高速倾斜镜建模与传递函数辨识

为了在光束稳定控制系统中更好地对高速倾斜镜（FSM）实现稳定、精确地控制,对于由超磁致伸缩材料（GMM）作为位移产生元件的高速倾斜镜,根据GMM 材料的特性和倾斜镜的运动机理,经推导建立了倾斜镜的传递函数模型,并结合实测的倾斜镜幅频和相频响应特性,在Matlab 软件中利用Levy 法对倾斜镜的传递函数进行了辨识,得到了精确的倾斜镜传递函数。与实测结果相比,在中低频段,幅度辨识误差在0.3 dB 以内,相位辨识误差在5以内,结果表明:通过理论推导建立的倾斜镜模型是合理有效的,对于改善该倾斜镜在应用系统中的稳定性和精度提供了依据。     

雷达天线控制系统传递函数的参数辨识

主要研究了雷达天线控制系统传递函数的参数辨识原理,并给出了辨识程序的设计方法。实验结果表明,这种方法具有一定的辨识精度和工程应用价值。     

基于遗传算法的直升机纵向通道频域辨识

针对传统算法容易陷入局部最小值和对初始条件敏感的缺陷,将经典的频域辨识技术与遗传算法相结合 ,以某无人直升机为背景进行了多输入多输出系统辨识的方法研究。将多变量频域法用于无人直升机纵向模型辨识,应用快速傅立叶变换进行了辨识对象输入输出信号时域到频域的转换,从而获得系统的频域特性;利用遗传算法的全局最优特性对搜索空间进行了选择、交叉、变异操作,用以获得符合系统频域特性的传递函数矩阵。仿真结果表明,辨识模型能够较好地逼近原模型。     

光电跟踪架传递函数辨识方法及应用

鉴于传统的光电跟踪伺服控制系统频率响应测试方法复杂的缺点,采用了一种全数字化频率响应测量方案对光电跟踪架的频率特性进行测试。提出了一种递阶辨识法与传递函数参数辨识算法相结合进行传递函数辨识的新方法,并推导出了适用于不同阶次传递函数的辨识算法数学模型。在使用递阶辨识法辨识出系统阶次的基础上,利用测试得到的数据,分别采用最小二乘法和以新推导出的数学模型为基础的Levy法、Sanko法和Vinagre法辨识出了光电跟踪架的传递函数。辨识结果表明,新推导出来的数学模型正确,以其为基础的辨识算法误差均小于最小二乘法;3种算法中,Sanko法在整个频域内的辨识效果最好;采用递阶辨识原理与参数辨识算法相结合的方法可行,且精度较高。     

神经网络在系统辨识中的应用

系统辨识在工业方面应用广泛,该文从基本的智能控制技术——神经网络(NN)技术出发,提出了一种利用神经网络进行系统辨识的方法.该辨识方法显示出很强的处理问题的能力,无需辨别系统阶次.辨识结构简单,精度高.仿真结果表明这种方法的有效性和可行性.本论文共分为四部分:第一部分介绍了神经网络用于系统辨识的特征,第二部分讲述了神经网络的工作原理,包括神经网络的模型、传递函数及训练过程,第三部分讲述了神经网络进行系统辨识的仿真实例,第四部分对上述内容作了简要小结.     

改进量子遗传算法辨识超混沌系统

混沌系统的参数辨识是非线性科学中混沌控制与同步的关键问题。提出改进量子遗传算法,该算法具有良好的全局搜索能力,将其应用在混沌系统参数辨识问题。通过尽量减小实际系统与数学模型的状态同步误差来构造适应度函数,将参数辨识问题转化为一个多维优化问题。对超混沌Chen系统进行研究,并与基本量子遗传算法比较。实验仿真结果表明,改进量子遗传算法的有效和可行性,为混沌系统辨识开拓了一种新方法。     

基于遗传算法的热疗温度场重构参数辨识方法

本文主要研究在肿瘤热疗中利用测量有限个温度点作参数辨识重构温度场的问题.为求取在生物传热中起主要作用的血液灌注率的优化参数估计,本文首次提出用遗传算法构造血液灌注率的参数辨识过程;这一方法在离线的仿真中得到了最优的高精度参数辨识,并且是模型自动匹配的.遗传算法在生物传热控制上所作的非线性参数辨识,也为控制中此类问题的研究提供了方法性依据.     

基于自适应Volterra滤波器的非线性系统辨识

为了识别非线性系统的参数,本文提出了一种基于自适应Volterra滤波器的非线性系统辨识方法。给出了自适应Volterra滤波器的LMS和RLS算法。数值仿真结果表明,该方法对于非线性定常和时变系统都有效。     

线性时滞系统可辨识性的探讨

可辨识性分析法是为具有时滞状态，可控输入和可观测输出的线性时滞系统开发的，该系统具有有限数量的集总延迟。文中阐述了提供充分不平稳输入信号时，线性时滞系统传递函数的在线辨识性，可控输入的不连续性对系统的马尔科夫参数可辨识性的决定性，系统传递函数的在线辨识性和系统的马尔科夫参数可辨识性的关系，分析了系统可辨识的条件和必需的输入信号特性，用一个例子说明了系统可辨识性理论的应用。     

基于自适应遗传算法的方向图综合

提出了一种改进的方向图综合方法.该方法以遗传算法为基础,以正交基函数表示天线口径分布,并且在优化过程中,对交叉概率、变异概率和变异范围同时进行自适应的变化.和原有的遗传算法相比,该算法减少了优化变量的数目,天线激励的相位和幅度曲线更光滑,提高了收敛的速度,并且缩小了幅度的动态变化范围.线阵和面阵的仿真结果均表明,该方法实用、高效.     

