基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。     

基于遗传算法的非线性控制系统参数优化方法

本文针对非线性控制系统参数优化问题,结合非线性控制系统理论、最优化理论及遗传算法,提出了一种新的仿真优化方法,该方法利用遗传算法来求解非线性控制系统参数优化问题,由于遗传算法是在解空间的多个区域内进行搜索,能以较大的概率跳出局部最优,因此可技巧以整体最优解。仿真结果表明,该方法是一种有效的非线性控制系统参数优化方法。     

MATLAB在遗传模糊控制系统仿真中的应用

采用MATLAB编程的方式实现了遗传算法优化模糊控制器,叙述了遗传算法优化隶属函数的具体方法.通过实例验证,该方法有效地解决了模糊控制系统的优化设计和仿真问题,并且使控制系统的控制效果得到了改善.     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

用遗传算法解无功优化问题的研究

传统的遗传算法解无功优化问题,存在着随机性大、过早收敛而陷入局部最优、计算复杂等缺点。本文在原有的遗传算法基础上提出了基因库和基因重组两个新的概念,对算法进行了改进。在每一次进化过程中不是优化某个个体而是对基因库进行优化,进化一次之后重新进行基因重组生成新的父代。本文对IEEE-14标准网络进行算例分析,结果优于传统遗传算法,真实有效。     

遗传算法和小波神经网络PID在电机控制系统中的应用

提出了一种基于遗传算法和小波神经网络的PID参数整定方法.首先,利用具有自然进化的遗传算法对小波神经网络的初始权值进行优化训练,解决了控制器网络初始权系数对控制效果产生的影响;其次,利用小波神经网络对PID参数进行在线调节;最后,将此算法运用到电机控制系统的PID参数寻优中.仿真结果表明:基于此算法设计的PID控制器可以极大地提高寻优速度,鲁棒性强,改善了电机控制系统的动态性能和稳定性.     

基于遗传算法的瓦楞纸生产原纸张力控制研究

针对瓦楞纸板生产过程中由于原纸张力控制系统具有时变性、负载扰动等难以实现参数整定的问题,提出了基于遗传算法优化的模糊PID控制方法,将遗传算法和模糊PID控制方法结合,用遗传算法来优化模糊控制规则和隶属度函数。实验结果表明:将该方法应用到原纸张力控制系统中,能使系统响应速度加快,抗干扰能力增强,具有良好的稳态精度和动态响应性能。     

一种改进的遗传算法——邻域真空法

针对遗传算法中的会聚问题 ,提出了一种改进的进化方法——邻域真空法。通过实例分析和讨论了该方法的有效性。实际运算证明 ,该方法与传统遗传算法相比具有更好的全局优化能力     

大型产品结构优化问题的病毒进化遗传算法

针对一种大型产品结构的质量－成本优化问题，设计了一种病毒进化遗传算法，提出了相应的编码解码方案和适应度的计算。病毒进化遗传算法是一种协同进化算法，既实现了遗传操作在父子代群体间纵向继承进化信息进行全局搜索的功能，也实现了病毒感染操作在同一代群体中横向传播进化信息进行局部搜索的功能，从而可以比遗传算法较快获得问题的满意解。最后给出了病毒进化遗传算法的试验仿真结果。     

求解车间调度问题的一种新遗传退火混合策略

综合了遗传算法和模拟退火算法的优点,提出了一种新的遗传退火混合优化策略。该算法引入模拟退火算法作为遗传算法种群的变异算子,增强和补充了遗传算法的进化能力,同时将机器学习原理引入混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度,使系统能够在很短的时间内得到最优解。针对车间调度的典型问题进行了仿真,结果证明了新算法的有效性。     

增程式电动汽车能量管理策略控制参数优化研究

为了进一步提高增程式电动汽车发动机的燃油经济性和排放性,对基本遗传算法进行改进,生成改进的自适应遗传算法,并将其应用于增程式电动汽车能量管理策略控制参数的优化。通过权值函数的方法将燃油消耗和排放多目标优化问题转化为单目标优化问题,并采用罚函数的方法对工况运行前后蓄电池荷电状态的增量进行约束,对增程式电动汽车发动机燃油经济性和排放性进行优化仿真。仿真结果表明,采用改进的自适应遗传算法能够有效优化增程式电动汽车能量管理系统的控制参数,使发动机的燃油经济性和排放性得到较大的提高。     

以JIT为目标的多阶段非等同并行机调度问题研究

针对多阶段非等同并行机模式下的准时化(Just-in-TimeJ,IT)调度问题,采用由遗传算法和禁忌搜索算法混合的禁忌遗传递阶算法进行求解。禁忌遗传递阶算法用禁忌搜索算法对工件最佳加工次序进行搜索,而相应评价值由遗传算法计算得出。遗传算法采用基于阶段机器号的二维矩阵编码,可有效地避免不可行解的产生,同时采用自适应改进提高遗传算法跳出局部最优的能力。实际算例说明禁忌遗传递阶算法计算结果稳定可靠,适合于解决多阶段非等同并行机的JIT调度问题。     

