IGA-DFNN在瓦斯浓度预测中的应用

为了准确预测采煤工作面的瓦斯浓度,提出免疫遗传算法优化的动态模糊神经网络瓦斯浓度动态预测方法。用无线传感网络系统采集工作面瓦斯浓度数据作为样本,通过小波分析对样本数据进行降噪滤波预处理。采用IGA算法对DFNN网络参数进行优化,建立了瓦斯浓度的预测模型。通过MATLAB仿真研究表明,所建模型对采煤工作面的瓦斯浓度演变趋势预测合理,并且经过IGA算法优化DFNN网络比单纯的DFNN网络具有更快、更准确的预测功能,可以为防治煤矿瓦斯积聚提供更好的理论支持。     

基于IIGA-BP神经网络的钢材销售预测模型

为克服传统BP神经网络(BP Neural Network,BPNN)在销售预测中,预测精度低、收敛速度慢的缺点.提出了一种基于改进免疫遗传算法(Improved Immune Genetic Algorithm,IIGA)优化BP神经网络的销售预测模型.改进的免疫遗传算法提出了新的种群初始化方式、抗体浓度的调节机制及自适应交叉算子、变异算子的设计方法,有效的提高了IIGA的收敛能力和寻优能力.并用IIGA优化BPNN的初始权值和阈值,改善网络参数的随机性导致BPNN输出不稳定和易陷入局部极值的缺点.以某钢铁企业的历史销售数据为例进行实证研究,利用Matlab分别构建BP、IGA-BP和IIGA-BP神经网络预测模型进行仿真对比分析.实验证明,IIGA-BP神经网络预测模型较BP神经网络预测模型预测精度提高了23.82％,较IGA-BP神经网络预测模型预测精度提高了22.02％.IIGA-BP神经网络模型对钢材销售预测的泛化性能更好,预测效果更稳定误差基本保持在[0.25,0.25]之间,预测精度大幅度提高,为企业销售预测提供了一种较为有效的方法.     

核电站蒸汽发生器传热管二次侧晶间腐蚀和晶间应力腐蚀及防护

晶间腐蚀（IGA）和晶间应力腐蚀（IGSCC）被认为是在蒸汽发生器某些部位存在的杂质，由于沸滕和冷却循环较差而发生浓缩，以及传热管的应力、材料敏感性和温度的作用而引起的。防止IGA和IGSCC的措施包括：控制二次侧化学杂质、改善缝隙环境、定期的清洗和进行在役检查等。     

永磁直线同步电动机的IGA优化设计

永磁直线同步电动机在远距离、大推力应用场合中需要的中枢绕组和永磁体多,系统造价较高。针对该问题,文章以经济指标为目标,采用自适应参数调整和适应值定标相结合的改进遗传算法,通过选取优化变量、确定约束条件及目标函数,实现了永磁直线同步电动机的优化设计。对优化前后的电动机各性能指标进行分析比较后得出,该优化方法能够改善电动机的综合性能指标,提高电动机的推力,减小电动机的体积,从而降低了电动机的制造成本。     

基于免疫遗传算法的Web服务组合方法

针对Web服务组合提出一种免疫遗传算法(IGA)。该算法将免疫原理引入遗传算法(GA)中,提高算法的整体特性。主要表现在免疫选择可有效地防止早熟,基于免疫记忆的子群体信息交换策略可加速收敛。GA在Web服务选择上存在不足,而IGA可以在备选的Web服务中进行有效的选择并最终组成Web服务组合,提高服务组合的质量和收敛速度。仿真实验结果表明IGA比GA更有效。     

基于IGA的板形板厚神经网络分散解耦PID控制

针对板带材轧制是一个复杂的非线性过程，板形控制(AFC)和板厚控制(AGC)又是相互耦合的一个综合系统等特点．该文首先采用神经网络分散解耦方法，对此板形板厚多变量耦合系统进行解耦，而后再应用基于免疫遗传算法的PID控制对解耦后的已近似成为两个独立的SISO系统的广义对象进行控制。从而建立了基于免疫遗传算法的板形板厚神经网络分散解耦PID控制系统。仿真结果证明了此AFC—AGC控制系统具有良好的自适应跟随和抗扰性能，其控制效果优于传统的解耦PID控制。     

基于免疫遗传算法的智能化电磁电器全局优化设计

文章用一种免疫遗传算法（Immune Genetic Algorithm,简称IGA）对智能化电磁电器进行结构及控制参数优化设计。该算法在保留基本遗传算法（Simple Genetic Algorthm,简称SGA）随机全局搜索能力的基础上，引进了生物免疫系统中的抗原记忆，抗体促进与抑制，抗体多样性保持等机制，实验结果表明，基于免疫原理的遗传算法可有效改善基本遗传算法未成熟收敛等缺陷，提高全局搜索的效率及能力，在智能化电磁电器全局优化设计中取得了满意的结果。     

覆盖层上面板堆石坝筑坝材料反演分析与安全性研究

以双溪口面板堆石坝实测沉降监测资料为基础,通过基于免疫遗传算法的位移反分析法对堆石料E-B模型参数进行反演分析,获取了符合工程实际的模型参数。根据反馈分析得到的计算结果,采用邓肯-张弹性非线性E-B模型,分析研究了大坝竣工期及蓄水期的变形及应力分布状态,计算结果表明,大坝蓄水期位移增量较小,面板应力正常,大坝运行安全。     

基于免疫遗传算法的邓肯—张E-B模型参数反演分析

邓肯—张E-B模型应用于面板坝的应力应变分析时一般通过室内三轴试验获取模型参数,而中低面板坝一般不进行室内三轴试验,通常采用的工程类比法取得的模型参数计算误差较大,通过基于免疫遗传算法的位移反分析法得到较为符合工程实际的邓肯—张E-B模型参数,并以双溪口水库大坝为例,计算了竣工期沉降量,通过与实测沉降量的对比分析,说明了该方法的合理性。     

基于改进遗传算法的RBF神经网络结构优化研究

针对RBF神经网络隐含层节点数过多导致网络结构复杂的问题,提出了一种基于改进遗传算法(IGA)的RBF神经网络优化算法。利用IGA优化基于正交最小二乘法的RBF神经网络结构,通过对隐含层输出矩阵的列向量进行全局寻优,从而设计出结构更优的基于IGA的RBF神经网络(IGA-RBF)。将IGA-RBF神经网络的学习算法应用于电子元器件贮存环境温湿度预测模型,与基于正交最小二乘法的RBF神经网络进行比较的结果表明:IGA-RBF神经网络设计出来的网络训练步数减少了44步,隐含层节点数减少了34个,且预测模型得到的温湿度误差较小,拟合精度大于0.95,具有更高的预测精度。