基于理性遗传算法的模糊系统辨识

针对模糊系统辨识的复杂问题,提出基于理性遗传算法的模糊系统辨识。模糊系统辨识包括前件结构、参数辨识和后件结构、参数辨识,在利用模糊系统的通用逼近性的基础上,采用理性遗传算法对模糊模型进行辨识,并给出仿真结果,其结果表明理性遗传算法在进行离线辨识中是一种十分有效的方法。     

基于对角递归神经网络系统辨识及应用

提出了一种基于遗传算法的DRNN神经网络辨识方法。该方法是针对动态BP算法训练神经网络时收敛速度慢、动态特性不够理想等不足，用遗传算法来优化神经网络辨识器的参数，以提高辨识系统的性能。仿真实验表明该辨识方法对于动态非线系统具有很好辨识精度。     

基于GA参数辨识的逆变电源模糊内模控制

本文提出一种基于遗传算法在线参数辨识的内模控制，并应用于逆变电源对象，构成参数在线辨识的智能控制系统。用遗传算法在线得到对象模型参数的估计值，并可保证能跟踪实际参数的变化，对象模型参数的估计值等于实际值，同时将参数估计值送给模糊内模控制器作精确的补偿，使控制系统的鲁棒性得到了提高。仿真结果表明，本文所提出的方法是可行且有效的。     

基于遗传算法的控制系统的系统辨识

研究了自动控制系统的系统辨识，并给出了基于遗传算法辨识系统的结构参数的各个要素和软件实现。     

遗传算法在PID自适应控制中的应用

提出一个基于遗传算法的PID自适应控制系统。在连续系统辨识部分，设计了一种分层遗传算法（HGA），完成对控制对象结构与参数的同步辨识；根据所获得的对象模型，在PID控制器参数设计部分，采用一种基于基因差异的实数编码遗传算法（SAGA），并兼顾了控制系统的时域及频域要求。当控制对象发生变化时，由于借助HAG对模型进行及时修正并由SAGA对PID参数自适应优化调整，使系统能迅速稳定并处于优化的运行状态。     

遗传算法在模糊模型参数辨识中的应用

介绍了T-S模糊模型的建模过程，在现有T-S模糊模型参数辨识方法的基础上，提出了一种先应用最小二乘法对结论参数进行粗略辨识，以确定参数的大致范围之后，再应用遗传算法对前提参数和结论参数同时优化的参数辨识方法，通过MATLAB对本算法进行了仿真，并对非线性函数进行了逼近实验，所取得的结果令人满意。     

基于GA 的小型无人直升机航向模型进化辨识

分析了小型无人直升机的航向模型结构,建立了结构可变的用分式形式表示的参数化传递函数模型． 设计了一种基于遗传算法（GA）的方法对所建模型结构进行辨识,可同时得到系统模型结构和参数．基于安全性和 方便性考虑,制作了一款地面飞行实验台架,采集和预处理了用于辨识和验证的实验数据．最后根据辨识结果说明 了所用算法的可行性．     

一种基于并行遗传算法的非线性系统辨识方法

结合并行算法的运算能力和遗传算法的搜索能力，提出一种基于并行遗传算法的非线性系统辨识方法。其特点是通过并行遗传算法实现对RBF神经网络极值、宽度和中心位置等有关参数的估计，其速度快、精度高，从而通过RBF神经网络有效地完成了对非线性系统的辨识。最后给出了仿真结果，证实了该方法的有效性。     

基于遗传算法的时变纯滞后系统的在线辨识与控制

本文介绍了一种基于遗传算法的大滞后时变系统的在线参数辨识和控制方法。将基于遗传算法的时滞系统参数辨识和时滞系统的Smith预估控制结合起来,试验证明本方法对于参数在较大范围内改变的大滞后系统的控制是有效的。     

基于改进遗传算法的非线性系统模糊辨识新方法

提出一种基于改进遗传算法和递推最小二乘的非线性模糊辨识新算法.该辨识方法包含结构辨识辨出和参数辨识,结构辨识即输入空间的模糊划分,采用具有自适应性的广义高斯隶属函数;参数辨识包含前提参数和结论参数,用基于动态比例变换的改进遗传算法优化高斯函数的前提参数,用递推最小二乘辨识模糊模型的结论参数.最后通过著名的Box-Jenkins煤气炉数据仿真(仿真环境:MATLAB 6.5,计算机主频2.4 GHz,内存512 MB),并根据输入变量个数和模糊规则数,得到均方误差以证明本文方法的辨识精度,将该文辨识方法与其他方法进行比较,验证了该方法辨识精度更高.     