基于改进自适应遗传算法的图像配准方法

采用遗传算法进行图像配准时,存在收敛速度慢、易早熟的问题,可能导致误配。为克服这些缺点,提出了改进的自适应遗传算法(improved adaptive genetic algorithm,IAGA)。该算法以互信息作为相似性测度,通过对遗传参数设置的改进,自适应的调解进化过程中的交叉概率和变异概率,既提高了遗传算法的收敛速度,又有效地防止了早熟。实验结果表明,改进算法具有更好的有效性和精确性。     

一种基于自适应遗传算法的BP网络的应用

针对遗传算法和BP网络各自的优缺点，探讨了两算法结合的必要性、可能性以及结合方法，提出了一种改进的自适应遗传算法，并把该算法用于优化BP网络的权值。把经优化后的BP网络作为汉字识别的分类器，实验结果验证了所述方法的有效性。     

基于自适应遗传算法的EPS路感研究

文中研究了汽车转向路感的形成,并对系统进行了动力学建模,分析了电动助力转向系统的路感特性,研究了电动助力转向系统路感的影响因素.提出了用自适应遗传算法改善电动助力转向系统的路感.仿真结果表明,自适应遗传算法具有搜索速度快,收敛精度高等优点,基于自适应遗传算法优化的系统参数提高了系统的转向路感.     

一种基于种群多样性的新型自适应遗传算法

为克服传统自适应遗传算法易出现未成熟收敛的问题,提出一种新型基于种群多样性的自适应遗传算法。解决未成熟收敛问题的关键是避免算法在寻找到最优解前种群多样性的丧失。为适应进化过程中种群多样性的变化,提出了包含方差因子和种群熵因子的交叉概率和变异概率公式。根据种群收敛情况相应地调整交叉概率及变异概率,在不破坏种群优良基因模式的同时保持种群的多样性。通过标准函数测试与已有算法进行对比,结果表明,所提算法相较于已有算法,在保证收敛精确度的同时提高了收敛速度,有效克服了“早熟”等问题。     

基于自适应免疫遗传算法的多序列比对

针对多序列比对问题提出一种基于自适应免疫遗传算法的多序列比对方法。为了保持群体中个体的多样性，以及加快算法的收敛速度，该算法中交叉概率和变异概率根据群体的多样性自适应调整，并且在选择免疫算子时采用择优策略，将免疫算子引入到自适应遗传算法中，通过对个体接种疫苗来进一步提升个体的存活能力。     

一种基于PSO的改进型多智能体遗传算法

通过将多智能体系统加入基本的粒子群算法（PSO）,提出了一种新的函数优化方法——多智能体遗传PSO算法（MAGPA）。该方法将智能体固定在网格上,而每个智能体通过邻域的竞争和合作,随机交叉操作,变异操作,再联合PSO的进化机制,不断地感受局部环境,逐步影响整个智能体网格,以增强对环境的适应度。该算法可以有效地保持智能体的多样性,提高优化的准确性。     

基于量子遗传算法的CDMA多用户检测技术

多用户检测技术的最优解在常规条件下是个NP难解问题,利用量子态并行计算特性和量子纠缠特性能有效获得多用户检测的最优解,现提出了一种基于量子计算理论和遗传算法理论相结合的量子遗传算法的多用户检测技术.仿真结果表明,此方法在误码率方面具有良好的性能并且其抗多址干扰能力和抗远近效应能力明显优于经典遗传算法多用户检测器和传统检测器.     

基于改进遗传算法的入侵检测的研究

目前的入侵检测存在一些问题,针对这些问题,对遗传算法在入侵检测中的应用进行了研究,讨论了适应度函数的构造,并对种群的确定、选择算子、交叉算子进行了改进,在此基础上提出了一种基于改进遗传算法的入侵检测模型,并通过实验验证了它的可行性.     

Heuristic Sarsa algorithm based on value function transfer

With the problem of slow convergence for traditional Sarsa algorithm,an improved heuristic Sarsa algorithm based on value function transfer was proposed.The algorithm combined traditional Sarsa algorithm and value function transfer method,and the algorithm introduced bisimulation metric and used it to measure the similarity between new tasks and historical tasks in which those two tasks had the same state space and action space and speed up the algorithm convergence.In addition,combined with heuristic exploration method,the algorithm introduced Bayesian inference and used variational inference to measure information gain.Finally,using the obtained information gain to build intrinsic reward function model as exploring factors,to speed up the convergence of the algorithm.Applying the proposed algorithm to the traditional Grid World problem,and compared with the traditional Sarsa algorithm,the Q-Learning algorithm,and the VFT-Sarsa algorithm,the IGP-Sarsa algorithm with better convergence performance,the experiment results show that the proposed algorithm has faster convergence speed and better convergence stability.