基于遗传算法的PFC控制电路电压环的优化设计

针对标准遗传算法易发生未成熟收敛和收敛速度过慢的缺陷,提出了遗传算法的改进策略.尝试应用改进的遗传算法优化设计PFC控制电路的控制参数,在控制电路小信号模型的基础上,分析电压控制环的主要作用,选择合适的适应度函数.     

基于改进自适应遗传算法的新安江模型参数率定研究

模型参数率定是提高水文模型模拟效果的重要手段，通过研究一种改进的自适应遗传算法（IAGA）对新安江模型参数进行优化率定，解决传统遗传算法初始种群质量不高、容易早熟收敛、局部搜索能力差等问题。该算法利用混沌变量遍历性特点，随机生成初始种群并选优，提高初始种群的个体质量；针对交叉与变异的进化过程，设计了反映种群离散程度的种群目标函数离散系数，利用该系数构建了自适应调整交叉与变异概率算子，防止遗传算法过早收敛；依托环形交叉算子，提高算法全局搜索能力；采用自适应非均匀变异算子，实时优化算法的局部搜索能力，避免陷入局部最优。将自适应遗传算法、传统遗传算法（GA）和自适应遗传算法（AGA）应用于秦淮河流域新安江模型的参数率定，并从率定的收敛性、耗时、稳定性和效果方面进行算法的性能比较，结果表明：IAGA算法具有更优的寻优能力，更好的收敛结果，更高的稳定性和精度，场次洪水的模拟效果优于GA算法和AGA算法，率定期与验证期确定性系数（R2）均在0.85以上，纳什效率系数（NSE）均在0.8以上，总体达到了水文预报的乙级标准。结果表明采用上述的综合手段改进传统遗传算法是可行的，改进后的IAGA算法具有良...     

柔性作业车间中机床与自动导引车在线调度方法

针对柔性作业车间中机床与自动导引车同时调度问题,提出了在线调度算法,将调度问题分解成机床选择和自动导引车调度两个子问题求解;首先针对机床选择子问题,根据问题规模分别采用穷举法和小生境遗传算法求解,目标是最小化机床最大负荷,平衡各机床负荷以及最小化搬运系统负荷;在小生境遗传算法设计过程中,采用邻域搜索以提高遗传算法的收敛速度;采用基于海明距离的小生境淘汰运算以保持种群多样性.然后针对自动导引车调度子问题,提出了一种启发式调度算法.为避免作业车间出现死锁,采用基于剩余容量的死锁避免规则.最后通过仿真实验验证了所提算法是可行的.     

免疫遗传算法的研究及其在节水灌

根据生物的免疫原理，将免疫算法中的抗体多样性的维持机制、记忆机制、促进抑制机制引入到遗传算法中，在标准遗传算法的基础上提出了加速实数编码的免疫遗传算法。研究表明，免疫遗传算法改进了基本遗传算法群体多样性差、搜索区间大和免疫算法容易陷入局部最优的平衡态，以及进化后期搜索停滞不前的性能，使其快速成熟的收敛同时又提高了局部寻优和全局寻优的搜索能力。针对黑龙江省半干旱地区水资源紧缺的问题，用免疫遗传算法进行水量优化分配，结果表明实码加速免疫速遗传算法有较好的实用性能与稳定性能。     

基于遗传算法的水电厂自动发电控

以遗传算法为基础，设计出一种新的水电厂自动发电控制，该算法将约束条件采用罚函数法，从而将机组避免在非运行区工作。仿真计算验证了该算法有效地解决了优化问题中对求解多约束的处理。程序设计简单，收敛速度快。实验证明多机组和大功率输出时，受ACC控制机组耗水量降低了1%-2%。     

