汽车主动悬架LQR控制研究

为解决主动悬架LQR控制器中加权矩阵Q和R参数需要手动设计存在的人为因素干扰,提高优化结果的精度,提出基于自适应多种群遗传算法汽车主动悬架LQR控制策略,该策略融合了自适应遗传算法和多种群遗传算法的优点。其利用自适应遗传算法的参数自适应调整提高控制器参数的收敛速度;利用多种群遗传算法的多个种群协同进化提高控制器参数的收敛精度。研究结果表明,自适应多种群遗传算法相比自适应遗传算法以及多种群遗传算法所得寻优结果更优,可有效降低悬架在垂直方向的振动幅度,减缓路面对车体的冲击,进一步改善汽车的行驶平顺性和乘坐舒适性。     

基于自适应遗传算法的循环工况整车参数优化

针对传统遗传算法空间搜索速度慢,交叉和变异率选定依赖经验且无法得到真实最优解的缺点,提出了一种改进的自适应遗传算法。以机械式传动系统为例,建立了循环工况的整车传动系统参数化优化模型,并把优化前传统遗传算法、自适应遗传算法和改进自适应遗传算法进行对比分析。结果表明,改进自适应遗传算法搜索速度最快,优化结果最理想;与自适应遗传算法对比,改进的自适应遗传算法中的六循环工况油耗降低了0.18%,最高车速提高了0.8%,连续换挡加速时间降低了5.02%。这些结果表明,改进的自适应遗传算法结果可靠且有效。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

基于改进遗传算法的压力控制系统参数求解及辨识

该文研究了遗传算法模型,针对遗传算法的特点,在隔代映射遗传算法基础上引入自适应策略,建立了自适应遗传算法数学模型,给出了具体算法流程。通过自适应策略,使IP_GA中的交叉、变异概率能够根据函数适应度大小自动调节,提高了收敛速度及解的质量。通过该算法对液压压力系统传递函数进行参数求解,建立了液压系统的开环模型。利用Matlab/Simulink工具对开环模型进行仿真并与实测输出曲线对比,验证了遗传算法求解液压伺服系统参数的可行性。同时,通过分析仿真结果,找出了材料试验机比例压力控制系统与伺服压力控制系统在辨识方法上的差别。     

基于信息熵的自适应遗传算法研究

利用群体进化中的信息熵变化,对自适应遗传算法进行改进,得到一种新的改进的自适应遗传算法.改进的自适应遗传算法不仅速度比自适应遗传算法快,而且几乎不陷入局部极小点.仿真结果证明了该算法的有效性.     

柔性车间生产资源与AGV物流资源联合优化调度

柔性车间生产资源与物流资源关联性越来越强,各资源独立调度无法实现系统的高效率运行。针对此问题,提出了基于二维度自适应遗传算法的车间生产资源与物流资源联合调度方法。明确了AGV系统组成、工作模式和分配策略,建立了柔性车间的栅格地图模型;以车间完工时间最小为目标,建立了生产资源与物流资源联合调度模型;从时间和空间2个维度设计自适应算子,提出了基于二维度自适应遗传算法的联合调度方法。经合作企业某车间生产验证,二维度自适应遗传算法联合调度方案的完工时间为68 min,小于遗传算法和自适应遗传算法调度方案;经参数敏感性分析可知,二维度自适应遗传算法鲁棒性好,对不同情况下的车间调度问题都具有较好的性能。     

柔性机械臂最优抑振轨迹规划与跟踪控制研究

为了抑振柔性机械臂的残余振动,提出了基于自适应遗传算法的最优抑振轨迹规划和基于全阶终端滑模控制的轨迹跟踪方法.在轨迹规划方面,建立了最优抑振轨迹规划模型;对遗传算法进行改进,使交叉概率随种群多样性自适应变化,变异概率随个体适应度自适应变化,从而提出了自适应遗传算法的抑振轨迹规划规划方法.在轨迹跟踪方面,以轨迹跟踪误差及残余振动为消除对象,设计了全阶终端滑模控制器及控制律,并证明了任意误差状态可在有限时间内到达滑模面并滑动至零点.经验证,自适应遗传算法收敛速度和寻优精度明显优于传统遗传算法,自适应遗传算法规划轨迹的残余振动远远小于传统遗传算法规划的轨迹;在全阶终端滑模控制器的控制下,柔性机械臂在旋转过程中和旋转结束后的振动量极小,而PID控制器在旋转结束后3.5s才逐渐稳定.     

