基于遗传算法的控制系统在废水处理中的应用

为了结合MATLAB软件和组态软件MCGS的优点,通过OPC通讯技术实现两者之间的数据交换;同时引入遗传算法对人工神经网络进行优化,实现了遗传神经网络控制算法和MCGS的有机结合。仿真结果表明,人工神经网络的预测值与实际值之间的最大相对误差为10.28%,最小相对误差为5.28%,平均相对误差为7.82%,平均绝对百分比误差为0.12%;经过遗传算法优化之后,这些误差分别降为6.25%,1.67%,4.30%,0.073%。说明经过遗传算法优化后的人工神经网络具有更好的性能,遗传神经网络控制算法和MCGS的有机结合对废水处理过程可以实现有效的控制。     

MCGS结合VB语言实现造纸废水处理智能控制

研究了利用MCGS组态软件实现模糊神经网络控制算法的可行性和方法。在VB语言环境下编制了模糊神经网络控制算法,并通过MCGS提供的OLE接口实现组态软件对算法的调用,将基于组态软件的算法应用于废纸造纸废水处理控制系统。结果表明MCGS和控制算法的有机结合对废水处理过程可以实现有效的控制。     

基于优化BP神经网络光伏出力短期预测研究

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1%,经遗传算法改进后的预测误差为4.9%,较单一模型提高了0.2%的精度,而WPA-BP预测模型误差为4.4%,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值。     

基于遗传神经网络的股票价格短期预测

该文在总结非线性时间序列预测模型的基础上,将遗传算法和人工神经网络相结合,提出了遗传神经网络模型。并将其应用到股票价格的短期预测。最后,针对仿真结果进行分析,该文得到的结果为平均相对误差小于0.086,实际值与预测值之间的相关系数大于0.91。结果表明该模型有较好的预测能力。     

基于神经网络和遗传算法的智能控制方法

根据油品调合的特点.应用人工神经网络(Neural Network,NN)对油品在线优化调合系统进行建模,并采用量化正交遗传算(Orthogonal Genetic Algorithm with Quantization,OGA/Q)对神经网络模型进行学习.提出了用于油品在线优化调合系统的人工神经网络适宜的拓扑结构.给出了量化正交遗传算法优化的具体执行过程,实现了系统的主要功能,该系统已经广泛地应用于生产实践中.     

基于遗传神经网络的图像分割

提出一种基于遗传神经网络的图像分割方法.该方法利用遗传算法对BP神经网络的权值和阈值进行优化,设计出误差最小的神经网络,然后用神经网络算法迭代实现图像的分割.通过实验证明:该方法与传统的图像分割方法相比,具有更好的图像分割效果;与BP神经网络相比,训练速度得到很大的提高.     

THJS-3实验装置的二容液位系统解耦控制

介绍了三容水箱液位控制系统的硬件组成及MCGS软件的组成,以THJS-3高级过程控制实验装置为基础,运用基于对角递归神经网络的PID解耦控制算法在MCGS软件中进行控制界面组态和运行。实验结果表明系统实现了解耦控制,具有良好的稳态性能和动态性能。在MCGS软件中实现解耦控制有很强大的应用前景。     

基于GA特征选择和BP神经网络的模拟电路故障检测

针对模拟电路故障检测中存在测试节点数较多的问题,提出遗传算法与BP神经网络相结合的方法;利用遗传算法的全局、并行寻优能力对模拟电路的系统特征进行优化选择,从而减少BP神经网络输入层节点数;用MATLAB软件对仿真实例数据进行编程实验,直接使用BP神经网络,检测率为66.7%,采用遗传算法与BP神经网络结合的方法,检测率可为100%;结果表明,相对于传统的BP神经网络方法,该方法提高了模拟电路故障检测的平均正确率。     

结合IGA和BP算法的物体识别方法

目前常用的物体识别方法,其过程非常复杂,信息量和计算量都很大。结合改进遗传算法的神经网络方法,采用将结构与误差结合的适应度函数,改进的遗传算子实现对BP网络结构和权值的同步优化。提出一种用改进遗传算法优化后的BP神经网络进行物体识别,并以提取的修正不变矩特征作为BP神经网络的输入,仿真结果表明该方法提高了识别的稳定性和收敛性能,并且识别率较高。从而验证了该方法的有效性。     

基于遗传神经网络的水泥路面使用性能预测

利用遗传算法强全局随机搜索特点,结合人工神经网络对大量非线性、非精确性数据具有鲁棒性和自学习能力的优点,将神经网络与遗传算法有机地结合,建立水泥路面预测模型,算例表明了该方法是可行且有效的.