车削中心转塔刀架布刀的GA优化方法

具有动力刀具的车削中心在中小批量生产的环境下,合理的布刀方案可以提高多工序工艺的加工效率。分析转塔刀架刀位与加工工序的关系以及相关的约束条件,基于工艺路线建立了加工一批多工序零件的布刀全局优化模型,提出了一种改进的多种群远亲杂交遗传算法来求解该优化模型。该算法可以加快收敛速度、避免因近亲联姻导致的收敛于局部最优。实践证明,这种改进的GA方法能够有效地解决车削中心转塔刀架的布刀优化。     

基于加速遗传算法的多孔变径管优化设计

将基于实数编码的加速遗传算法（RAGA）应用于多孔变径管优化设计中，解决了设计中多维参数寻优问题，避免了传统方法早熟、提前收敛以及易陷入局部最优等弊端。在固定管道式喷灌系统优化设计中应用，求解出多孔变径管的最优管径、管长等多维参数，效果较好，为该方面研究提供了一种新的优化求解方法。     

基于灾变遗传算法的惯性轮倒立摆LQR控制优化

针对传统LQR控制的加权矩阵选取麻烦和遗传算法未成熟收敛的问题,提出基于灾变遗传算法的LQR控制方法。以惯性轮倒立摆为被控对象,运用拉格朗日方程建立数学模型;基于遗传算法来优化目标函数从而确定加权矩阵,并引进灾变算子解决遗传算法的未成熟收敛问题。仿真结果表明,所设计的基于灾变遗传算法的优化LQR控制器可实现对惯性轮倒立摆的控制,其控制精度和系统性能都优于经普通遗传算法优化的线性二次型控制器。     

改进型遗传算法在农网无功优化中的应用

根据农村电网的特点,建立了综合考虑全年网损、电压质量和补偿设备投资的无功优化规划数学模型.应用自适应遗传算法改进了传统遗传算法的遗传算子和终止判据等,提出了一种配电网无功优化的改进型遗传算法,其收敛速度和求解精度均有提高.算法实例表明,改进遗传算法的优化效果优于传统遗传算法.     

模拟退火遗传算法在灌溉水量最优分配中的应用

建立了灌区多种作物间灌溉水量的最优分配问题的数学模型，并采用了一种混合式遗传算法——模拟退火遗传算法（SAGA）来求解。该算法不仅保证了全局收敛，而且提高了算法收敛速度和稳定性。应用于某灌区灌溉水量分配优化的实例，显示了该算法的优越性能，为农业水资源管理提供了一种新的思路和方法。     

我国农机总动力需求的模糊神经网络预测模型

利用模糊神经网络建立了具有时间序列对象的预测模型，提出了相应的模糊化方法，并对我国农机总动力需求进行了预测，预测结果和实际情况的有较好的一致性。     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

遗传神经网络算法在应用中的优化策略研究

通过分析废气的HC、CO、CO2和O2的含量,可以快速诊断发动机的常见故障。本文设计了神经网络诊断系统,通过融合分析废气含量、发动机转速、氧传感器及其它一些信息诊断发动机故障。本文设计的方法主要应用遗传算法的复制、交换、变异过程代替BP网络的反向传播过程,并对遗传算法进行了改进研究。实践证明这种基于遗传神经网络方法的故障诊断系统具有收敛速度快、推广性能强的特点,极大提高了发动机故障诊断系统的效率和准确性。     

基于RBF神经网络的农机企业顾客满意度测评研究

提出一种基于RBF神经网络的农机企业顾客满意度测评模型,它是一种典型的局部逼近神经网络,可快速完成对样本的学习与拟合,对于数据较多的情况非常适用。网络最终测评结果较BP神经网络更有效、更准确。实例证明该神经网络测评模型收敛速度快、预测精度高,为农机企业顾客满意度测评提供了实用的方法。     

