基于非线性GA算法的MFF透射模型的参数辨识与优化

基于磁性流体(MF)磁链理论,建立了磁流体薄膜(MFF)传感模型,并通过Monte Carlo法分析了MF透射特性,建立了MFF透射模型。采用非线性遗传算法(GA)对MFF透射模型进行了参数辨识,分析了种群规模、进化代数、交叉率、变异率等参数选值对算法运行结果的影响,并选取了最佳参数组合,搭建了MFF电流传感器实验平台,分析了MFF厚度和粒子浓度对MFF透射性的影响,运用MFF透射模型对MFF电流传感器进行了仿真预测。实验及仿真结果表明该模型具有较好的预测性,预测误差在2.29%以内,所设计的MFF电流传感器的测量灵敏度达到11μW/A。     

传感器非线性动态模型及其辨识的研究

0 引 言 本文针对一种典型的非线性传感器——力平衡式闭环传感器,研究了其非线性动态模型及辨识问题。在分析了该传感器动态非线性的产生机理后,给出了传感器非线性动态模型的数学描述,研究了非线性传递函数的频域估计方法,最后通过传感器实验证明了上述研究方法的可行性。     

基于DTC-LS的加速度计动态模型参数辨识

加速度计动态模型对描述和分析其动态特性具有重要作用。针对加速度计绝对法冲击激励校准中未知延迟时间对加速度计动态模型参数辨识精度的影响,提出了一种基于延迟时间修正(DTC)和最小二乘(LS)的加速度计动态模型参数辨识方法,该方法将延迟环节引入加速度计动态模型中,使用加速度计冲击激励与响应数据的傅里叶变换估计频率响应函数,采用LS方法和极小化相位误差准则函数迭代修正延迟时间,并利用延迟时间修正后的加速度计冲击激励与响应数据,辨识加速度计动态模型参数。仿真实验和加速度计绝对法冲击激励校准实验表明,该方法能够有效地消除延迟时间对加速度计动态模型参数辨识的影响,辨识获得的加速度计动态模型参数具有较高精度。     

基于LuGre模型和遗传算法的阀门阻尼参数辨识

研究由阀门阻尼测试系统的实测数据辨识阀门摩擦副的阻尼参数。阀门摩擦副的动态阻尼特性的测试和参数确定通常比较困难。LuGre摩擦模型能够精确地描述摩擦特性,模型中包含六个静、动态阻尼参数,参数之间存在耦合。通过遗传算法对静态阻尼参数和动态阻尼参数作两步辨识。分别对选择交叉和变异算子进行改进,解决了局部收敛的问题。实验结果表明,辨识得到的阻尼参数可以精确地描述阀门的实际运动状态。     

基于改进GA算法辨识三轴飞行仿真转台模型

在理论分析的基础上建立了三轴飞行仿真转台机理模型，利用改进的遗传算法得到了降阶模型，并依据先验知识，在不同工况条件下利用改进的遗传算法对外框模型进行离线闭环辨识，得到了由10个外框模型构成的模型集合，最后，在模型集合的基础上，利用改进的遗传算法提取出了外框系统的标称模型。仿真结果表明了该系统模型建立方法的有效性。     

基于预测误差法的加速度传感器动态模型参数辨识

加速度传感器动态模型对研究与分析加速度传感器的动态特性与动态误差补偿具有重要作用。针对加速度传感器动态模型的参数辨识,提出了一种基于预测误差法的加速度传感器动态模型参数辨识方法,该方法将加速度传感器的状态空间模型转化为线性带外生输入的自回归滑动平均(ARMAX)模型,获得其最优一步预测输出的表达式,并通过求解加速度传感器最优一步预测输出极小化误差准则函数,实现加速度传感器动态模型参数的最优辨识。实验结果表明,该方法有效地实现了加速度传感器动态模型的参数辨识,所得加速度传感器动态模型具有较高的精度,能描述加速度传感器的动态特性。     

