KDP晶体激光预处理参数的优化

KDP 晶体是目前高功率激光装置中倍频材料的首选,元件上架前通常采用激光预处理来提高抗激光损伤性能,由于预处理流程耗时较多,提升预处理效率对于工程应用具有重要意义。研究了激光预处理参数对 KDP 晶体材料损伤性能的影响,通过分析激光辐照通量、辐照发次、能量台阶等预处理参数与元件损伤性能的变化关系,发现在一定通量范围内用不同的能量台阶可以获得同样的预处理效果,由此确定采用变能量台阶的方法对预处理参数进行优化。实验证明,采用此方法可以在保证预处理效果的前提下,将总的激光辐照发次缩减三分之一,结果对于大口径 KDP 晶体元件的激光预处理工艺具有重要参考价值。     

基于遗传算法的参数优化估算模型

支持向量机中参数的设置是模型是否精确和稳定的关键。固定的参数设置往往不能满足优化模型的要求,同时使得学习算法过于死板,不能体现出来算法的智能化优点,因此利用遗传算法(Genetic Algorithm,简称GA)对估算模型的参数进行优化,使得估算模型灵活、智能,更加符合实际工程建模的需求。     

基于改进遗传算法的开关磁阻电机PID参数优化

针对开关磁阻电动机非线性、数学模型难精确建立的特点,采用遗传算法对其PID的控制器各参数进行优化。为克服传统遗传算法的局限性,对传统遗传算法进行了改进,增加了算法的收敛速度,避免了局部收敛的情况。基于MATLAB Simulink建立SRD非线性动态仿真模型,通过仿真验证了改进遗传算法的有效性。     

基于改进遗传算法的PID参数研究

常规PID参数的整定存在着控制精度低,稳定性能差的问题,一直限制了其在高精度及可靠性要求高的系统中的应用。采用改进遗传算法对PID参数进行优化,在寻优空间内快速获得全局最优点。在PID控制器中加入遗传算法模块,快速整定出最优解使系统达到稳态的最佳效果。仿真结果表明,该方法较常规PID参数整定与优化方法,具有更好的控制性能指标,提高了寻优精度,加快收敛速度。     

激光熔覆配油盘零件工艺参数优化研究

大功率激光熔覆配油盘零件工艺参数的优化,是现代表面强化技术研究的一个重点。文章阐述了求解激光熔覆最优工艺参数时遗传算法策略的选取办法,用神经网络方法建立了以激光功率(P)、扫描速度(V)、送粉速率(G)、扫描间距(D)和层厚(ΔZ)等工艺参数与配油盘零件性能之间定量关系模型,通过对参数编码方式、初始群体设定、适应度函数设计、遗传操作设计得到了遗传算法控制参数的最佳配置方案。在MATLAB环境中用遗传算法工具箱得到了适合于激光熔覆配油盘零件的最优工艺参数,实现了配油盘零件性能的优化目标。实践证明由遗传算法得到的最优工艺参数是正确的,对生产实践有很好的指导作用。     

利用改进的人工神经网络优选激光切割工艺参数

在激光切割中,工艺参数的优化搭配直接影响切割质量.为了更好的选择出最优化的工艺参数搭配,本文利用人工神经网络分析方法,建立一个用遗传算法改进的人工神经网络模型,并在实际的应用中选出大量实际实验数据对其加以训练和验证.实验证明,该模型将遗传算法和神经网络的优点相结合,既克服了以往正交实验中存在的选出工艺参数准确度的问题,同时也克服了传统神经网络中易出现的局部最优和收敛速度较慢的问题,从而有效地解决了激光切割中各参数优化搭配的问题.     

基于BP神经网络改进遗传算法的导弹总体参数快速优化方法

为充分发挥导弹的性能,需要在满足技战术指标条件下对导弹质量、飞行程序角等多参数进行优化设计.遗传算法对多参数的组合优化问题非常有效,该过程需要通过弹道积分对种群中的所有个体计算射程,但弹道积分的模型复杂不利于全局搜索.利用BP神经网络拟合计算射程的数值积分过程,对遗传算法中个体适应度计算进行改进,完成了既定射程指标下的...     

