基于蚁群优化的遗传算法在集中供热系统中的应用与仿真

集中供热系统换热站采用质与量并调时,针对解耦后的质通道和量通道,将遗传算法应用到两个独立的控制回路中。对于遗传算法中存在的冗余迭代,求解率低等问题,将蚁群算法对其进行优化,从而克服了两种算法的缺点,形成优势互补,将优化后的算法用于控制回路中的PID参数整定,并进行仿真实验,MATLAB仿真结果表明经蚁群算法优化后的遗传算法无论在时间上还是求解效率上都有显著提高。     

换热站供热系统建模与解耦控制

换热站供热系统是典型的多变量、强耦合、大滞后系统。建立了供热过程二次网供回水温度与流量之间的双输入双输出耦合模型结构,采用改进的粒子群算法辨识模型参数;提出了自适应内模控制器对供热过程进行解耦控制。仿真结果表明,常规内模控制器与自适应内模控制器在模型匹配时都实现了系统供回水温度的解耦控制,控制效果相近。在模型失配时,后者的调节时间和超调量明显优于前者,自适应内模控制器具有更强的鲁棒性和自适应能力。     

基于遗传算法的模糊神经网络控制器在集热管测试中的设计与仿真

针对集热管温度这一大滞后、非线性控制对象以及传统遗传算法收敛速度慢、容易陷入局部最优解等问题,提出了一种基于改进遗传算法的模糊神经网络控制器。采用适应度值标定和最优保留策略来解决遗传算法寻优过程中陷入局部最优解决问题,并对编码方式,选择和交叉算子做了相应的调整和改进。并将此方法用于优化模糊神经网络控制器。仿真结果表明,采用该方法设计的控制器在控制效果上明显优于常规的遗传算法模糊控制器,为提高集热管温度测试效率提供了一条新的途径。     

基于遗传算法的RBF网络及应用

本文采用遗传算法优化了RBF神经网络,讨论了用一种新颖的方式对RBF进行编码,提出了以权重为因子的适应度函数.将优化后的RBF神经网络用于泛函逼近和对新疆雅马渡站的年径流量进行预测,证明其有效性.     

基于遗传优化RBF神经网络的声纹识别研究

提出了一种基于遗传优化RBF神经网络的声纹识别算法,该算法中采用遗传算法对传统的RBF神经网络基函数中心以及宽度进行优化处理,克服了传统RBF神经网络参数难以确定的缺陷。同时,算法结合心理声学模型,提取了能表现说话人个性特征的Mel倒谱系数为特征进行说话人识别,可较好地提升系统的抗噪性能。仿真实验结果表明,与传统RBF神经网络相比,该方法具有快速学习网络权重的能力,并且网络的全局寻优能力强,使得系统的识别率进一步提高。     

模糊神经网络在温度解耦控制中的研究与应用

提出了一种新型的智能控制器，通过神经网络的自学习机制，使模糊控制器也具有自学习、自适应的能力，能应用于炉群温度的解耦控制中。仿真和实验结果均表明：该控制器对于非线笥多变量系统个有良好的解耦控制效果。     

基于并行遗传算法的神经网络在优化设计中的应用

利用并行遗传算法和Hopfield网络的优点，提出了采用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取，利用Hopfield网络简单、快速、规范的优点来优化样本空间，以取得整体的优化效率，从而解决复杂的优化问题。     

基于遗传算法的BP神经网络在图像压缩中的应用

以神经网络和遗传算法为代表的进化算法都基于智能信息处理的理论,但是各自都存在一些缺陷.设计并实现了基于遗传算法的BP神经网络算法BP-GA,该算法将遗传算法和BP算法相结合,用基于实数编码的遗传算法优化神经网络的权值后,应用于图像压缩.实验证明,利用此混合神经网络进行图像压缩,压缩比高,图像恢复质量效果好.     

基于遗传算法的模糊神经网络控制技术研究

提出了一种基于去模糊优化的模糊神经网络控制器及模糊神经网络的遗传学习算法.利用遗传算法优化包含控制器性能的指标来离线寻找最优的模糊神经网络控制器结构和参数,经过遗传算法训练的模糊神经网络控制器被接入模糊神经网络智能控制系统中.仿真结果表明,利用此方法实现的控制,系统的控制精度高,超调量小,鲁棒性能很强,获得了良好的控制效果.     

