铜闪速熔炼过程操作模式的智能优化

提出了基于模式分解的铜闪速熔炼操作模式智能优化方法,描述需要在线决策的操作参数.从历史样本集中筛选优化的样本组成模式,采用基于聚类的方法进行模武分解,通过混沌遗传算法对每个模式子集寻求操作模式的优化.将该方法应用于铜闪速熔炼过程,提高了铜闪速的操作水平.     

基于混沌遗传算法的铜闪速熔炼过程操作模式智能优化系统

提出了一种铜闪速熔炼操作模式智能优化系统．该系统首先采用动态T-S递归模糊神经网络（Dynamic T-S Recurrent Fuzzy Neural Network, DTRFNN）对工艺参数进行软测量,再采用模式分解的方法对海量数据进行分解,最后对模式子集采用基于神经网络和混沌遗传算法的铜闪速熔炼操作模式智能优化方法进行优化．将该控制系统应用到铜闪速熔炼中,提高了铜闪速炉的生产效率．     

基于混沌DNA遗传算法的模糊递归神经网络建模

本文受生物DNA分子遗传机制和混沌优化算法的启发,提出了一种混沌DNA遗传算法,用于优化T-S模糊递归神经网络（FRNN）.该方法使用碱基序列表示T-S模糊递归神经网络的前件部分参数,包括模糊规则数,隶属度函数中心点和宽度;设计更为复杂的遗传操作算子来改进遗传算法的寻优性能;利用混沌优化算法优化种群中的较差个体.同时使用递推最小二乘法（RLS）来辨识T-S模糊递归神经网络的后件部分参数.最后,采用基于混沌DNA遗传算法的T-S模糊递归神经网络对一种典型的pH中和过程进行建模。通过与其他建模方法的比较,仿真实验结果表明了所建模型的有效性.     

基于改进型遗传算法的再热汽温神经网络模型构建及预测分析

在根据混沌理论非线性重构技术揭示火电机组再热汽温变化的混沌动力学特性的基础上,构建了基于改进型遗传算法(AGA)的再热汽温神经网络模型.该模型利用混沌特性处理输入样本及确定神经网络的网络结构,用神经网络映射混沌相空间相点演化的非线性关系,采用AGA对神经网络模型进行参数辨识.训练结果表明,该模型精度较高,收敛速度快,为生产实际过程中预测机组再热汽温提供了一种新的思路和方法.     

模糊神经网络的混沌优化算法设计

提出了一种基于混沌变量的多层模糊神经网络优化算法设计.离线优化部分采用混沌算法,将混沌变量引入到模糊神经网络结构和参数的优化搜索中,使整个网络处于动态混沌状态,根据性能指标在动态模糊神经网络中寻找较优的网络结构和参数.在线优化部分采用梯度下降法,把混沌搜索后得到的参数全局次优值作为梯度下降搜索的初始值,进一步调整模糊神经网络的参数,实现混沌粗搜索和梯度下降细搜索相结合的优化目的,能较快地找到全局最优解.最后对二阶延迟系统进行仿真,结果表明混沌优化方法控制精度高、超调小、响应快和鲁棒性强.     

遗传算法优化BP 神经网络的短时交通流混沌预测

为了提高BP神经网络预测模型对混沌时间序列的预测准确性,提出了一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法.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,并将该预测方法应用到几个典型混沌时间序列和实测短时交通流时间序列进行有效性验证.仿真结果表明,该方法对典型混沌时间序列和短时交通流具有较好的非线性拟合能力和更高的预测准确性.     

基于混沌遗传算法的模糊CMAC控制

分析CMAC神经网络和模糊控制的特性,给出了一种能反映人脑认知的模糊性和连续性的模糊CMAC神经网络控制器,该控制器采用高斯函数作为模糊隶属函数,利用神经网络实现模糊推理并可对隶属函数进行实时调整,从而使其具有学习和自适应能力;针对BP算法易陷入局部极值点的缺点和简单遗传算法局部搜索能力差的不足,提出了一种混合学习算法,即首先利用混沌遗传算法全局搜索的特点来离线优化神经网络的参数,再利用BP算法较强的局部搜索能力对网络参数进行在线调整;仿真结果表明了该方法的可行性和有效性.     

转炉炼钢终点磷的智能预报

提出了一种用于预报转炉炼钢终点磷含量的智能方法, 在该方法中, 采用模糊推理和遗传算法, 其中模糊推理用于估算转炉熔池的磷含量, 而模糊推理模型中的各个系数则由遗传算法辨识与优化. 为了提高熔池磷的估算精度, 同时还设计了一种神经网络以补偿来自模糊推理过程的误差. 仿真结果表明了该方法的有效性.     

