根系吸水模型参数的混合遗传算法估算方

构建了遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法,用于求解根系吸水模型参数。分别进行数值试验和棉花根系吸水试验对混合遗传算法求解精度进行验证。数值试验表明,采用混合遗传算法优化求解根系吸水模型参数的优化值具有较高的精度,含水率资料的时间步长和空间步长对根系吸水模型参数的优化精度有较大影响,在实际中时间步长可取值5～10d,空间步长取值5～10cm。对室内棉花根系吸水进行模拟分析,结果表明混合遗传算法求解的根系吸水模型可以很好地模拟根系吸水。该方法可用于求解根系吸水参数。     

根系吸水模型参数的混合遗传算法估算方法

构建了遗传算法与Levenberg-Marquardt算法相结合的混合遗传算法,用于求解根系吸水模型参数.分别进行数值试验和棉花根系吸水试验对混合遗传算法求解精度进行验证.数值试验表明,采用混合遗传算法优化求解根系吸水模型参数的优化值具有较高的精度,含水率资料的时间步长和空间步长对根系吸水模型参数的优化精度有较大影响,在实际中时间步长可取值5～10 d,空间步长取值5～10 cm.对室内棉花根系吸水进行模拟分析,结果表明混合遗传算法求解的根系吸水模型可以很好地模拟根系吸水.该方法可用于求解根系吸水参数.     

混合遗传算法在弹箭气动参数优化的应用

弹箭气动参数是影响弹箭飞行运动的重要因素,因此获取准确的弹箭气动参数对弹箭的研制极为重要。在射击实验之后,弹箭参数的辨识实际上就是一个参数优化的过程,但是传统的优化方法在弹箭气动参数优化过程中,很容易陷入局部最优解,而无法准确得出参数,同时遗传算法具有很好的全局优化能力,但是在局部寻优上很慢,因此将二者相结合形成的混合遗传算法来进行弹箭参数优化,效果比单一算法好。     

柔性凸轮曲线的NURBS表达与多目标遗传算法优化

NURBS曲线通过调整节点矢量、控制顶点位置和权因子能够优化曲线形状,因此利用NURBS曲线可以构造柔性的凸轮曲线.为了同时满足凸轮机构的运动学和动力学性能,建立了凸轮曲线的多目标优化模型,并提出一种集成精英保留策略、目标达到法选择策略和快速非支配排序算法的混合遗传算法,求解凸轮曲线的多目标优化模型.优化实例表明,该混合遗传算法可以有效解决多目标优化问题,获得综合特性良好的凸轮曲线.     

土壤水分特征曲线几种标定的对比分析

土壤水分特征曲线的标定是土壤水的能量和数量关系在不同尺度间转换的方法,也是植被生态需水机理研究的重要组成部分。通过对传统的迭代法、一次法和建立的2种混合遗传算法进行比较,标定的结果表明,多项式遗传算法能综合考虑2种方差的影响,并能给出一致性的标定结果,这种经验式混合遗传算法对传统的标定算法进行了改进。     

基于PSO-BPNN和多目标优化的混凝土坝参数反演

基于监测数据的混凝土坝参数反演能够为评估大坝安全性态提供重要信息。传统的参数反演方法通常采用加权求和法以简化基于多种类型监测数据构建的多个目标函数，并结合单目标优化算法求解。由于权值的确定具有主观性以及单目标优化算法在实际应用中存在局限性，可能导致反演结果出现较大偏差。因此，考虑多种类型的监测数据以构建不同的目标函数，结合NSGA-Ⅱ算法搜寻Pareto最优解集，提出了一种基于PSO-BPNN模型和多目标优化的混凝土坝参数反演方法。研究成果依托于GD重力坝工程，并与传统参数反演方法进行了对比分析。应用表明，该方法对于混凝土坝参数反演更为合理和准确。     

混合遗传神经网络在边坡稳定性评

将改进的遗传算法与BP神经网络相结合，分析了边坡稳定性的影响因素，建立边破稳定性评价的神经网络模型。分别用改进的遗传算法和自适应BP算法对网络权值进行全局优化和局部二次优化。选用边坡实例对网络进行训练检验，结果表明，混合遗传神经网络提高了训练速度和泛化能力，对边坡稳定性分析有较好的适用性，为边坡稳定性评价提供了依据。     

基于混合遗传算法与小波神经网络的电机转子断条故障诊断方法

首先根据内积最大准则,借助于混合遗传算法的优秀的全局搜索性能,准确地估计定子电流中的工频分量的参数,并将其去除,以防止工频分量淹没故障特征分量。其次,运用最优小波包方法分解已经去除工频分量部分的定子电流信号,将其中规律最强的节点能量作为神经网络的输入量。第三,采用混合遗传算法处理神经网络参数,形成了新方法:改进的神经网络方法。最后通过对一台感应电机的正常、一根断条和两根断条的情况进行了实验,验证了提出的方法的有效性。     

