基于神经网络和遗传算法的岩体参数辨识研究

本构模型和初始参数给不准已成为岩土力学理论分析和数值模拟的“瓶颈”。目前神经网络可能会避开复杂的本构模型而成为解决岩土工程的设计和施工问题的主要途径。然而,不同的神经网络结构对模型的学习和推广预测能力有直接的影响,因此构造一个令人满意的神经网络模型至关重要。本文结合遗传算法对神经网络结构进行优化,并用后验差检验方法对搜索到的神经网络结构进行测试;结合遗传算法,用测试好的神经网络结构代替常用的有限元数值方法进行岩体参数的辨识;最后,用实例较为详细地证明了这种方法的可行性。     

基于遗传算法的PID参数整定

提出了一种基于遗传算法的PID控制器参数优化设计方法．通过仿真研究和加热炉实验表明遗传算法应用于PID参数整定可提高系统的稳定性和动态特性，与传统的整定方法相比明显地改善了整定的速度和准确度。     

基于置信水平和熵权法的参数和容差经济性设计

为降低生产运作成本并提高产品稳健性,需要对产品系统进行参数和容差的经济性设计.本文考虑模型参数不确定性和质量损失函数系数对优化结果的影响,从质量损失成本和容差成本的角度,提出了基于置信水平和熵权法的参数和容差经济性设计方法.该方法分为两个阶段:在参数设计阶段,根据因子响应试验数据构建质量特性的响应曲面模型,进而得到质量特性规格限为约束区间的置信水平计算公式,再通过最大化置信水平得到最优设计变量;在容差设计阶段,构建质量特性的均值方差关于设计变量和容差的模型,同时根据容差成本试验数据构建容差成本模型,再采用熵权法计算质量损失函数系数进而构建总成本函数,最终通过最小化总成本计算最优容差值.本文以树脂生产过程的胺添加试验为案例,系统地研究了温度、搅拌速度和添加速度这三个设计变量对树脂粘度的影响.结果表明,与已有方法相比,通过本文方法所确定的最优设计变量及其容差值,减少了模型参数不确定性对优化结果影响,同时降低了质量损失和容差成本.     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较.仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

机械零件参数的优化设计

在对零件参数给出合理假设的基础上，利用概率统计方法建立了随机优化数学模型。通过分析各零件参数对产品参数的弹性，合理选取步长和容差等级，在满足约束条件的情况下利用数学软件编程，快速搜索得到满意的参数标定值和容差等级。     

基于遗传算法的车辆参数识别方法

为了识别桥梁交通振动试验中行走车辆的参数,提出基于遗传算法的参数识别方法.利用小波变换方法由车辆自由衰减振动响应获得车辆的模态参数,进一步联合应用遗传算法及复数特征值计算方法,由模态参数反算车辆的转动惯量性质、刚度以及阻尼系数等物理参数.通过3组模拟数据的计算分析,验证了遗传算法用于车辆参数识别的有效性.以实际车辆的振动试验实测结果为例,检验了遗传算法在车辆参数识别中的适用性.算例以及应用实例表明：应用遗传算法能精确识别出车辆的物理参数.     

基于遗传算法的ARMA模型参数估算方法及应用

针对时间序列分析与预测中最为常见的ARMA模型的参数估测问题，在传统方法的基础上，提出了首先采用长自回归模型计算残差法拟和模型初值，然后通过分布确定参数的取值范围，最后采用遗传算法计算ARMA模型更为精确的参数值的方法．通过计算实例可以看出，采用遗传算法估测ARMA模型参数是有效可行的，同时也为ARMA模型的参数估测提供了新思路．     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

一种基于遗传算法的细胞神经网络模板设计算法

细胞神经网络（CNN）设计的关键是找出其模板参数（Cloning template），所提出一种基于遗传算法的细胞神经网络模板设计算法，经实验证明是可行的。     

基于遗传算法的PID参数整定与优化

ＰＩＤ参数整定与优化一直是自动控制领域研究的重要问题。采用遗传算法进行ＰＩＤ参数整定与优化是一种寻求全局最优且与初始条件无关的优化方法。在参数整定与优化过程中,考虑了过程控制系统的参数整定特点和寻优精度。仿真表明：该方法比一般ＰＩＤ参数整定方法具有更好的控制性能指标,不失为一种具有较好实用价值的ＰＩＤ参数整定与优化方法。     

基于Kalman滤波器和遗传算法的参数估计方法

提出了一种基于Kalman滤波器和遗传算法的系统参数估计方法,可以对带测量噪声和过程噪声的线性系统中的未知参数进行有效估计。理论分析和数据仿真表明,此方法能较好地处理已知数据中的噪声,并且能应用于系统未知参数存在较复杂关联的情况。     

基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

遗传算法在PID控制参数调节中的应用

PID算法是过程控制中应用最广泛的控制方法,将遗传算法应用于PID控制参数的调节中,实现了PID控制参数的自整定.     

离心泵优化设计的遗传算法

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,对低比速离心泵参数的优化设计方法进行了研究,列举设计实例．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,泵效率有所提高,消除了扬程曲线的驼峰现象。本设计方法与传统设计方法相比,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。     

基于遗传算法的可调因子模糊PID控制器的设计

传统的PID控制算法简单、易于实现,但对于非线性、不确定性的控制对象,控制效果并不理想。本文将不依赖于被控对象的数学模型,适应能力好的模糊控制和常规PID控制相结合,并对模糊算法中对系统性能有重要影响的量化因子用遗传算法进行优化,提出一种基于遗传算法的可调因子模糊PID控制器。仿真结果表明该控制器具有良好的动态性能和静态性能。     

遗传算法在扫视眼动系统参数估计中的应用

简要介绍了扫视眼动系统的数学模型,并用遗传算法对此模型中的参数进行了估计, 仿真实验结果表明。遗传算法基本能准确地估计出各参数在正常生理状况下的取值,初步验证 了其是进行扫视眼动系统参数估计的有效方法。     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

遗传算法在异步电机静态模型参数识别中的应用

根据异步电机工作特性，应用遗传算法来解决其等效电路模型参数的识别问题。给出了详细的计算步骤和特性曲线函数表达式。首先使用简单遗传算法（CGA）作参数识别，然后从提高识别准确性的目的出发，对CGA作了改进。     

遗传算法结合反设计的翼型优化设计研究

针对传统的气动外形优化设计存在计算量大、精度低的不足，以及采用余量修正方法的气动外形反设计存在难以提供合理目标压力的难题，为了提高已有气动外形设计方法的工程实用性，创新性地将优化方法中的遗传算法与反设计的余量修正方法相结合，并采用高精度的CFD分析方法，进行了翼型的气动外形设计。设计实践表明，文中的气动外形设计方法是可行的，且由于在优化方法和反设计方法中采用了不同的CFD分析方法，提高了气动外形设计的效率和精度。