基于改进灰狼算法的宏微复合驱动器磁滞模型的参数辨识

精确辨识磁滞模型参数是保证宏微复合驱动器位移跟踪精度的关键,针对传统灰狼算法（GWO）存在局部最小值和求解精度不高的缺陷,文章提出一种改进的灰狼算法（TGWO）。通过Singer混沌映射优化了灰狼个体的初始位置,以增加种群多样性;采用非线性收敛因子策略提高了局部开发度和全局搜索度;在种群位置迭代更新中引入动态权重更新和自适应更新策略。通过仿真和实验表明：该算法能有效可靠地辨识宏微复合驱动器磁滞模型的参数,平均相对误差为4.6%,拥有更高的精度和收敛性。     

汽车座椅座垫非线性模型参数辨识研究

基于遗忘因子递推最小二乘法对汽车座椅座垫非线性模型参数辨识展开研究。首先根据汽车座椅座垫非线性特性,建立驾驶员处的人体-座椅单自由度非线性动力学模型;然后,在沥青路面上对某款轿车进行随机输入下的汽车平顺性试验,测量得到驾驶员座椅和座椅底部地板垂向加速度时间历程;最后基于遗忘因子递推最小二乘法,利用试验实测数据对座椅座垫非线性模型参数进行辨识与分析,分析结果将为座椅乘坐舒适性改善、汽车平顺性优化及控制研究等提供技术支持。     

基于力状态映射法辨识非线性结合部动态参数

频域分析中.运用力状态映射法对复杂结构非线性结合部等效动力学参数进行辨识,从而大大减少了在时域分析中需要大量数据带来的问题.由于结合部等效动力学参数的数学模型未知,加上试验时噪声对辨识精度的影响不可忽略,若采用传统最小二乘法求解时,方程发生病态,其解出现不适定问题.针对这种情况从以下两方面进行深入研究:假设所建立的数学模型包含所有精确项和冗余项;假设所建模型不包含所有精确项.采用Tikhonov正则化与迭代算法相结合对结合部等效力矢量模型进行更新,从而辨识出结合部等效动力学参数.分析发现即使实际模型不包含所有精确项,只要进行不断的模型更新,满足最终的收敛准则,辨识的精度仍然很高.最后通过算例验证,表明了本方法具有很高的辨识精度.     

超磁致伸缩驱动器频率相关的动态磁滞模型

考虑超磁致伸缩驱动器频率相关的涡流损耗和异常损耗,将Jiles-Atherton静态磁化强度模型扩展为动态磁化强度模型。基于动态磁化强度模型及驱动器结构动力学原理,建立驱动器的动态磁滞模型,并应用遗传算法辨识该模型的参数。试验结果表明,该模型能在较宽的频率范围内较好地描述驱动器的动态磁滞特性,对驱动器的性能估计和控制器设计具有重要指导意义。     

ESD模型参数识别的差分进化方法

提出了一种以差分进化算法对静电放电模型进行参数辨识的新方法。以基于Heidler雷电流方程的静电放电模型参数为辨识对象,分别以仿真和实验数据验证了该方法的可行性,并从电流波形整体和局部两方面对拟合效果进行了评估。结果表明,与遗传算法相比,差分进化算法的执行速度更快,所得的辨识参数精度更高,对电流波形的整体和局部关键点的拟合度均高于遗传算法。因此,差分进化算法比遗传算法更适用于解决静电放电模型参数辨识问题。从实例可以看出,差分进化算法不需要过多的初始参数值先验知识,而只需提供一个较宽的初始参数搜索范围即可获得良好的辨识结果。此外,本文还以差分进化算法对Bruce-Golden和Gaussian函数静电放电模型进行参数辨识,验证了该方法的适用性。     

