排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
采用遗传算法对GM(1,1)预测模型进行优化以期提高铁路客运量预测模型精度。首先运用传统最小二乘算法对GM(1,1)预测模型的发展系数和内生灰作用量进行求解并对高铁客运量进行预测,结果预测平均误差为0. 259;之后采用遗传算法对GM(1,1)预测模型的发展系数和内生灰作用量进行优化,使模型的预测准确性得到了明显的提升,且当交叉默认概率P_c=0. 8,变异概率为P_m=0. 01,所得预测结果最优,平均误差率为0. 073。结果表明:利用遗传算法对GM(1,1)预测模型进行优化能够提高铁路客运量预测模型精度。 相似文献
2.
目的实现包装生产线上的自动化高效涂装作业,建立待喷涂工件表面的漆膜厚度分布模型,优化喷涂轨迹,求解最佳的喷涂工件的进给速度和自动旋转式喷涂机的旋转速度,实现自动旋转式喷涂机的喷涂轨迹优化。方法通过自动旋转式喷涂机进行喷涂试验,获得漆膜厚度数据,通过β分布模型表征试验数据,运用Matlab遗传算法工具箱拟合出β分布模型的关键参数。根据自动旋转式喷涂机喷涂过程,确定喷涂轨迹方程,在此基础上建立漆膜厚度搭接模型,通过NSGA-Ⅱ算法求解出最佳的进给速度和喷涂机的旋转速度。结果根据NSGA-Ⅱ算法进行优化得出被喷涂工件的进给速度为428.849mm/s,喷涂机的旋转速度为6.22 rad/s,工件的喷涂时间为6.995 s。结论被喷涂表面的漆膜厚度模型能够准确地反映被喷涂工件表面的实际喷涂情况,能够对自动旋转式喷涂机的喷涂轨迹进行合理优化,为实现包装领域内的自动化涂装作业奠定了基础。 相似文献
1