一种磁流变弹性体执行器的联合优化方法研究

磁流变弹性体（magnetorheological elastomer, MRE）执行器作为智能减振应用系统的核心元件,其结构的优化是决定执行器性能上限及系统控制成效的关键。针对目前MRE执行器优化方法及理论研究欠缺的问题,文中面向一款横向隔振的MRE执行器,基于其机械结构和有效磁路,以优越磁控性能、低功耗和快速响应时间为优化目标,提出了一种新的MRE执行器联合参数优化方法。首先,基于MATLAB和COMSOL的联合仿真,将遗传优化算法和电磁有限元分析方法进行有效结合,实现对MRE执行器的优化编程;其次,完成对器件的全局尺寸结构优化设计,使得器件具备优越磁控性能（526.21 mT）、低功耗（44.05 W）及快速响应（5.43 ms）;最后,通过搭建测试系统对优化后装配的MRE执行器进行测试和评估,验证了文中优化方法的可行性和有效性。提出的联合优化方法不仅适用于MRE执行器结构,还可为多领域减/隔振应用的共性MRE器件优化设计提供理论参考。     

分层遗传算法在DC/DC变换器中的应用

DC／DC变换器为强非线性、时变及不确定系统．由于其自身的特点,使得DC／DC变换器的控制研究工作比较困难．文中提出一种用遗传算法优化的模糊控制器,控制DC／DC变换器．对传统的遗传算法进行改进．使之优化能力更好．由仿真和实际试验证明,经过改进的遗传算法优化的模糊控制器,对DC／DC变换器的控制效果更显著,动态特性和静态特性都得到进一步改善．同时说明所介绍的自适应遗传算法的寻优能力更好,收敛速度也更快．     

A Parallel Genetic Simulated Annealing Hybrid Algorithm for Task Scheduling

0 IntroductionGrid computingis a hot topic inthe current internet research,and a developing direction of the parallel and distributedprocess[1 ,2].Since the task scheduling in grid computing faces aNP-hard problem[3];it has drawn attention from many scholarsand become the focusinthe field of the current grid computing re-search.In recent years , two global random and opti mal algorithmhave been widelystudiedandappliedinthefield of the gridcompu-ting research: GA(Genetic Algorithm) and SA( …     

A novel approach of hybrid genetic optimization with elite ant colony: Application in the modulation recognition

A novel approach (HGO-EAC) for hybrid genetic op-timization (GO) with elite ant colony (EAC) is proposed for the automatic modulation recognition of communication signals,through which we improve the basic ant colony algorithms by referencing elite strategy and present a new fusion strategy for genetic optimization and elite ant colony. This approach is used to train the neural networks as the classifier for modulation. Simula-tion results indicate good performance on an additive white Gaus-sian noise (AWGN) channel,with recognition rate reaching to 70% especially for CW even at signal-to-noise ratios as low as 5 dB. This approach can achieve a high recognition rate for the typical modulations such as CW,4ASK,4FSK,BPSK,and QAM16. Test result shows that it has better performance than BP algorithm and basic ant colony algorithms by achieving faster training and stronger robustness.     

东海盆地第三系层序地层学初探

在前人研究成果基础上,运用沉积学、生物地层学、测井地层学及地震地层学,对东海盆地第三系进行了较系统的层序地层学研究,结果表明东海盆地第三系可划分为５个二级层序（层序组）和１２个三级层序以及若干次一级层序。在三级层序中,Ⅰ型层序７个,Ⅱ型层序５个,平均年限５．３Ｍａ,它们代表１２次三级周期海平面变化产物,其中最高海平面期为伊普雷斯晚期,最低海平面期为鲁珀利早期。根据有孔虫带和钙质超微化石组合,它们大致可与全球同期海平面旋回相对比。     

求最短路径问题的自适应路由遗传优化算法的设计与实现

从最短路径问题的研究背景、最短路径问题概述、求解最短路径问题的自适应路由遗传优化算法的设计及其实现等方面提出了一种新的求解最短路径问题的自适应路由遗传优化算法,实验仿真比较了该算法与Dijkstra算法的路由过程、算法的收敛性和执行的效率,结果初步证明该算法高效可行,尤其适合于大规模网络.     

含参数二阶差分方程多重解的存在性研究

利用Ricceri建立的三临界点定理,证明了一类含参数二阶差分方程至少存在三个解．随后,利用临界点理论,讨论了一类离散边值问题的多重解的存在性．     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于A适应遗传算法的无线传感网络节点布局优化

无线传感器网络的传感节点布局优化,直接关系到无线传感器网络覆盖率的提高。文中提出自适应遗传算法求解无线传感器网络覆盖率优化问题。自适应遗传算法的编码方式是传感器节点二维坐标的二进制表达式,交叉方式为字符串整体交叉,变异方式为位变异,交叉概率和变异概率根据个体适应度自动重构。仿真实验结果表明,自适应遗传算法有效解决了无线传感器网络节点布局优化问题。与传统遗传算法相比,本算法进化收敛速度快,网络覆盖率显著提高。     

基于遗传算法优化的机器人非奇异终端滑模控制

六自由度并联机器人是一个强耦合、高度非线性的系统,针对此特性研究了非奇异终端滑模控制方法,为改善其运动品质,结合指数趋近律的思想,给出了系统的控制律.利用李雅普诺夫（Lyapunov）理论验证了存在建模误差和外部干扰时六自由度并联机器人控制系统的稳定性,确保了控制系统的鲁棒性.为了进一步减少滑模控制的抖振,提高系统收敛速度和跟踪性能,采用了遗传算法来优化非奇异滑模面和控制律的参数.仿真结果表明：提出的控制策略参数优化后能使机器人的轨迹跟踪稳态误差趋近于零、系统调整时间短、驱动器控制律平滑,达到了高性能的位姿控制.