基于遗传算法的神经网络自适应控制器的研究

提出了一种基于遗传算法的神经网络自适应控制器的设计方法。该控制器主要由2部分组成，第一部分利用遗传算法搜索出一组神经网络控制器的初始权值，第二部分用历史输入输出数据训练神经网络自适应控制器，经过训练后其达到稳定的控制效果。通过Matlab仿真表明，该控制策略克服了BP算法对初始值敏感的问题，有效提高神经网络的控制效果，和常规PID控制器相比较，超调量小、抗干扰性强和鲁棒性好。     

基于遗传算法的BP神经网络技术应用

目前，传统的BP网络算法可以很精确地接近非线性函数，但是仍然存在着两大缺点，就是收敛速度缓慢与极易陷入局部最小值。而基于遗传算法的神经网络技术的提出可以很好地解决这个问题，通过仿真实验对比之后我们可以发现它能够很好地将两者进行有机融合，加快收敛精度与收敛速度。     

基于遗传算法的神经网络集成在人耳识别中的应用

BP神经网络算法存在收敛速度慢和网络泛化能力差的缺点,影响分类识别率。为了提高网络的分类识别能力和泛化能力,在此介绍一种基于遗传算法的神经网络集成方法,即训练出多个个体BP神经网络,利用遗传算法选择差异度较大的个体BP网络进行神经网络集成,再利用该神经网络集成进行分类识别。实验结果表明,神经网络集成可以提高识别率。     

基于遗传优化RBF神经网络的电动负载模拟器控制

针对炮控系统电动负载模拟器存在的摩擦、间隙、弹性形变、对象参数时变和位置扰动等复杂非线性,传统的控制方法难以得到良好的动静态性能指标。结合电动负载模拟器系统组成和工作原理,建立了加载数学模型,利用炮控系统位置控制信号进行前馈补偿,设计了RBF神经网络控制器,并采用改进遗传算法对控制器的权值、节点和中心矢量等参数进行优化。实验结果表明:该控制策略能够有效抑制多余力矩,保证了系统静、动态加载时的控制精度和稳定性。     

基于遗传算法和Hopfield神经网络的字符识别方法

分析了Hopfield神经网络和遗传算法的基本原理,探讨了Hopfield神经网络在字符识别中的应用,针对Hop-field神经网络易陷入局部最优的问题,提出了基于遗传算法的Hopfield神经网络的字符识别方法,利用遗传算法的全局搜索能力来弥补Hopfield网络易陷入局部最优解的缺点。并进行了仿真验证。实验结果证明...     

基于BP神经网络和遗传算法的肺结核发病率预测模型研究

对肺结核发病率进行逼近准确的预测,有助于卫生行政等政府部门在肺结核防控规划中提出适宜的目标。文章利用遗传算法对BP神经网络进行优化,建立基于BP神经网络和遗传算法的肺结核发病率预测模型,用来预测肺结核发病率。实验结果表明,模型具有良好的自我学习和预测的能力,以及全局寻优和快速收敛等特性,可以对肺结核发病率进行逼近准确的预测。     

基于遗传算法和神经网络的多用户检测器

利用两种方法的优点,并将它们应用于CDMA多用户检测中,提出一种基于并行遗传算法和递归神经网络的多用户检测器。该检测器中,遗传算法首先给神经网络提供较好的初始值,然后神经网络实时快速地获得最优解。计算机模拟结果表明:本文所提出的检测器在误码率和抗“远近”效应方面均具有良好的性能。     

基于模糊PID的多功能换热站控制

本系统采用西门子PLC结合模糊PID算法实现了对换热站的多功能控制。既可以根据不同的室外温度,来调节二次网的供水温度,又可以分时段的控制一次网的流量。这种多功能控制能提高供热系统的稳定性,节约能源。     

基于自适应遗传算法优化BP神经网络

传统的BP算法具有简单可塑的优点,但是存在着容易陷入局部极值、收敛速度慢等无法克服的缺陷。遗传算法是一种全局搜索算法,具有很强的全局搜索能力。因此,文中设计了一种自适应遗传算法优化BP神经网络的方法,并通过对数字信号的实例仿真,证明了经过改进优化后的BP神经网络具有很好的应用前景。     

基于遗传算法的RBF神经网络的优化与应用

神经网络在处理现实问题时经常会遇到数据量大,网络结构复杂的问题,主要表现在各网络层之间权值的选取与量化和难以寻找到权值的最优解,对于RBF神经网络问题显得更为突出。针对上述问题,将遗传算法引入到RBF神经网络优化与应用当中进行论述,并将两者的结合运用于现实的问题处理当中。     

PID神经网络在飞控解耦中的仿真研究

在进行飞行控制律设计时,为了获得好的控制品质,有必要对各输出量进行解耦,并且使控制器能根据被控对象动力学特性的改变而自适应调整。为此,介绍了两种PID神经网络解耦控制结构和一种神经网络辨识器,并分别给出了PID神经网络解耦控制器和辨识器的前向算法及反向传播算法;最后分别应用两种解耦方法针对飞机横侧向线性模型进行计算仿真,得到了两种解耦结果;证明了PID神经网络解耦控制的有效性,并比较了两种结构的优缺点。