基于BP神经网络的激光熔覆参数多目标优化

为了获得TiC铁基合金粉末在316L不锈钢上的激光熔覆最佳工艺参数,提出了一种基于遗传算法优化的反向传播(BP)神经网络的激光熔覆参数优化方法。设计三因素五水平的全因子试验,测量了熔覆层的宏观形貌和平均硬度,建立输入参数(激光功率、扫描速度、保护气流量)和响应量(熔覆层宽度、熔覆层高度、稀释率、显微硬度)的神经网络模型。以多元非线性回归分析工艺参数对响应量的影响,并以综合灰关联度表征熔覆层的综合性能,寻优得到最佳参数。试验结果表明,激光功率和扫描速度对熔覆层宽度、稀释率和显微硬度的影响明显,而保护气流量对熔覆层高度影响最显著,遗传算法优化的BP神经网络模型各响应量模型的拟合优度均达到0.85～0.91之间,GA-BP模型精度良好,当参数为1090 W,扫描速度为4.4 mm/s,保护气流量为10 L·min^-1,综合性能最佳,表明BP神经网络算法适用于激光熔覆层质量控制和参数优化。     

基于遗传算法在时域提取电磁参数的新方法

基于遗传算法的优化能力，并利用电磁场时域响应信息，提出了一种提取目标媒质电磁参数的新方法。将时域测量所得的散射场与由时域算法获得的不同个体的响应相比较，根据两者近似程度，通过遗传算法进行规划处理，即可确定媒质的介电常数和电导率等物理参数。算例结果与真实值吻合较好。相对于传统的频城测量法，该方法具有原理简单，容易实现等优点，还可以推广到目标识别等领域。     

改进的遗传算法网络考试系统研究

在线考试系统中题库的智能组卷是考试系统体系质量的核心所在,在网络环境下如何确保试卷能快速、高效、科学的生成也是组卷的关键所在。本文采用遗传算法进行自动组卷,可以有效填补漏洞,极大提高效率,保证网上考试的公平、公正性。     

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。     

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。     

一种面向RDSM系统的基于遗传算法优化色散矩阵的方法

矩形差分空间调制（rectangular differential spatial modulation,RDSM）是一种多天线非相干调制技术,该技术频谱效率高,低功耗且无信道估计开销,特别适用于信道快速变化的车联网、物联网、6G蜂窝网络等未来通信系统。然而发射端的稀疏酉矩形空时色散矩阵（dispersion matrix,DM）的构造问题一直是个难点,而当前使用的随机搜索优化方法具有极高的计算复杂度,对此,提出了一种低复杂度遗传算法（genetic algorithm, GA）。根据秩与行列式标准最大化准则（rank and determinant criterion,RDC）的方法计算适应度值,可避免差分系统中所需的分类讨论。根据星座旋转对称性的特点,降低 GA 单次迭代的计算复杂度。仿真结果表明,优化得到的DMs（DM set）显著改善了RDSM系统误比特率（bit error rate,BER）性能,对比随机搜索,低复杂度遗传算法有效提高了RDSMS的DMs优化效率,优化DMs所需的计算复杂度约为随机搜索的0.1%。     

求解多输入多输出检测新算法——遗传粒子群优化

设计两种基于粒子群优化算法（PSO）和基于遗传算法（GA）的多输入多输出（MIMO）系统检测算法。提出一种新的融合GA和PSO进化机制的遗传粒子群进化（GPSO）算法,并将其应用于MIMO系统检测问题求解。新算法改善了初始化种群,并将每一代粒子划为精英粒子、次优粒子和糟糕粒子三部分,对这三种粒子分别采用极值扰动、PSO进化和淘汰策略以改善算法的全局和局部搜索能力,从而加快算法的寻优速率和收敛速度。仿真结果表明：与基于PSO和基于GA的检测算法相比,GPSO的检测算法能够很大程度减少种群规模和迭代次数。而与最优的最大似然译码算法相比,GPSO检测算法能够在计算复杂度和误码性能之间获得很好的折中。     

阵列天线的遗传算法综合

提出了一种基于排序的实数码遗传算法并用于阵列天线的方向图综合。该算法对简单遗传算法的编码方式、选择策略、交叉和变异操作进行了改进,使搜索效率有了很大的提高,有效地避免了早期收敛。在实例设计中体现出优良特性,获得了比有关文献更好的结果。     

CO2激光标记中光学参数的计算

激光标记由于具有标记清晰永久等特点而得到迅速发展.在激光器参数一定的情况下,标记质量在很大程度上取决于光学参数的选择.本文导出了能量密度、象深和物距之间的关系,给出了常用材料标记能量密度阈值的实验参数,对CO2激光标记中光学系统设计有指导意义.     

基于遗传算法优化神经网络的藻类繁殖状态软测量方法

为了提高BP神经网络模型对海洋藻类生长状态软测量的准确性,提出了一种基于遗传优化算法优化BP神经网络的软测量方法.利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型以求得最优解,再将该预测结果与传统BP网络预测模型的预测结果进行对比.对仿真结果进行有效性验证后,结果表明,通过这种软测量方法,经遗传算法优化后的BP神经网络可以在更短的时间里创造更高的预测准确性,大大提高了对海洋藻类生长状态预测的效率.     

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。