一种混合遗传算法及其在线性系统辩识中的应用

提出一种将LMS算法和实数编码遗传算法相结合的混合遗传算法。相对于传统算法，将其应用于线性系统辩识，特别是IIR系统的辩识，具有明显优势。IIR系统的性能函数存在多个局部极小值，该算法首先利用遗传算法的全局最优性，在大范围内搜索可能的极值，并限制系统参数随机搜索的范围，以保证IIR系统的稳定性，再在遗传算法中嵌入一个LMS算子，在极值点附近进行快速搜索，从而达到全局最优与快速搜索的有机结合，提高了辨识精度和计算效率。仿真结果验证了该算法用于线性系统辨识的有效性和实用性。     

辩识Hammerstein模型的集成辩识方法——MISO情形

本文针对Ｈａｍｍｅｒｓｔｅｉｎ模型描述的一类ＭＩＳＯ非线性系统，提出了一种稳态估计和动态辩识相结合的集成辩识方法。利用稳态信息获得非线性增益的强一致性估计，利用动态信息可获得线性子系统脉冲响应序列的强一致性估计。数字仿真结果也说明了该集成辩识方法的有效性和实用性。     

函数束辩识非线性系统Volterra核的仿真算法

论述了函数束法用于辩识非线性系统Ｖｏｌｔｅｒｒａ核的思想，提出了实现这一思想的计算机仿真算法     

基于ELMAN神经网络的PID控制器设计

提出了一种将PID控制与ELMAN神经网络自适应、自学习相结合,基于计算机的新型神经网络智能PID控制(NNPID)方法.采用PID控制器和NN控制器共同调节,给出了NNPID控制器的结构、算法及二阶对象下系统的仿真结果.     

基于动态递归神经网络的自适应控制非线性系统研究

提出一种基于动态递归神经网络的自适应控制器,该控制器能通过自学习进行适应性控制,且结构简单,易于实现。其主要特点是能够提供一个跟踪网络来辩识系统模型,进而确定控制器的网络参数,实现间接自适应神经网络控制。经过对大量非线性系统的仿真研究,证明其具有良好的控制性能。     

遗传算法在BP网络权值学习中的应用

针对BP算法学习神经网络权值收敛速度慢、易陷入局部最优等缺点,采用遗传算法学习BP网络的权值;并给出了“异或”（XOR）问题的仿真示例,通过比较,发现遗传算法不会陷入局部最优,有效地改善了收敛速度。     

基于遗传算法的非线性多变量系统模糊神经网络控制

针对一类非线性多变量系统的解耦控制，提出了采用基于模糊神经网络（FNN）的模型参考模糊控制结构，并且为了提高ENN的收敛速度采用了遗传算法。仿真结果表明了该种控制策略的有效性。     

BP算法在非线性系统参数辨识中的应用

非线性系统很少有精确的数学模型,因此,很难就系统提出一个良好的控制方法。为了解决这一问题,本文用人工神经网络来辨识非线性系统,并着重介绍其学习算法BP算法。     

基于多层前向神经网络辩识电液伺服系统模型

建立了一种辩识非线性电液伺服控制系统数学模型的辩识方法,研究了多层前向神经网络辩识非线性系统的辩识算法和结构,利用辩识实验获得的过程输入／输出数据动态调整神经网络权值。仿真结果辨明：神经网络描述的电液伺服控制系统数学模型具有较高精度,算法全局逼近能力良好。     

基于改进遗传算法的BP网络在降雨量预测中的应用

提出了一种改进遗传算法(GA)和BP算法结合的神经网络模型优化方案。首先采用自适应交叉概率和变异概率的遗传算法优化BP网络的权值,在进化结束时,能够寻到全局最优点附近的点;在遗传算法搜索结果的基础上,利用局部寻优能力较强的动量BP算法,从此点出发,进行局部搜索,进而达到网络的训练目标。仿真实验结果表明,在大庆市2000年到2004年6月降雨量的预测方面,遗传算法与BP算法结合的模型预测误差平均为39.13%,标准BP算法的模型预测误差平均为194.66%。说明GA-BP算法模型预报精度较高,预测能力得到了改进。     

CFD结合遗传算法优化室内热舒适性参数

在遗传算法中直接调用CFD程序优化室内空气质量的模型需要消耗大量时间,针对此问题,文中提出了CFD结合遗传算法对模型进行寻优并替代该模型。通过CFD建立教室模型并输出相关数据,使用BP神经网络建立CFD模型的替代模型,并根据PMV指标和空气龄数据建立遗传算法的目标函数,设置不同的权重对该模型寻优,然后与原CFD模型做比较。结果表明,CFD结合遗传算法可以很好地替代用遗传算法中直接调用CFD程序优化的模型,缩短了时间,改善了室内空气质量。     