应用速度变异粒子群的系统辨识方法研究

论文研究了一种利用粒子群优化（PSO）算法对系统模型进行辨识的新方法。该方法的基本思想是将典型的数学模型的相互组合而构成系统模型的新颖辨识方法,即首先将系统结构辨识问题转化为组合优化问题,然后采用粒子群优化算法同时实现了系统的结构辨识与参数辨识。为了进一步增强粒子群优化算法的辨识性能,提出了一种利用速度变异的粒子群优化（VMPSO）算法。最后,给出了仿真示例,其结果表明了所给的系统辨识方法的合理性和求解算法的有效性。     

非线性系统辨识方法研究

讨论了利用小波神经网络对非线性系统辨识的新方法。在辨识过程中,为了提高小波神经网络对非线性系统的辨识性能,使用一种改进粒子群优化算法对BP小波神经网络参数进行训练,求得最优值,达到对非线性系统辨识目的。在数值仿真中,与采用标准粒子群优化算法相比,结果显示了提出的方法在收敛性和稳定性等方面均得到了明显的改善。     

基于树形框架的随机分组反碰撞算法

现存反碰撞算法不能有效处理中小规模标签识别问题。为此,提出一种基于树形框架的随机分组反碰撞算法。在树形算法的基础上,改进标签分组方法,采用标签随机选择的方法对标签进行分组,由此形成标签识别树。实验结果表明,该算法相对帧时隙ALOHA算法,识别吞吐率上升约10%,相对树形算法实现更简单。     

满秩分解最小二乘法船舶航向模型辨识

为了解决标准遗忘因子最小二乘法在线辨识船舶航向模型参数漂移和发散问题,考虑到船舶在实际航行中存在海洋环境扰动和数据欠激励的情况,提出并验证了一种基于满秩分解的递推最小二乘法.用实船数据进行船舶航向模型参数辨识,将辨识结果与标准遗忘因子最小二乘算法、多新息最小二乘法、最小二乘支持向量机的辨识结果进行对比,验证了满秩分解有...     

基于自适应重叠系数的T-S 模型在线辨识算法及应用

为使T-S模型在线辨识时能够更加合理地划分模糊空间,提出一种根据相邻聚类中心距离确定模糊空间重叠系数的方法.将该方法与一次完成最小二乘法、递推最小二乘法相结合,得到了一种辨识精度较高的T-S模型在线辨识算法.以某型号单晶炉热场的实际运行数据为对象,应用所提出的算法对热场模型进行在线辨识.辨识结果表明,由该辨识算法得到的单晶炉热场模型具有较高的精度.     

基于神经融合算法的水电厂压力引水系统的辨识

提出一种用于水轮机调速系统的辨识算法,该算法应用前馈神经网络对分布式嵌入传感器采集到的动态数据进行融合处理,融合中心输出仿真系统模型的关键参数.计算机模拟实验表明,该算法较传统的基于理想条件下的仿真方案具有明显的优势.     

An effective direct closed loop identification method for linear multivariable systems with colored noise

Multivariable control systems with colored noise widely exist in the most industrial fields, while the system identification under the closed loop conditions is needed in many cases. In view of the above two situations, it needs to find a convenient and effective method to solve the problem. Firstly, the design of the external input signals ensures the identifiability of closed loop system. Secondly, to make the direct method feasible for closed loop identification, the noise model selected is reasonably flexible and independently parameterized. On this basis, this paper proposes an improved method combining the direct closed loop identification approach with the iterative least squares parameter estimation algorithm, which can be an practical solution to the closed loop identification of multivariable systems with colored noise. The presented algorithm based hierarchical identification principle has a strong anti-jamming capability to effectively deal with colored noise existed in the system. Finally, the illustrative examples are given to demonstrate the effectiveness and accuracy of the proposed algorithm.     

An Improved Genetic Algorithm Approach on Mechanism Kinematic Structure Enumeration with Intelligent Manufacturing

During the process of mechanism kinematic structure enumeration, isomorphism identification of graphs is an important and complicated problem. The problem is known to be a NP-complete problem. In this paper, according to the mechanism kinematic chain isomorphism identification criteria, a highly efficient hybrid genetic algorithm model is proposed for isomorphism identification. The model method is coupled with genetic algorithm, optimal choice, and optimal crossover operation. It shows a quick convergence rate of the late operation and can avoid convergence to local optimum. Simulation results show that the hybrid algorithm is more rapid and effective compared with simple genetic algorithm and the improved neural network algorithm.     

正规化模糊神经网络及在手写体汉字识别中的应用

为改善手写体汉字识别的性能,提出了一种基于正规化模糊神经网络的识别方法。针对网络结构的优化问题给出了网络模型的规则层节点的选取方法和相应的反传播学习规则。该算法能够充分利用专家制订的“if-then”规则,完善网络的推理结构,提高网络的识别能力,减少噪声因素的影响。实验表明此方法对手写体汉字识别问题具有良好的适应性和实用性。该方法指出了一条进一步提高手写体汉字系统性能的新途径。     

基于16S rRNA序列物种鉴定的改进向量空间模型算法

在物种鉴定领域中,权威方法是基于BLAST的序列比对算法,然而该算法出现计算量过于庞大,运算效率低以及资源消耗较高等问题.为解决以上问题,本文借鉴经典文献中的K-String组份向量方法,对向量空间模型作出改进,将其应用于基于16S rRNA序列的物种鉴定领域,并在巴拿赫空间的理论体系下,对改进向量空间模型算法中的遗传距离公式进行等价替换,给出不同范数背景下对应的遗传距离公式,供科研人员参考.本文从计算效率和物种鉴定效果两个方面来判断改进算法的性能,最终得到如下结论：欧几里得空间下的内积范数从计算效率上较经典的blast算法具有显著优势,而其分类效果在检出率这一方面,达到了比对结果的一致性.