改进单目标自适应遗传算法的车削优化

提出了一种改进单目标自适应遗传算法(MSAGA)。针对自适应搜索遗传算法(ASNSGA)遗传代数设置不合理与单目标非支配排序自适应遗传算法(SONSAGA)因非均匀种群而引起拟合新误差的缺陷,MSAGA算法通过临界遗传代数与变量取值区间的自适应调整,同时提高了计算精度与计算速度。将MSAGA算法应用于车削优化,实例结果显示不仅优于标准遗传算法(GA)与SONSAGA算法的优选值,而且计算速度比SONSAGA算法提高了75.9669%。结果证明MSAGA算法用于车削用量参数的优化是有效的。MSAGA算法能快速自适应获得满足给定精度的变量优选值,为车削优化提出了新思路。     

改进自适应遗传算法在硫化车间调度中的应用

针对轮胎加工生产过程中的瓶颈即硫化工序的生产调度,建立了一个基于改进自适应遗传算法的调度方案.改进自适应遗传算法相对于普通遗传算法,能够更有效收敛于目标,提高运算速度,并通过实例证明了该算法的有效性和可行性.     

一种新的基于OFDMA的跨层资源分配方法

对OFDMA系统中的跨层资源的分配问题进行研究。提出了一种基于自适应遗传算法的跨层资源分配算法,利用自适应遗传算法综合能力和全局搜索的特点,提高算法的全局搜索能力,很好地解决了跨层资源分配问题。在满足用户之间公平性的前提下,改进算法有效提高了系统频谱利用率及吞吐量,也缩短了用户平均等待时间,提高服务品质。     

CBD中采用改进遗传算法的实例修改

研究将遗传算法应用于 CBD(基于实例的设计 )中的实例修改环节 ,用于对相似实例的调整和修改。对于遗传算法在实例调整中应用的策略和方法进行研究和实现。针对应用普通遗传算法可能产生的不成熟收敛问题 ,采用多种群自适应遗传算法加以改进 ,从而解决该问题     

自适应多种群遗传算法的换热管清洗路径优化

为提高清洗效率,对糖业蒸发罐换热管清洗机器人定位移动时间进行研究。在分析影响总定位移动时间因素的基础上,以总合成位移为优化目标,以机器人轴运动分辨率为约束条件,建立了以机器人在各换热处构型和换热管清洗顺序为决策变量的清洗路径优化模型。为克服遗传算法早熟收敛,提出一种自适应多种群遗传算法对清洗路径进行优化。针对84根换热管进行仿真实验,结果表明自适应多种群遗传算法优化后总合成位移比标准遗传算法和固定交叉和变异概率的多种群遗传算法所得总合成位移分别减少39.77%和20%,与固定交叉和变异概率的多种群遗传算法相比,进化代数也从1221减少到1142。由此可见,自适应多种群遗传算法在全局搜索能力和收敛速度两方面都取得较好优化效果,优化所得清洗路径为清洗机器人的运动控制提供依据。     

自适应遗传算法在直线电机进给系统伺服参数优化中的应用研究

针对传统经验方法难以得到合理的直线电机进给伺服系统控制参数,提出一种改进的自适应遗传算法对直线电机伺服系统五个控制参数进行同步优化。在分析直线电机进给系统控制原理的基础上,采用实数编码对控制参数进行编码生成种群,根据控制需求确定了由误差积分项、超调量惩罚项、稳定时间项组成的适应度函数,为加快遗传算法的收敛速度、防止算法进入局部收敛,采用非线性变化的自适应交叉率和变异率对算法进行改进。仿真结果显示,改进的自适应遗传算法在保证系统无超调的情况下使稳定时间达到4.1 ms,优于"三环参数整定法"的39 ms和传统遗传算法的5.9ms,相比于三环参数整定法系统达到稳态所需要的时间减少了89.4%;采用改进的自适应遗传算法后正弦信号的平均相对跟随误差绝对值为24.70%,优于"三环参数整定法"和传统遗传算法的51.02%和24.77%。因此,改进的自适应遗传算法在解决直线电机伺服系统多控制参数同步优化问题时,性能优于"三环参数整定法"和传统遗传算法。     

