遗传算法优化的BP神经网络PID控制器

神经网络的初始权值的选取影响控制器的性能，本文提出了一种新的改进遗传算法优化的BP神经网络PID控制器。该方法设计了组合交叉操作，交叉、变异并行结构及引入移民的遗传算法。将该方法用于控制器设计，仿真结果说明了该方法的有效性。     

基于AGA—RBF神经网络的短期负荷预测

针对RBF神经网络的不足以及传统遗传算法的特点,采用浮点数编码的自适应遗传算法（AGA）作为RBF神经网络的学习算法．来确定RBF神经网络的隐含层的中心参数和宽度参数,形成AGA—RBF网络来进行负荷预测,并通过实例验证,该方法与RBF神经网络相比,能有效地提高预测精度和改善网络性能。     

量子遗传算法优化RBF神经网络及其在热工辨识中的应用

量子遗传算法是基于量子计算原理的概率优化方法,在量子门更新过程中,旋转角的大小直接影响优化的结果和进化的速度。文中针对模糊量子遗传算法(FQGA)容易导致系统陷入局部最优的缺点,将量子衍生交叉算法的思想引入FQGA,提出了一种新的量子遗传算法。同时利用该方法构造径向基函数神经网络进行非线性系统辨识。其特点是通过这种新的量子遗传算法,实现对RBF神经网络权值、宽度和中心位置等有关参数的估计。其速度快、精度高。通过RBF神经网络有效地完成了对非线性系统的辨识。对典型非线性函数辨识的测试表明：该方法有效地提高了量子遗传算法的计算精度和收敛速度。同时利用该方法设计了一种通用的热工对象模型辨识神经网络算法,编制了专用的模型识别软件,对某电厂循环流化床锅炉一次风对床温的动态特性进行辨识,结果表明该方法是一种精度比较高的辨识算法。     

一类非线性混沌系统的RBF神经网络控制

设计了一种基于径向基函数网络(RBFNs)的混沌非线性动力系统控制方法，将嵌入在混沌吸引子中不稳定周期轨道镇定到稳定不动点。用Logistic方程和Henon映射作数值仿真实验，证明了该方法的有效性。     

RBF神经网络综合控制器在HAPC系统中的应用

基于液压APC系统的数学模型,针对液压自动位置控制系统(HAPC)本身的非线性,影响系统各方面因素的耦合性,同时要求系统的响应速度快、控制精度高、鲁棒性强等特点,设计了基于RBF神经网络的控制器,同时为了提高系统的响应速度,将其与传统PID控制器相结合,使用Matlab/Sinmulink工具对模型进行仿真,并分别与传统的PID控制器和RBFNN控制器相比较发现这种综合的控制器的控制效果要优于PID控制器和RBFNN控制器.     

基于遗传算法的小波神经网络控制器设计

针对小波神经网络常用的误差反传算法存在着易陷入局部极小点和对初值参数要求较高的缺点,结合遗传算法自适应全局优化搜索能力与小波神经网络良好的时频局部特性,提出了一种有效的学习训练途径.该方法首先应用遗传算法确定网络的初始参数,然后转入纯小波神经网络进行训练,大大加快了网络的收敛速度.网络训练时采用共轭梯度学习算法并对此算法进行了改进,有效的克服了梯度学习算法容易陷入局部极小的缺点.通过二阶倒立摆的控制仿真和实物控制,验证了算法的有效性.     

基于改进遗传算法的模糊神经网络控制

针对常规遗传算法的缺陷,提出了一种依据新的种群“早熟”程度评价指标和自适应调整算法参数的遗传算法,并以单级倒立摆为被控对象,采用基于改进遗传算法的RBF模糊神经网络控制器进行了仿真研究。仿真结果表明,改进的遗传算法是有效的,新型模糊神经网络控制器的控制效果优于FLC和LQR控制。     

RBF神经网络与自适应模糊系统

从ＲＢＦ神经网络与模糊推理诉等价性角度出发,给出了一种基于ＲＢＦ神经网络的模糊系统实现形式,使模糊系统具有从输入输出样本数据中提取模糊规则的能力,从而使模糊系统具有自适应、自学习能力。仿真结果表明,该方法是可行的和有效的。     

基于RBF神经网络模型的电站锅炉燃烧优化

针对电站锅炉燃烧过程对运行经济性的影响,运用径向基函数(RBF)神经网络建立锅炉运行优化模型,以锅炉热效率与NOx排放质量浓度最佳值作为优化目标,实现二次风门挡板开度、燃尽风门挡板开度的寻优,求取不同工况下的最优值。结果表明:该系统可以在提高锅炉效率的同时也降低了NOx的排放,并正确地反映了锅炉机组的动态特性。     

基于RBF神经网络的短期负荷预测

针对BP网络的缺陷,提出了一种基于RBF神经网络的短期负荷预测方法,利用遗传算法训练神经网络,使神经网络以较快的收敛速度和较大的概率得到了最优解。实例研究结果表明该方法可以取得较高的预测精度。     

基于GA-BP神经网络在手写数字识别中的应用研究

手写数字识别在当今社会有着重要的应用价值，在金融、社交、教育、通信等领域有着广泛的应用前景。手写数字识别是光学字符识别技术的一个分支，目前大多采用BP神经网络进行识别，但BP神经网络存在局部极小值、学习速度慢、结构选取上无确定准则三方面缺陷，影响其识别效果。通过遗传算法寻优BP神经网络最佳的初始阈值、初始权值、结构来克服其缺陷。通过MATLAB仿真，结果表明，用遗传算法优化后的BP神经网络具有辨识正确率更高、泛化能力更强、收敛速度更快、实用性更强的优点，达到了预期的目的，为手写数字识别提供了良好的理论研究价值。     

