基于遗传算法的结构振动参数识别方法

基于遗传算法,根据结构在动载荷作用下的动力响应观测数据,建立了在时域内同时识别结构振动参数和动载荷参数的数值方法。数值计算结果表明,所建立的基于遗传算法的参数识别方法具有较好的抗观测噪声的能力,当动力响应观测误差达到15％时,参数识别结果的误差小于10％,识别精度可以满足工程要求。     

基于斜磁极的盘式永磁电机齿槽转矩削弱方法

采用基于能量法和傅里叶分解的解析分析方法,推导出盘式永磁电机在斜极前后的齿槽转矩解析表达式,研究整体磁极斜极与分段磁极斜极对齿槽转矩的不同影响.在此基础上,提出通过确定磁极分段数量、优化分段磁块径向尺寸及选择合适极弧系数来进一步削弱齿槽转矩的方法,利用有限元法进行仿真分析,并将此方法应用于抽油机用盘式电机的转子结构设计.实验结果表明,采用分段磁极斜极方法对削弱盘式永磁电机的齿槽转矩具有理想的效果.     

基于转矩的车辆负载识别方法

通过分析汽车行驶方程式中驱动力和外界阻力之间的相互关系,对传统车辆负载的概念进行了扩展,提出了一种能够综合反映自动变速车辆行驶过程中坡道、载荷、空气和滚动阻力等信息,基于转矩的广义负载识别方法。此方法基于车辆常用传感器,通过实时计算当前变速箱输出轴转矩和零负载工况下阻力转矩和之间的差值来识别广义负载。详细阐述了负载识别方法的基本原理,分析了外界工况和识别结果之间的相互关系,并给出了具体的负载识别实现步骤。整车实验结果表明,此方法方便可行,准确可靠,能够有效识别自动变速车辆行驶过程中的负载信息。     

基于遗传算法的神经网络振动钻削参数优化

应用人工神经网络进行振动钻削仿真与参数优化时常用逆映射BP网 ,而BP网的逆映射极易陷入局部极小点。本文提出利用遗传算法与BP网的混合系统进行参数优化。实验结果表明 ,遗传算法是一种全局优化方法 ,可有效地应用于机械加工领域 ,为振动钻削的参数优化提供了一个新的研究方法。     

基于遗传算法的车辆动力参数识别方法

为了确定桥梁交通振动试验中行走车辆的物理参数,提出基于遗传算法的参数识别方法.利用小波变换方法由车辆自由衰减振动响应获得车辆的模态参数,进一步应用遗传算法及复数特征值计算由模态参数反算车辆的转动惯量、刚度以及阻尼等物理参数.通过3组模拟数据的计算分析,验证了遗传算法用于车辆参数识别的有效性.以实际车辆的振动试验结果为例,检验了遗传算法在车辆参数识别中的可行性.算例及应用实例表明:应用遗传算法能精确识别出车辆的物理参数.     

基于遗传算法的TMD参数优化研究

将遗传算法应用于结构被动减振装置的参数优化之中,提出了优化方法以及数学模型。以控制一个大跨度钢桁架连廊的人致振动为工程实例,通过Matlab编写算法主程序,利用有限元进行循环计算,实现对STMD系统的刚度、阻尼参数以及MTMD系统的位置组合的优化。结果表明：在TMD系统中应用遗传算法寻优得到的最优参数比Den hartog定点理论计算出的最优参数减振率提高2.7%,在MTMD系统中最优的布置方式比均布布置方式对中心频率的减振率能提高2.2%,同时也说明了遗传算法在TMD减振系统优化中的可行性。     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较.仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

一种基于图像处理的车辆外形参数提取方法研究

针对传统车辆检测器的缺点,提出了一种基于图像处理技术的车辆外形参数提取方法．通过对车辆图像的预处理以及阈值分割将其转化为二值图像,依据处理后的车辆图像设计车辆外形参数提取算法并计算车辆的长、宽、高,最后引入误差函数,对算法进行了误差校正,实验结果表明所提出的方法达到了较理想的效果．     

基于车辆响应的路面不平度识别方法

针对路面不平度识别的问题,研究了基于车辆响应的NARX神经网络识别方法及其适用性。建立了汽车振动系统4自由度平面模型,通过仿真获得车辆响应和车轮路面不平度。对于NARX神经网络及其应用选择、输入方案优化和评价指标进行了研究,提出了车辆响应选择和组合优化的解决方案。采用NARX神经网络识别了常用的B级路面和车速为60 km/h下某轿车的前轮路面不平度,其相关系数和均方根误差分别达到96.75%和0.003 3。考虑了训练采样点数、车辆响应随机噪声、车速和路面等级的变化对训练完成的NARX神经网络效果的影响,说明了基于车辆响应识别路面不平度的NARX神经网络方法的适用性。研究结果表明,采用正交试验设计确定NARX神经网络优化输入方案和基于车辆响应识别路面不平度取得了满意的结果,两者具有良好的适用性。     

基于遗传算法的PID参数寻优

针对工业过程中常见的二阶大滞后对象的PID参数调节问题,采用具有全局优化能力的遗传算法对PID参数调节和优化,并同单纯形算法作了比较。仿真结果表明了遗传算法应用于控制器参数优化的可行性和有效性     

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现早熟现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

基于混合遗传算法的支持向量机参数选择

针对常用的梯度下降法支持向量机参数选择方法易陷入局部极小点的问题,提出一种基于混合遗传算法的支持向量机参数选择方法.该方法结合遗传算法的全局优化能力和梯度法的局部寻优能力,能够选择到更好的支持向量机参数.仿真实验表明,使用该方法确定的参数可使支持向量机具有更好的泛化性能.     