基于混合遗传算法的车间调度研究

针对用遗传算法求解车间调度问题(job shop problem)容易早熟的缺点,对遗传算法的收敛性、搜索效率和最优解等方面进行了研究,改进了遗传算法,引入了模拟退火算法,提出了新的混合遗传算法。重新设计了基于工件编号的交叉算子和变异算子;采用自适应交叉概率和变异概率;在每一代遗传进化中引入了Metropolis接受准则。通过结合遗传算法、自适应概率和模拟退火算法的各自优点,提高了算法搜索能力。用遗传算法、模拟退火算法和混合遗传算法对Job Shop Problem中FT06问题进行了仿真。仿真结果表明,混合遗传算法提高了搜索效率,能够找到最佳的调度方案。     

全局优化算法自适应模拟退火-遗传算法的研究

对模拟退火法和遗传算法作了简要叙述,并深入分析了模拟退火法和遗传算法的寻优特性,指出了模拟退火法存在的不足及遗传算法的优良特性,从而引入了自适应模拟退火-遗传算法,并定性分析了该算法的可行性。     

改进自适应遗传算法在硫化车间调度中的应用

针对轮胎加工生产过程中的瓶颈即硫化工序的生产调度，建立了一个基于改进自适应遗传算法的调度方案。改进自适应遗传算法相对于普通遗传算法，能够更有效收敛于目标，提高运算速度，并通过实例证明了该算法的有效性和可行性。     

基于人工蜂群-自适应遗传算法的仓储机器人路径规划

为了规划出一条更加节能的拣选路径,针对基本遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异操作,提出一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。首先通过人工蜂群算法初始化种群以增强种群多样性;将路径长度、转弯次数和机器人运行能耗作为适应度函数的评价指标;然后基于三角函数设计自适应策略调整的交叉、变异算子以提高算法的收敛速度。仿真实验表明,在20×20大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少5.22%;而在40×40大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少9.08%。最后实验表明,采用本文提出的人工蜂群-自适应遗传算法规划的能耗减少7.64%,且规划的路径更平滑,更加适用于仓储机器人的路径规划。     

模拟退火实参数遗传算法及其工程应用

由于继承性的问题,遗传算法在编码和解码中会花费大量的计算时间;另外,由于缺乏"爬山能力",遗传算法很容易早及局部收敛。提出了一种新的自适应模拟退火遗传算法,具有遗传算法和模拟退火的优点,同时自适应机制的引入,保证了解的质量并提高了收敛速度。将这种方法应用于螺旋弹簧约束优化设计问题中,结果表明,尽管群体规模较小,但在处理复杂问题时,这种混合算法的全局搜索能力和收敛速度显著提高。     

[工艺规划与装配线平衡]基于果蝇算法的第二类装配线平衡问题

根据第二类装配线平衡问题的特点,兼顾生产节拍最小和工作负荷均衡,建立了多目标研究模型,运用果蝇算法对标杆案例进行求解,并通过MATLAB进行了仿真研究。将果蝇算法优化结果与标杆案例中自适应遗传算法求解的结果进行对比可知,生产节拍缩短,装配线平衡率进一步提升,且各工作站的负荷更加均衡,从而验证了果蝇算法求解第二类装配线平衡问题的有效性,果蝇算法在获取全局最优解的能力上比自适应遗传算法更强。     

变形遗传算法在作业排序决策方面的应用

工件排序方案的合理性直接关系着企业的设备资源利用率,从而影响到企业的经济效益。针对作业排序决策方面的问题,在前期研究的基础上,进一步对遗传算法运行参数中的交叉概率和变异概率导入自适应策略。利用FT06典型Job shop问题实例,对变形处理后的遗传算法进行了测试。实验结果表明导入自适应概率策略的算法,整体寻优性能良好,能较快找到优解。