农业机械作业大数据清洗方法与试验优化

针对农业机械大数据平台中,已有数据清洗算法不适用于大规模、多源异构、高维度和强时空相关实时数据的问题,分析了复杂田间环境下农机作业数据异常来源及特征,研究了异常数据检测及修正技术,提出一种基于滑动窗口机制的农机作业数据在线清洗方法。该方法基于方差约束原则识别异常数据,基于最小变动原则生成候选修正数据,基于数据时间相关性通过AR、ARX模型迭代优化得到最终修复值,依托Flink分布式计算平台,从而适应农机数据吞吐量大、并发度高的特点。基于某省农机作业数据对算法进行了有效性验证,结果表明,在数据规模达到1×105条、数据异常率为5%的情况下,算法异常识别率达到0.94,且与已有清洗算法相比均方根误差更小。基于Box-Behnken方法设计试验,通过响应面分析得到回归模型,分析算法参数对均方根误差和运行时间的影响。基于二进制编码的混合遗传算法对参数进行优化,优化后的参数组合可使算法均方根误差达到0.16、运行时间达到0.13s。该数据清洗方法能够为农机大数据平台的实时处理提供高质量数据支撑。     

基于蚁群算法的含水层参数识别方法

含水层参数的确定,是进行地下水资源科学管理的基础和关键。针对传统一些求参方法的缺点,提出了基于蚁群算法的含水层参数识别方法,并给出了实施该方法的具体步骤。以无界承压含水层井流模型为例,讨论了蚁群算法在含水层参数反演中的应用。实例分析结果表明,蚁群算法在确定含水层参数的优化问题中不仅可行,而且具有求解精度高和鲁棒性强等特点,显示了蚁群算法在水科学优化问题中的应用前景。     

基于混合遗传算法的谐波齿轮传动优化设计

以谐波齿轮传动体积最小为优化设计目标,建立了混合离散变量优化设计数学模型。引入混沌移民算子,对基本遗传算法进行了改进,以维持群体的多样性,提高全局收敛能力。提出了一种设计变量的离散化处理方法,结合染色体编码的修正技术,在遗传算法中染色体按离散化后的设计变量进行离散搜索。开发了混合离散变量优化的改进遗传算法程序,给出了谐波齿轮传动的混合离散变量优化设计实例,所得优化设计参数符合设计规范,不需进一步处理就可直接用于制造。     

人工神经网络的混合算法在发动机故障诊断中的应用

提出一种基于混合神经网络的发动机振动故障诊断方法,即迭代前期采用BP算法而迭代后期采用梯度优化法进行计算。通过BP算法和混合算法对相同算例网络权值和阈值的计算,验证所提出的混合算法的有效性和实用性。     

基于粒子群遗传算法的配电网络重构

配电网络重构是配电自动化的重要组成部分,也是优化网络、降低有功损耗的重要手段。针对单一算法求解问题的局限性,提出一种多目标优化模型,并结合遗传算法的进化思想和粒子群算法的记忆性提出粒子群遗传算法,同时引入混合编码策略,通过线性权重法获得目标的搜索方向。通过对IEEE69节点测试系统进行计算和分析,验证算法在求解配电网重构中的有效性和可行性。     

基于混合粒子群算法的拖拉机制动器优化设计

在拖拉机制动器的设计过程中,为尽量降低制动器的温升,应使制动器的重量越轻越好。影响制动性能和制动器质量的参数较多,采用传统设计计算方法很难找到最优解。本文在建立制动器的优化数学模型的基础上,对约束问题用外点法处理,结合二阶粒子群优化算法,形成一种混合粒子群算法。利用MATLAB编制相应程序,对拖拉机制动器进行优化设计。比较计算结果,该种混合粒子群算法最优解效果较好。该方法也可以用于其它相类似的非线性约束问题的求解。     

遗传算法在离心泵优化设计中的应用

介绍和探讨了离心泵的遗传算法优化设计方法;首次采用遗传算法,对低比转速离心泵参数的优化设计方法进行了研究,建立了中低比转速离心泵叶轮参数优化设计的数学模型,将多目标优化设计转化为单目标优化设计问题．对一台低比转速离心泵的叶轮进行了优化设计,经过多次选择、交叉和变异等遗传操作和大量计算,得出了参数优化设计结果,并与传统方法设计的泵作了比较．结果表明,采用遗传算法优化设计的叶轮,其泵效率有所提高,并消除了扬程曲线的驼峰现象;与传统设计方法相比,遗传算法优化设计具有思想简单、易于实现、应用效果显著等优点,因此更合理、更严谨．     

基于改进遗传算法的拖拉机转向梯形优化设计

为缩小拖拉机转向梯形机构设计参数与理想状态的误差,提出一种改进的实数遗传算法进行拖拉机转向梯形机构优化研究.首先,分析拖拉机转向梯形的理论模型,推导出拖拉机转向梯形机构优化模型;其次,提出了一种改进的实数遗传算法,克服了迭代过程中新生子代位置限制的缺陷,提高了优化算法沿最优适用方向的均匀进化能力;最后,选取铁牛60拖拉...     

基于遗传算法的起重机桁架结构轻量化设计

现代工业化的大型机械设备主要以起重机械为主,桁架结构又是起重机的主要部件。传统的设计方法设计出的桁架结构精度误差较大,得不到最优的结构,会缩短起重机的使用寿命。本文使用改进的遗传算法对起重机主梁进行优化。结果表明,改进的遗传算法收敛时间缩短,优化后起重机主梁的总质量减轻了12.34%,并且优化后起重机主梁的最大位移在设计允许范围内。