基于遗传算法的信号识别技术

将遗传算法应用于识别气浮式动平衡测量装置准静态信号的参数 ,提出了二次磨光法的数据预处理方法。首先采用二次磨光法消除坏点并进行快速傅立叶变换以确定信号的频率成分 ,并设定各频率成分信号的幅值和初相位的取值范围 ,然后以实测信号与识别结果的差值定义适应度 ,最后经过基本遗传操作和迭代得出最优解。仿真结果和试验实例表明 ,提出的方法精度很高 ,幅值识别误差不超过 1% ,初相位误差小于 2° ,满足了实际工程需求。     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

基于遗传算法的动态连续型设备布局方法

在企业未来产品需求可预测的情况下,对具有多个计划期的车间内动态设备布局问题进行了研究.将动态设备布局中设备重置费用简化为设备移动成本与产能损失成本,结合静态设备布局问题连续模型以及动态设备布局问题离散模型的研究方法,构建了针对不等面积设备的动态多期布局问题的连续模型,并设计了改进型的遗传算法对模型进行了求解.此算法具有新颖的编码策略以及自适应选择交叉算子,具有良好的寻优能力.最后通过对一个3×8动态连续型设备布局问题的实例验证,证明了模型与方法的可行性.     

基于遗传算法的RGV动态调度研究

在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈.针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法.通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性.最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据.     

基于改进PSO算法的发酵过程模型参数估计

建立准确的非线性机理模型是发酵过程优化调控的关键.提出了一种基于改进粒子群优化算法(PSO, particle swarm optimization)的发酵过程模型参数估计方法,并将该方法用于青霉素发酵过程建模.改进的PSO算法通过引入粒子群能量对粒子进行自适应分群以防止粒子陷入局部最优,从而保证收敛于全局最优解.实验结果表明,该方法可以有效地实现青霉素发酵过程模型参数的准确估计,所得到的模型精度能够满足发酵过程的状态估计和控制需求.     

压电陶瓷执行器的类Hammerstein模型及其参数辨识

针对压电陶瓷执行器的迟滞非线性对压电陶瓷精密定位的影响,提出了应用类Hammerstein模型对压电陶瓷执行器进行建模的方法.建立了压电陶瓷执行器的迟滞模型并且描述其频率相关性.利用类Hammerstein模型把压电陶瓷执行器看成静态迟滞模型和动态二阶系统的串联,其中静态模型由分类排序的Preisach模型进行描述,二阶系统应用遗传算法辨识其参数.实验结果表明:加入二阶系统后,类Hammerstein模型对频率的相关性有较大增强,其误差相应地大幅降低,在800 Hz时平均绝对误差为0.339 2 μm;丽由Prcisach建立的迟滞模型的误差随着频率的增大而大幅增大,在800 Hz为0.888 1 μm.     

基于遗传算法的挠性转子系统的参数识别

介绍了在外电磁激励力务件下的转子不平衡参数识别方程模型，并提出基于遗传算法的参数优化识别方法。并根据识别方程，把不平衡力和轴承特性参数作为输入量，测点处振动响应为输出量，以输出振动响应与实测振动响应的误差最小为优化目标，通过使用遗传算法来识别不平衡力和轴承特性参数。实现在线无试重动平衡。     

基于非线性规划的间歇反应过程动态优化算法

采用对数障碍法和外点法将实际间歇反应过程中的约束条件转化为惩罚项生成新的目标函数,将有约束优化问题转化为无约束优化问题;采用非线性规划算法中的操作变量参数化方法,将操作变量的最优解转化为操作变量子函数的线性组合,将无限维最优解问题转化为有限维权值向量的最优估计问题;同时应用Lyapunov理论设计一种动态迭代优化算法,重点讨论了采样时间的取值对优化算法收敛性的影响.最终用于解决靛蓝生产中碱熔间歇反应过程中过程参数的最优分布,从而提高目标产物的最终收率和降低生产成本等.通过碱熔间歇反应动态优化问题作为实例进行仿真试验,实验结果表明所述算法的有效性和可靠性.