采用遗传神经网络的轮轨力建模方法

为解决轮轨力建模问题,提出了一种基于遗传算法和径向基函数神经网络的轮轨力建模方法,该方法基于轨道不平顺输入实现了轮轨力的预测．在径向基函数神经网络的中心、宽度和权值参数上,分别采用遗传算法、最大距离法和最小二乘法来确定,从而提高建模精度并减轻该算法的计算量,实现了快速准确的轮轨力神经网络建模．仿真试验结果表明:提出的轮轨力建模方法具有较高的预测性能．     

基于Pareto协同进化算法的TS糊模型设计

提出一种可同时构造多个精确性和解释性较好折中的TS模糊模型的设计方法.该方法由以下两步组成:1)采用模糊聚类算法辨识初始模型;2)利用Pareto协同进化算法对所获得的初始模型进行结构和参数优化.Pareto协同进化算法由规则前件种群和隶属函数种群组成, 其目标函数同时考虑模型的精确性和解释性,采用一种新的基于非支配排序的多种群合作策略.利用该方法对一类合成非线性动态系统进行建模,仿真结果验证了该方法的有效性.