改进的遗传算法在实时图像分割中的应用

为了自动确定图像分割的最佳阈值,提出了一种改进的自适应遗传算法,并利用该算法对二维Fisher准则图像分割评价函数进行全局优化提高分割阈值的求解速度,快速得到最佳分割阈值。该算法能够根据个体适应度大小和群体的分散程度自动调整遗传控制参数,从而能够在保持群体多样性的同时加快收敛速度,克服了基本遗传算法的收敛性差、易早熟问题。采用TI公司的DSP芯片TMS320VC5416,结合FPGA,搭建了多目标实时测量平台,并利用本文算法对图像阈值快速求解,实现了多目标的实时测量计算。实验结果表明,该算法具有良好的收敛速度和稳定性,阈值计算时间比二维Fisher准则法缩短了18ms(约63%左右);阈值范围稳定在3个像素以内,能够满足实时多目标测量要求。     

应用免疫机理于滑模控制的设计

免疫算法源于生物免疫系统,至今已成为解决优化问题的有力工具。经过研究,我们发现该算法在减弱变结构系统(滑动模系统)的抖振问题上具有重要的应用价值。本文结合一个已有的用遗传算法减弱变结构系统抖振的设计实例,把它改进为用免疫算法(即改进遗传算法)设计,能高效地解决抖振问题。     

Analysis of Cutting Force by End Milling Using Artificial ntelligence

The cutting forces during end milling process by using Genetic Algorithm are investigated in this paper. However, automated CNC （computer numerical control） programming by milling machine is intended to use for special required conditions of programming of tool path length, and analysis of cutting force and optimization of main parameters are presented. Some effective simplification of automated programming is done for cutting force. The cutting force is modelled and analyzed into mathematical simulations in order to optimize the main cutting parameters, also in this case tool path length, it is get as free trajectory. Optimization is carried out by using the Matlab/Genetic Algorithm method that excessively reduce the time and to optimize the main cutting parameters of machining. The number of experiments, measurements and results of cutting force （F~）, are presented in 3D as well as in tables. In order to verify the accuracy of the 3 D simulation with optimization method, the results are compared in experimental and theoretical way. In other word, these results indicate directly that the optimized parameters are capable of machining the workpiece. Achieved results that are presented in this paper may in general help the new researcher as well as manufacturing industries of metal cutting.     

应用遗传算法优化支持向量机的疲劳裂纹扩展预测

准确讯速地预测疲劳裂纹的扩展进程具有十分重要的现实意义和显著的经济效益.为了实现疲劳裂纹长度的准确预测,提出基于遗传算法优化支持向量机(GA-SVM)的疲劳裂纹扩展预测方法,其中遗传算法用于确定SVM中的训练参数,得到优化的SVM预测模型.试验结果表明:用GA-SVM对疲劳裂纹长度进行预测具有很好的预测精度.     

采用遗传PID整定的电液伺服系统仿真研究

建立了电液伺服系统数学模型,提出了基于遗传算法的电液伺服系统PID参数整定方法,并利用Matlab编程软件进行仿真,仿真结果表明,基于遗传PID整定的电液伺服系统具有良好的稳定性和较强的鲁棒性,达到了预期的控制效果,表现出了优越的控制性能.     

A model-based ultrasonic quantitative evaluation method for bonding quality of multi-layered material

Reflection coefficients play an important role in the quantitative evaluation of the bonding quality of the interfaces of the multi-layered composite material. This paper proposes a reflection coefficient-based echo signal model and a new Gaussian model based blind deconvolution method for extracting reflection coefficients of bonding interface. The traditional deconvolution problem can be converted into a parameters estimation process in this model. Moreover, in order to avoid the potential computational burden caused by multiple parameters estimation and the much dependence on the initial parameter values during the estimation process, empirical mode decomposition (EMD) method and an improved Genetic Algorithm are used for parameters estimation. Simulation experiment verified the reliability of this method at different signal-to-noise ratio and with different initial parameter values, and then, reflection coefficients reconstruction of a metal multi-layered composite material specimen is performed through measurement experiment and the result is satisfying. Both the simulation and measurement experiments proved the feasibility and validity of this method.     

遗传算法在偏振干涉滤光片设计中的应用

期望输出的给定是偏振干涉滤光片设计的关键。首次采用遗传算法对期望输出进行全局优化 ,并详细分析了其实现过程。设计出的偏振干涉滤光片输出光谱具有过渡带宽窄且波纹小等显著优点 ,现已成功应用到LCOS液晶投影仪的分色 /合色系统中     

基于蜜蜂进化型遗传算法的四杆机构优化设计

在平面四杆机构设计中,为了避免传统的图解法或分析法的低精度、低效率的缺陷,采用蜜蜂进化型遗传算法,使多目标优化的寻优过程简化,更快地接近全局最优解,同时防止过早收敛,使机构的传动性能得到了改善,优化效果显著。