基于免疫遗传算法的神经网络在智能故障诊断中的应用

本文设计了一种基于免疫遗传算法的多层前向神经网络,解决了BP算法在故障诊断中易陷入局部极小值的问题,既有神经网络的学习能力和鲁棒性,又具有免疫遗传算法强的全局随机搜索能力。仿真结果表明,这种神经网络能较好地完成复杂生产过程的故障诊断。     

自适应遗传算法在场强传播损耗预测中的应用

针对移动通信场强传播损耗预测中统计模型的精度问题,通过将已有的统计模型转化为目标函数优化问题,提出了一种基于自适应遗传算法的场强传播损耗预测的方法.该方法对自适应遗传算法中的交叉算子和变异算子进行改进,既克服了简单遗传算法中早熟、精度低等问题,又大大提高了搜索速度.将其运用到实际场强传播损耗预测中,实验结果表明该方法不仅收敛速度快,而且显著提高取得全局最优解的能力,在场强传播损耗预测中取得了较好的效果.     

遗传算法在教学中的可视化设计与实现

遗传算法、网络神经算法等智能算法(进化算法)是一种快速、高效非精确算法,由于它突破了传统的精确算法的思维,因而一直是教学上的难点与重点.文章尝试以遗传算法求解8位二进制最大数为例,通过可视化的方式来展现遗传算法的运算过程,加深对遗传算法思想的理解,达到帮助学生理解遗传算法的目的.     

自适应遗传算法在DOA搜索中的应用

由于DOA参数估计中的搜索算法无法满足实时性的要求,本文提出在空间谱估计中使用遗传算法来提高搜索速度。鉴于传统遗传算法存在收敛速度慢和早熟的问题,本文选用自适应遗传算法。文中对遗传过程中初始群体选取、选择、交叉和变异的各阶段进行了改进,并解决了收敛速度慢和早熟的问题。最后通过计算机仿真进一步证明算法的有效性和鲁棒性。     

改进型遗传算法在入侵检测系统中的应用

在信息安全问题日益突出的互联网中,入侵检测技术以其主动防御的特性,得到越来越广泛的重视和应用。遗传算法作为一种人工智能的算法,能够有效的解决传统检测技术中存在的机器学习的问题。设计的改进型遗传算法能够解决传统遗传算法中收敛过快等问题,能够使入侵检测系统更为高效、准确。     

基于遗传算法的故障诊断的研究

介绍了遗传算法在故障诊断中的应用，显示出将遗传算法应用于故障诊断可减少运算量、缩短平均诊断时间、提高诊断效率和故障识别精度。     

自适应遗传算法在相控阵雷达最优化调度中的应用

针对相控阵雷达最优化调度问题,提出了自适应遗传算法的解决方案。在分析雷达约束模型的基础上,设计了相应的编码方式、适应度函数、遗传操作等遗传算法的求解步骤;并提出了既考虑到进化代数对算法影响,又考虑到每代中不同个体适应度对算法作用的自适应交叉概率和变异概率。仿真实例表明该方法可以完成对各项雷达申请事件的合理调度,保证较高的成功被调度率和时间利用率。     

遗传算法在矩阵特征值求解中的应用

遗传算法进行全空间并行搜索,并将搜索重点集中于性能高的部分,从而使效率提高且不易陷入局部极小。具有固有的并行性,通过对种群的遗传处理可处理大量的模式,并且容易并行实现。重点研究遗传算法以及混合遗传算法在传统数学中的应用:解决矩阵特征值问题。通过大量的实验研究,证明遗传算法在传统数学的研究问题中有很高的应用价值。     

一种自适应遗传算法的聚类分析及应用

针对传统的聚类算法在聚类划分问题上还存在着划分效果能力较差等问题,在确保GA算法全局性能和收敛速度的前提下,设计了一种与进化代数相关联的交叉概率和与个体适应度相关联的变异概率。将该算法应用到图像聚类,实验仿真结果表明,对比于k均值聚类算法,该算法具有较好的聚类划分效果。     

量子概率编码遗传算法及其应用

该文提出了一种基于染色体量子概率编码的遗传算法--QCGA。与传统遗传算法不同,在QCGA中, 单个个体不再表示某一个确定解,而是解的取值概率分布,覆盖整个解空间;各个个体独立并行演化,个体间通过一个新的交叉算子实现演化信息的交换,同时设计了一个新的变异算子以增强算法的局部寻优能力。为了充分考察该算法的有效性和先进性,将其应用于典型函数优化、0-1背包问题和时间序列中频繁结构模式搜索等问题的求解。实验结果表明,与现有同类算法相比,该算法在具有很高搜索效率的同时,仍能维持很高的种群多样性, 因而适用于复杂优化问题的求解。     

基于SVM和遗传算法的变频器故障诊断研究

提出一种基于遗传算法和支持向量机的故障诊断模型.该模型采用故障识别中的分类效果作为遗传算法中的适应度函数对故障信号进行特征提取和选择,得到更能反映故障类别的特征,作为识别特征输入多类支持向量机的输入,实现不同类别故障的识别.将该模型应用于变频器功率变换主电路的故障诊断.仿真结果表明,经过遗传算法提取的特征在保持分类精度的基础上,提高了变频器故障识别的效率.     