基于混合遗传算法的机器人改进摩擦模型辨识

为了解决机器人运动过程中库伦+黏性摩擦模型不能真实反映关节摩擦的非线性特性的问题,采用改进Stribeck摩擦模型对机器人关节摩擦进行建模,提出基于混合遗传算法与余弦轨迹的模型参数辨识方法. 采用不同的余弦轨迹对机器人关节进行激励,利用已知的机器人动力学方程确定关节摩擦力矩,从而建立机器人关节速度与关节摩擦力矩之间的映射关系,并利用模拟退火混合遗传算法对摩擦参数进行辨识. 为了验证所提方法的有效性,以多关节串联型机器人为研究对象,进行摩擦参数辨识实验. 实验结果表明,与传统的库伦+黏性摩擦模型相比,改进的Stribeck摩擦模型可以减少17.7%~33.6%的关节力矩计算误差,并能够进一步提高机器人动力学模型的准确性.     

车辆路径问题的改进遗传算法研究

车辆路径问题(VRP)是现代物流管理中的重要环节,是一个NP-hard问题。标准遗传算法用于最优化问题时存在早熟收敛和收敛速度缓慢的特点。本文提出一种改进的多种群遗传算法,在子种群间引入竞争,设定各个子种群的规模取决于各个子种群的平均适应水平。实验结果表明,该算法能有效求得车辆路径问题的优化解,是求解车辆路径问题的一个有效方案。     

求解非满载车辆调度问题的免疫遗传算法

非满载车辆调度问题是车辆调度问题中的一个基本问题,由于它是一个典型的NP难题,传统方法的求解结果往往不能令人满意.曾有研究将传统的遗传算法用于求解非满载车辆调度问题,但是由于遗传算法在遗传后期的波动现象,导致了迭代次数过大和准确率不高.该实验根据生物免疫系统的机理提出的免疫遗传算法,结合了遗传算法的进化操作和生物免疫中的浓度机制,通过抗体的期望繁殖率实现对抗体的促进和抑制,改善未成熟收敛.该算法是在传统遗传算法全局随机搜索的基础上,借鉴生物免疫机制中抗体的多样性保持策略,改善了传统遗传算法的群体多样性,通过与遗传算法的比较,结果表明,该算法不仅收敛,而且具有更好的全局和局部搜索能力和收敛速度.     

基于遗传算法的圆柱度误差评定方法

建立了圆柱度误差最小区域评定的目标函数,并利用遗传算法对目标函数进行寻优.所建立的目标函数基于圆柱度误差最小区域定义,可以评定空间任意位置圆柱度误差的最小区域解,对测点无特殊要求.通过计算验证,该函数利用改进的遗传算法可以精确搜索到理想轴线的矢量方向并计算出圆柱度误差最小区域解,且计算结果稳定.该算法还可以推广用于圆柱轴线为基准的其它形位误差评定.     

基于遗传算法进行张弦梁结构索力识别

为识别张弦梁结构索力大小,提出了一种基于静力检测技术的索力识别方法.基于静力检测技术,定义了张弦梁结构索力识别的一般数学模型.通过分析张弦梁结构的整体受力特征,基于有限元方法提出了适用于张弦梁结构索力识别的识别模型.运用改进的遗传算法寻求问题的全局最优解,只需若干点位移实测值便可实现多个索段索力的同时识别.并编制了通用有限元计算程序,数值模拟算例验证了方法的可行性.     

电磁领域中复超越方程的遗传算法求解方法

将遗传算法与参数跟踪策略有效结合,跟踪过程中进行搜索域压缩与位移操作,形成了一种功能强大的新算法,可成功应用于电磁领域中各种各样复超越方程的高精度求解问题.在算法实现过程中,使用参数跟踪策略有效地缩小了搜索区域,保证了解的单一性,提高了运算速度;使用动态搜索域提高了解的精度;应用三阶差商公式预估新的搜索中心,使运算速度得以进一步提高.应用本文发展的算法详细求解了终端短路法测量材料的复介电常数时得到的复超越方程和部分填充矩形波导的特征方程,计算结果表明该算法能够轻松地解决复超越方程中的多值问题,解集完备性好,算法鲁棒性强.     

基于信息熵的自适应遗传算法

现有自适应遗传算法陷入局部极小点后很难跳出，本文提出一种改进算法，用信息熵来估计系统分散度，使变异率随系统的分散度而变化。试验结果验证了该方法不仅速度快，而且几乎不陷入局部极小点。     

Optimization of unit commitment based on genetic algorithms

0　ＩＮＴＲＯＤＵＣＴＩＯＮＴｈｅｔａｓｋｏｆｕｎｉｔｃｏｍｍｉｔｍｅｎｔｉｓｔｏｍｉｎｉｍｉｚｅｔｈｅｐｒｏｄｕｃｔｉｏｎｃｏｓｔｓｕｂｊｅｃｔｔｏｔｈｅｃｏｎｓｔｒａｉｎｔｓｏｆｇｅｎｅｒａｔｉｎｇｕｎｉｔｓａｎｄｐｏｗｅｒｓｙｓｔｅｍｉｎ ｇｉｖｅｎｄｉｓｐａｔｃｈｐｅｒｉｏｄｂｙｐｒｏｐｅｒｌｙａｒｒａｎｇｉｎｇｇｅｎｅｒａｔｉｎｇｓｃｈｅｄｕｌｅａｎｄｅｃｏｎｏｍｉｃｌｏａｄｄｉｓｐａｔｃｈａｍｏｎｇｕｎｉｔｓ .Ｔｈｅｒｅａｒｅ ｐｒｉｏｒｉｔｙｌｉｓｔｍｅｔｈｏｄｓ,ｍｉｘｅｄ ｉｎｔｅ…