基于模拟退火机制的多种群并行遗传算法

模拟退火和多种群并行遗传进化是两种较好的改进遗传算法性能的方法 .将这两种思想有机地结合起来 ,提出了一种基于模拟退火机制的多种群并行遗传算法 .仿真结果表明 ,该算法不仅能增强算法的全局收敛性 ,还能加快遗传进化速度 ,得到满意的全局最优值 .     

监测变压器绕组热点温度智能模糊传感器系统的研究

基于模糊神经网络技术构造了智能模糊传感器系统,并用于监测大型电力变压器绕组热点温度。模糊神经网络技术为顺系统设计提供了强有力的技术支持。进行了实验研究,结果表明,智能模糊传感器系统测试结果令人满意。     

遗传算法的一种特例——正交试验设计法

简要介绍正交试验设计法与遗传算法的基本原理,分析它们之间的内在关系,指出正交试验设计法可以认为是遗传算法的一种特例,即它是一种初始种群固定的、只使用定向变异算子的、只进化一代的遗传算法.计算结果表明,正交试验设计法可以解决一般遗传算法中的最小欺骗问题.     

基于遗传神经网络的电子鼻在大气环境气体模式识别中的应用

基于模拟退火遗传神经网络的电子鼻已对二组分、三组分的混合气体模式进行了识别,识别精度及学习速度都较BP神经网络大为提高[1],但仍无法满足实用的要求.为了提高遗传神经网络对混合气体越限值的识别精度,本文在电子鼻已有的基础上提出分步分档识别法,在大范围内保证了识别准确性,提高了电子鼻的实用性.本文成功地将其用于四组分混合气体的精确识别.应用本方法的电子鼻既可用于正常环境气氛也可适用于危险气氛环境的气体模式识别.不同的档,其学习样本不同,识别精度不同.分档识别精度取决于学习样本的最小步长,最小步长越小,识别精度越高.     

遗传算法在电能质量监测装置优化设计中的应用研究

本文提出了基于遗传算法 经在线电能质量监测仪中的油气分离装置结构参数的一种新方法，并进行了分离油中气体实验研究，结果表明该方法行之有效。     

光激、光拾硅微机械谐振传感器的进展

从基本工作原理着手阐述了光激、光拾硅微机械谐振式传感器,评述了近年来在光激、光拾方式下工作的硅微机械谐振式压力、温度传感器的进展,并就该领域未来的发展作了展望。     

数据融合新技术在识别变压器油中四种特征气体的研究

通过将气敏元件阵列技术的遗传神经网络相结合,来检测电力变压器油中的4种微量故障特征气体（H2、C2H4、C2H2和CO）。实验结果表明,该技术的泛化能力较哟,但识别精度在某些值处达不到实用的要求。例如,针对变压器油中故障特征气体的临界值在电力变压器早期故障诊断中的重要性,遗传神经网络数据融合技术需对混合气体临界值的识别精度作进一步提高。并在已有的融合技术基础上提出了一种新技术一分步分档识别法,可在大范围内保证识别的准确性,提高数据融合技术的实用性。该方法既可用于正常环境气氛,也可适用于特殊故障气氛环境的气体模式识别。