RBF与GRNN神经网络模型在河流健康评价中的应用

利用层次分析法构建符合区域中小河流健康评价指标体系和分级标准,基于RBF与GRNN神经网络算法原理,分别构建RBF与GRNN神经网络算法的河流健康评价模型,采用内插法构造网络训练样本,将河流健康分级评价标准值作为“预测”样本进行“预测”,并将结果作为河流健康等级评价的划分依据,对文山州区域中小河流健康状况进行评价分析。结果表明：①RBF与GRNN神经网络模型对区域中小河流健康评价结果完全相同,与BP神经网络评价结果基本相同,表明研究建立的河流健康评价模型和评价方法均是合理可行的,同BP网络算法相比,RBF与GRNN神经网络模型有收敛速度快、预测精度高、不易陷入局部极小值等优点,且调整参数较少,只有一个SPREAD参数,可以更快地预测评价网络,具有较大的计算优势。②文山州区域主要河流健康评价等级为Ⅱ～Ⅲ级,即处于健康与亚健康之间,客观反映了区域中小河流健康状况,可为区域河流的可持续管理和生态环境建设提供参考依据。     

人工神经网络在预报土壤墒情中的应用

依据从2005年1～12月所采集的365组试验数据,建立了一个能够反映土壤墒情变化与气候因素之间关系的人工神经网络模型.模型共分输入层、隐含层和输出层3层.输入层的输入变量包括数据采集当天的10 cm、20 cm和40 cm深度的土壤含水量以及当天的日照时数,空气湿度,平均气温和降雨量.输出层的输出变量包括1天后的10 cm、20 cm和40 cm深度的土壤含水量.模型的学习因子为0.1,动量因子为0.05.模型经过25 000次训练后收敛,收敛误差为8×10 -4 ,这说明该模型能够很好的反映出输出量与输入量的关系,并能够准确预报出土壤水分信息.     

一种改善农电网电能质量的谐波检测算法

为了提高农村配电网的电能质量和抑制谐波污染,提出了一种应用于APF谐波检测的新的变步长自适应滤波算法。该算法通过当前误差变化值同稳态临界阈值相比较来确定滤波器权系数的更新方式。当误差变化超过稳态临界阈值时,使用步长因子与Sigmoid函数的关系来更新步长,以此来提高算法的初始收敛速度和动态响应速度;相反,步长因子由当前误差与上一步误差的自相关估计来决定,使步长因子只取决于真正的系统跟踪误差,提高了稳态精度。实验表明,该算法能够同时保证谐波检测较快的收敛速度、较高的稳态精度和动态跟踪效果。     

基于迁移学习的苹果树叶片病虫害识别方法研究*

为实现苹果树叶片病虫害快速且准确地识别与分类,研究基于迁移学习的多种神经网络模型,对比不同模型在苹果树叶片病虫害识别上的准确度。构建VGG16,ResNet50,Inception V3三种神经网络模型,利用从PlantVillage上获取的4种不同的苹果树叶片图片,分别为苹果黑星病叶片,苹果黑腐病叶片,苹果锈病叶片以及健康苹果叶片。按照8∶1∶1的比例将图片分为训练集,测试集和验证集对模型进行训练。在相同的试验条件下对比分析VGG16,ResNet50和Inception V3的试验结果。三种模型在使用迁移学习技术的情况下对苹果树叶片病虫害识别准确率分别达到97.67%,95.34%和100%。与不使用迁移学习的模型相比,使用迁移学习能够明显提升模型的收敛速度以及准确率,为常见的苹果树病虫害识别提供了新的方法。     

BP神经网络与GA-BP农作物需水量预测模型对比

农作物需水量预测是制定合理灌溉制度的重要依据.针对BP神经网络的不足,利用遗传算法(GA)具有全局搜索能力强的特点,建立基于GA-BP神经网络的农作物需水量预测模型.以广州辣木农庄试验田农作物作为研究对象,结果表明:基于BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.037和0.648;GA-BP神经网络农作物需水量预测模型测试集均方误差和确定性系数分别为0.013和0.882,GA-BP农作物需水量预测模型收敛速度、确定性系数和性能均优于BP农作物需水量预测模型.