行了验证。对各控制变量及优化目标进行实验设计及贡献度分析,识别出对流量系数及滚流比贡献度较大的控制变量。以提高流量系数及滚流比为目标,采用第二代非劣排序遗传算法对识别的控制变量进行多目标优化,根据寻优结果得到性能最优的进气道几何模型。结果表明:优化后的进气道在滚流比基本不变的情况下,流量系数由0.490变为0.526,提升了7.35%,优化效果较好。所提方法能够一次性得到接近理论帕累托前沿的最优解集,并根据需求选择最优的进气道几何模型,实用性较强且效率较高。     

Intrusion detection using rough set classification

Recently machine learning-based intrusion detection approaches have been subjected to extensive researches because they can detect both misuse and anomaly. In this paper, rough set classification (RSC), a modern learning algorithm, is used to rank the features extracted for detecting intrusions and generate intrusion detection models. Feature ranking is a very critical step when building the model. RSC performs feature ranking before generating rules, and converts the feature ranking to minimal hitting set problem addressed by using genetic algorithm (GA). This is done in classical approaches using Support Vector Machine (SVM) by executing many iterations, each of which removes one useless feature. Compared with those methods, our method can avoid many iterations. In addition, a hybrid genetic algorithm is proposed to increase the convergence speed and decrease the training time of RSC. The models generated by RSC take the form of "IF-THEN" rules, which have the advantage of explication. Tests and comparison of RSC with SVM on DARPA benchmark data showed that for Probe and DoS attacks both RSC and SVM yielded highly accurate results (greater than 99% accuracy on testing set).     

《智能控制》课程教学改革探讨

本文根据智能控制课程的特点和大纲要求,探讨了智能控制课程的特点、难点以及教学目的,研究了一些旨在引导和提高学生学习积极性的具体教学改革措施。教学实践证明,这些措施不仅可以提高学生的学习兴趣和参与性,而且还提高了教学的效率和质量。     

基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

基于多目标规划的低空飞行服务站选址

为改变行政区域划设模式,实现大规模低空飞行服务站选址优化,通过分析完整的低空飞行服务流程,采用聚类方法描述低空飞行服务需求,确定了低空飞行服务站选址的基本准则和约束限制,建立了以服务成本最小化、服务响应时间最短、服务覆盖面积最大和重复覆盖最低的静态优化选址模型;采用"理想点"切入方式,设计了多目标遗传选址算法,搜索最优选址解集.最后,通过算例分析验证模型和算法的优化效果.结果表明:多目标规划更贴近低空飞行服务实际生产的要求,遗传算法更好协调了四个目标函数之间的关系,实现整体最优,且降低了求解的时间复杂度.     

基于遗传算法时滞系统的滤波器参数自调整内模控制

对于工业控制过程中的时滞系统,采用内模控制的设计方法,建立了滤波器参数λ的优化自整定;并且研究了利用十进制编码的遗传算法及其具体的遗传操作过程,实现了滤波器参数λ的优化自整定,从而避免了二进制编码所导致的影射误差.仿真结果表明,对于在控制过程中过程模型变化或过程模型与预估模型失配时,通过优化调整内模控制器的滤波器参数λ;可改善系统的控制品质,提高控制系统的鲁棒性,且易于工程实现.     

基于GA优化的VMD-SVM识别角度头故障特征

提出一种基于遗传算法优化的变分模态分解（variational mode decomposition,VMD）-支持向量机（support vector machine,SVM）方法来识别机床角度头故障特征。首先采用遗传算法对VMD算法的输入参数进行优化,将优化后的VMD算法用于振动信号的分解,得到各本征模态函数（IMF）后,求得对应的能量熵;然后通过SVM算法筛选出有效故障数据,再利用峭度和相关系数相结合的方法将其中的IMF筛选出来并重构信号;最后,对该信号作频谱分析,分析相关特征信息,识别并诊断出故障。根据仿真和实验结果,所提方法对于故障角度头的有效信号筛选正确率高,对于噪声抑制效果良好,特征提取快速有效,可用于机床故障诊断领域。     

神经网络的遗传繁殖策略

借助神经网络技术对遗传算法中的后代个体的繁殖进行了研究,介绍了基于神经网络的遗传繁殖新策略,探讨了基于神经网络的遗传繁殖策略的实现,对基于神经网络的繁殖策略还进行了初步实验.数值实验结果表明,提出的基于神经网络的遗传繁殖策略能产生优良的后代个体.     

自适应调整子种群个体数目的遗传算法及其应用

为了协调算法的勘探和开采能力,提出一种自适应调整子种群个体数目的遗传算法.该算法首先采用佳点集方法初始化种群以保证个体均匀分布在搜索空间中.基于个体的适应度将种群分为3个子种群,并分别采用不同的交叉和变异算子.在进化过程中,根据不同的搜索阶段自适应动态调整各子种群个体的数目.几个标准测试函数的实验结果表明该算法具有较好的寻优性能.将新算法应用到重油热解模型参数估计中,可以获得满意的结果.