支持向量机的参数优化及其在故障诊断中的应用

针对支持向量机分类器的参数优化问题,提出了一种基于混沌遗传算法的参数选择方法。采用轨道均匀分布的反三角函数Logistic映射产生优化变量,等概率搜索优化区间,克服了Logistic映射优化算法对优化区间边缘进行大概率搜索的缺陷;利用混沌的遍历性产生初始群体,对部分适应度较差的个体进行混沌寻优,解决了遗传算法的早熟和收敛问题。将该方法应用于无刷直流电机功率变换器开关管开路故障分类器中,实现了分类器参数优化。结果表明,该算法是可行、有效的。     

一类模糊神经网络结构的混沌优化设计

基于混沌变量，提出一种关于模糊神经网络结构的优化设计方法。将混沌变量引入模糊神经网络结构和参数的优化搜索中，使得模糊神经网络的规则数以及所有参数都处于混沌状态中，根据性能指标来寻找一个较优的网络。在线优化采用最小二乘法对去模糊化部分的权参数进行实时修正。仿真实验表明，基于混沌优化的模糊神经网络结构精简，控制精度高。     

一种有效的最优序参量重构方法

针对模式识别中协同方法存在的问题,提出了一种协同神经网络中序参量重构的方法,该方法是利用遗传算法的全局最优搜索能力,通过对训练样本集的学习,然后再通过在序参量的构建参数空间进行全局搜索来获得最优重构参数。利用实际采样得到的样本对新算法进行的测试表明,新方法确定能找到一组序参量重构参数,并能使识别性能有较大提高。     

遗传算法优化BP神经网络的混沌时间序列预测

为提高BP神经网络预测模型对混沌时间序列的预测精度,将改进的遗传算法和BP神经网络结合,提出了一种基于改进遗传算法优化BP神经网络的混沌时间序列预测方法。利用改进的遗传算法优化BP神经网络的权值和阈值,训练BP神经网络预测模型求得最优解。将该模型应用到几个典型的非线性系统进行预测仿真,验证了该算法的有效性,与BP神经网络预测模型的预测结果进行了比较,仿真结果表明该方法对混沌时间序列具有更好的非线性拟合能力和更高的预测精度。     

铜转炉吹炼终点预报模型研究

铜转炉吹炼终点预报是转炉生产的一个重要环节,直接影响转炉的生产效益.其吹炼工艺相当复杂,影响生产因素众多且因素之间相互耦合,使得用来预测吹炼终点的模型极其复杂.针对这个问题,利用主元分析法将影响因素重组,在此基础上,提出一种基于遗传算法的Elman神经网络模型对铜转炉吹炼终点进行预测.仿真结果表明,建立的预报模型具有较高的自学习及泛化能力,预报结果具有较高的精度.     

铜转炉吹炼过程熔剂加入量的模糊操作模式挖掘方法

将包含条件参数和需要决策的操作参数组成一个操作模式向量,采用Sugeno模型构造一类基于操作模式的模糊推理系统以进行操作参数的决策.首先利用先验知识对海量数据集进行初步分类;然后采用一种基于模式相似度和相似矩阵的无监督聚类方法来辨识模糊操作模式决策的结构,自动确定模式的数量和模式的值.实例仿真表明,利用该方法进行操作参数优化决策时简便有效,可应用于PS转炉熔剂加入量的优化决策.     

Gesture Recognition Based on BP Neural Network Improved by Chaotic Genetic Algorithm

Aim at the defects of easy to fall into the local minimum point and the low convergence speed of back propagation (BP) neural network in the gesture recognition, a new method that combines the chaos algorithm with the genetic algorithm (CGA) is proposed. According to the ergodicity of chaos algorithm and global convergence of genetic algorithm, the basic idea of this paper is to encode the weights and thresholds of BP neural network and obtain a general optimal solution with genetic algorithm, and then the general optimal solution is optimized to the accurate optimal solution by adding chaotic disturbance. The optimal results of the chaotic genetic algorithm are used as the initial weights and thresholds of the BP neural network to recognize the gesture. Simulation and experimental results show that the realtime performance and accuracy of the gesture recognition are greatly improved with CGA.     

基于遗传算法的BP神经网络优化策略研究

人工神经网络（ANN）可用作机器人控制器,完成多机器人协作搬运作业。针对这种方法收敛速度较慢,误差较大的不足,本文提出基于遗传算法优化的方法。该方法利用遗传算法优化人工神经网络,通过改变ANN结构和遗传算法操作参数,找到最优网络,提高网络收敛速度。仿真结果证明,该方法的可行性与有效性。     

基于混沌理论的再热汽温神经网络模型

在利用混沌理论揭示火电机组再热汽温混沌动力学特性的基础上，构建了再热汽温神经网络预测模型。该模型利用混沌特性处理输入样本并确定神经网络的结构，用神经网络映射混沌相空间的相点演化的非线性关系，采用改进型遗传算法对神经网络模型进行参数辨识。仿真结果表明：该模型精度较高，收敛速度快，为实际生产过程中再热汽温的预测提供了一种新的思路和方法。