基于改进遗传算法的下采样图像水印算法研究

提出了一种基于遗传算法(GA)的下采样图像盲水印算法.首先对宿主图像下采样,然后用改进的GA全局搜索最优的子图水印嵌入序列,按顺序把符合标准正态分布的水印分量依次嵌入1对子图的离散余弦变换(DCT)系数中.提出的交叉算子和变异算子改进了GA的自适应性和搜索能力,提高了水印算法的综合顽健性.仿真结果表明,该算法添加水印后的图像在保持高保真度的同时,对低通、高通和压缩等攻击的顽健性有明显提升.     

基于遗传神经网络的电力机车主变流器故障诊断

在变流器的故障诊断系统中,针对BP算法存在收敛速度慢、容易陷入局部极小值的问题,文章采用了遗传算法的选择、交叉、变异过程代替班,神经网络的反向传播过程的遗传神经网络算法。通过仿真试验证明,这种算法具有收敛速度快、推广性强的特点,极大提高了变流器的故障诊断系统的效率和准确性。     

基于GA-LMBP算法的模拟电路故障诊断方法

主要分析遗传算法和BP神经网络的特点和存在的一些缺陷,研究遗传算法和改进型的BP算法相结合的相关技术,设计并实现一个基于遗传算法和LMBP算法相结合的GA—LMBP算法。通过诊断实例．比较三种算法的模拟电路故障诊断,结果证明在相同精确度的要求下,基于GA—LMBP的算法可以大大提高模拟电路故障诊断准确率。     

复杂系统故障的综合诊断模型

为了提高对复杂系统所产生故障的诊断效率,提出一种基于遗传算法(GA)和人工神经网络(NN)的练合诊断模型.该诊断模型的运行分为两步:1)利用NN对故障诊断数据进行预处理;2)运用GA进行诊断.将嵌套神经网络与遗传算法有机结合,嵌套神经网络的功能相当于一种预处理器,可以减少由遗传算法处理的故障类型的数量.弥补了遗传算法不能诊断出可信度和神经网络难以鉴别出最可能故障点的缺点.提高了诊断结果的精确性、可靠性和一致性,而且在一定程度上减少了总运行时间.     

基于遗传算法的容差模拟电路故障诊断

给出了用于模拟电路元件参数识别的多频传递函数法的过程,并对故障诊断方程的可解度进行了分析,在此基础上,将诊断方程的求解转化为非线性函数的优化问题,并运用改进的遗传算法来解决这个问题,算法实例表明该方法简化了故障诊断方程的求解过程,加速了容差电路故障元件的定位,有一定的应用价值。     

基于复数GA的波束空间自适应调零处理

建立了直接辐射阵列多波束天线波束形成的数学模型.提出一种改进的复数编码遗传算法,在算法的初期和后期采用不同的配对方案,在奇数代和偶数代分别采用外推、内插和正交外推内插算子,克服了已有算法的早熟和对初始群体依赖等缺陷,提高了算法的全局收敛能力.采用记忆算子使算法能够对抗位置跳变干扰.模拟实验结果表明,该波束空间自适应调零新方法能够应用于LEO卫星抗干扰,且调零分辨率高、性能稳定可靠,可以获得比传统自适应波束形成算法更好的干扰抑制性能.     

粗糙集-遗传神经网络在挖掘机故障诊断中的应用研究

针对当前单一的故障诊断方法不能满足实际需求的问题,提出了一种粗糙集-遗传神经网络分类器模型,实现对挖掘机故障分类.该模型首先利用粗糙集理论对神经网络的输入进行属性约简,以减少神经网络的工作量;利用遗传算法优化BP神经网络,解决神经网络易陷入局部极小和收敛速度慢的问题;最后利用约简结果和优化的BP网络进行网络训练.实验结果验证了该方法用于故障诊断的有效性.     

基于贝叶斯网络的雷达故障远程诊断系统研究

为了提高高密度航天发射任务条件下的雷达维修能力,缩短维修时间,研究了一种基于贝叶斯网络的雷达故障远程诊断系统。设计了该故障诊断系统的硬件总体结构和软件功能架构,介绍了雷达故障数据的采集和加密传输过程。利用贝叶斯网络建立雷达故障模型,并通过期望最大算法确定了故障模型的参数;采用联合树算法,实现故障定位推理。故障诊断实例表明:与传统的故障诊断方法相比,基于贝叶斯网络的故障诊断方法能够有效识别雷达的故障类型,具有故障定位准确、运行时间短等优点。