基于BP-GA的融合算法实现

搜索和寻优是控制、预测等应用技术的基础。在人工智能领域，人工神经网络和遗传算法是解决搜索和寻优这2个问题的基本方法。对BP算法和遗传算法进行了研究，指出了其优缺点；研究了传统的将BP和GA结合起来求解问题的几种方式。鉴于这几种方式存在的实际应用缺陷，提出了一种新型的融合算法，阐述了其基本原理，给出了设计流程图，并详细研究了该融合算法的设计步骤。最后，运用示例验证该算法。     

基于遗传神经网络的入侵检测模型

针对入侵检测系统中存在的对入侵事件高误报率和漏报率问题,提出了遗传神经网络,该方法基于遗传算法的全局搜索和BP网络局部精确搜索的特性,利用遗传算法优化网络初始权重,将遗传算法和BP算法有机结合．实验结果表明,该算法正确鉴定合法的用户矢量为93％,发生7％的误报率．与BP、GA算法相比,分别高出2．875％和5．562％．     

应用遗传算法设计自动交会控制器

本文提出应用遗传算法求解黎卡及方程，并将这一方法用于设计自动交会控制器．遗传算法是一种基于自然选择和群体遗传学机理的参数搜索方法，它将达尔文的适者生存策略与人工染色体中的随机而结构化的信息交换相结合，既消除了求解过程的不适应因素，又利用了解中已有的知识，从而大大加快了优化速度和能力，且计算比直接解黎卡提方程要简单．航天器自动交会控制系统的仿真结果表明，这一方法是有效的．     

遗传算法在非线性系统辨识中的应用研究

系统辨识是控制系统设计的基础,对于非线性系统辨识,传统的辨识方法往往得不到全局优解,为此,提出了基于遗传算法的非线性系统辨识方法。遗传算法在解空间中多点寻优工作对象是参数编码集、不需要导数信息和其它辅助信息,用概率性规则指导搜索,国而具用强的鲁棒 和广泛的适应性。     

基于C语言的遗传算法工具箱

以Ｃ语言头文件方式开发成功遗传算法工具箱ＮＰＵＧＡＴｏｏｌｂｏｘＶ１．０。该工具箱既包括了遗传算法的基本算子，又包含了最新改进算子，可适用于单种群、多种群遗传算法。工具箱在ＴｕｒｂｏＣ２．０及ＢｏｒｌａｎｄＣ＋＋３．１环境下调试成功并通过不同算例测试。     

基于遗传算法优化的BP神经网络的变压器油中气体预测

对变压器的运行状态和潜伏性故障进行有效预测,可避免出现维修不足或过度维修。由于BP神经网络具有对初始值敏感、易陷入局部最小的缺点,因此,其预测精度不高。本文采用遗传算法(GA)优化的BP神经网络对变压器油中气体进行预测和分析,结果表明,所采用的方法可有效提高BP神经网络的预测精度。     

A Genetic Algorithm for Reactive Power Optimization of Power System

oINTRODUCTIoNReactivepoweroptimizationisaneffec-tivemeasuretoreducethelossinpowersystem.However,GeneticAlgorithm(GA)drawsmoreattentionaspowersystemfurtherexpandsinsizeanditisasystemopti-mizationtoolbaseduponnaturalselec-tionandnaturalgenetics,andfeatureshigheffciencyandwideapplicability.lBASICMODELANDGENETICAL-GoRITHMl.lBasicModelforReactivePowerOpti-mizationThefollowingarethevariantstobecontrolledf(l)thecompensationamountontheloadernode,(2)thegeneratorvoltage,(3)theratiooft…     

非均匀线阵遗传优化方案的比较研究

为使等幅边射直线阵具有尽可能低的最大副辩电平，选择几种典型的选择算子和交叉算子组合构成遗传算法方案，进行遗传优化，并对24种算法方案的优化效果作比较研究．结果表明，遗传算法方案设计的关键在于保持合适的种群多样性。如选用截断 赌轮选择算子与均匀交叉算子组合的方案使48单元边射直线阵的最大副辩电平降低到-26．3dB。     

Elman神经网络在ECT系统流型辨识中的应用

针对电容层析成像系统ECT(electrical capacitance tomography)流型辨识问题,在对ECT系统工作原理和流型的辨识方法分析的基础上,提出了一种基于Elman神经网络的ECT系统流型辨识方法,该方法通过对ECT系统采集的电容值特征值提取与处理,将提取的特征值作为Elman神经网络的输入进行训练,经训练后达到流型辨识的目的.经仿真实验验证,与传统的BP神经网络相比,该方法具有结构简单,收敛速度快,不会因阶次未知而出现网络结构膨胀的问题,为ECT系统流型辨识的提供一种的有效方法.