RBF神经网络算法在动态称重中的应用

针对高速公路动态检测系统中称重数据的复杂性,将不同的称重数据处理办法做出对比,并提出利用 RBF神经网络对动态称重数据进行处理。文章首先综述性的介绍了车辆动态系统整体构成,之后对径向基函数网络的拓扑结构以及径向基函数中心的选取进行了介绍,最后利以试验台搭建检测平台,通过实验用两轴小车进行以不同的速度通过试验台,采集其动态参数。最后利用采集到的数据,用 MATLAB 进行仿真,验证了径向基函数网络对动态称重数据的处理表现出良好的速度与精度。     

基于AGA优化RBF神经网络的矿井通风机故障诊断

针对径向基神经网络(RBF)用于故障诊断时存在收敛速度慢、诊断结果准确率低等问题,提出了一种基于自适应遗传算法(AGA)优化RBF神经网络的矿井通风机故障诊断方法.采用AGA对RBF神经网络的隐含层节点数、隐层基函数的中心和宽度进行优化,以此提高RBF网络的泛化能力.通过大量收集和整理工作形成样本集,使用训练样本训练RBF网络,根据网络输出结果对通风机故障进行诊断.仿真结果表明,相较于RBF神经网络,AGA优化的RBF神经网络收敛速度更快,迭代次数更少,能够有效识别通风机故障类型,诊断结果准确率更高.     

基于RBF神经网络的室内定位算法研究

在无线传感器网络室内定位中,由于遮挡、多径效应等因素的影响,传统基于RSSI（Received Signal Strength Indicator）的定位算法存在测距不准、定位精度不高的问题。针对此问题,本文提出一种改进的基于RBF（Radial Basis Function）神经网络的室内定位算法,算法在离线阶段直接建立各参考节点接收到的RSSI值与其位置坐标的映射关系;在线阶段采集待定位节点的 RSSI值,利用学习好的神经网络对待定位节点进行定位。实验结果表明,与传统RSSI定位算法相比,本文提出的定位算法具备更高的定位精度。     

遗传算法在水轮发电机模糊神经网络励磁控制器设计中的应用研究

本文在分析了模糊神经网络(FNN)控制器的工作原理及设计方法的基础上,提出了一种采用遗传算法优化设计水轮发电机模糊神经网络励磁控制器的方法。其基本过程是利用遗传算法得到初始模糊控制规则,并对初始规则进行过滤,在此基础上利用遗传算法结合模拟退火对得到的模糊神经网络进行训练。仿真结果表明与根据专家经验获得模糊规则和BP算法进行学习的常规FNN比较,采用遗传算法优化设计的模糊神经网络励磁控制器所构成的励磁系统具有更好的动态性能。     

一种基于遗传算法和神经网络的PID控制

提出了一种融合遗传算法和神经网络的PID控制算法。该控制器先利用遗传算法对BP网络的初始权系数进行学习优化，再利用BP算法实现对PID参数在线调节，解决了控制器网络初始权系数对控制效果产生的影响，仿真结果表明了该控制方法的有效性。     

遗传算法和神经网络在交通事故预测中的应用

介绍了BP(误差反向传播算法)和GA(遗传算法)以及GA-BP三种神经网络,并以此分别对道路交通事故进行预测。实验结果表明,基于GA-BP算法的神经网络方法应用于交通事故的预测问题,能采用遗传学习算法优化BP神经网络模型的初始权重,即先利用遗传学习算法进行全局训练,再用BP算法进行精确训练,使网络收敛速度加快和避免局部极小。GA-BP神经网络在收敛速度和预测精度等方面均优于BP和GA网络,从而为交通部门的未来事故预测提供了一种新的思路与方法。     

BP和RBF神经网络的实现及其性能比较

本文介绍了2种应用颇为广泛的神经网络模型,BP及RBF神经网络的基本理论,并从数学角度阐述了2种算法的学习过程,其后简要地阐述了MATLAB神经网络工具箱设计BP和RBF网络的主要函数.为了比较2种网络的性能差异,最后在MATLAB环境下设计了具体的网络来对指定的非线性函数进行函数逼近.仿真结果表明,RBF的泛化能力在多个方面都优于BP网络,但是在解决具有相同精度要求的问题时,BP网络的结构要比RBF网络简单,因此在实际应用中可以此来指导神经网络的设计.     

基于RBF神经网络的光伏动态重组系统

光伏系统的模块重组对于改善系统的P-V特性有非常重要的作用。提出了一种在部分阴影遮蔽情况下基于人工神经网络算法的光伏模块重组方案。这个方案中,光伏模块分为固定部分和自由部分,并通过开关矩阵来连接。然后测量的每个自由模块以及每行固定模块的短路电流值,测量值通过人工神经网络算法得到的结果决定开关矩阵的连接方式。仿真实验显示所提出的方案的参数测量实时简易、重组策略高效,能有效地改善部分阴影状态下的光伏阵列的功率输出。最重要是所提出的控制策略能应用于较大规模光伏系统结构重组。     

利用智能水滴算法优化神经网络的MPPT

光伏系统最大功率点跟踪(MPPT)对于提高光伏发电效率有着重大意义。给出一种智能水滴(IWD)算法优化Elman神经网络的MPPT方法。利用IWD算法对Elman神经网络的权值和阈值进行优化,提高Elman神经网络的训练效果。将IWD算法优化Elman神经网络的MPPT方法与传统预测方法进行对比,结果验证了所提方法的有效性。