基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法(Improved Genetic Algorithm, IGA)的舾装件托盘多载具协同拣选方法。针对遗传算法(Genetic Algorithm, GA)流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索(Variable Neighborhood Search, VNS)策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

基于集合经验模态分解和多目标遗传算法的火-多储系统调频功率双层优化

针对分布于区域电网不同网络节点的多座储能电站参与电网调频功率调度问题,该文提出一种基于集合经验模态分解(EEMD)和多目标遗传算法(MOGA)的火-多储系统调频功率双层优化策略。该策略包含火-储调频功率优化层和多储能电站调频功率优化层:上层计及火-储调配资源各自优势及剩余调频能力,构建火-储调频功率优化分配模型,完成火-储调频功率的分配;下层引入关于调频成本和荷电状态(SOC)的自适应权重系数,以调频成本最低和SOC均衡为优化目标,完成调频功率在多储能电站之间的分配。仿真结果表明,所提策略可以提升区域电网调频效果并降低调频成本,均衡控制多个储能电站的调频成本和SOC,可以防止经济性较好的储能电站长期处于SOC越限边缘状态,提升储能电站参与调频的积极性和可持续性。

基于遗传算法优化Canny算子的织绣文物纹样抽取方法研究

织绣文物中的纹样彰显中国传统文化造型艺术的形式美感,是文创设计的重要素材源泉。针对传统Canny算子进行纹样边缘检测需人为确定阈值的问题,本文提出基于遗传算法自适应优化Canny算子阈值的方法,将边缘点、非边缘点类间梯度幅值方差设置为适应度函数,通过格雷码对阈值染色体编解码、锦标赛选择算法优选交叉变异后的阈值,求解最优适应度对应的高低阈值,用于纹样边缘检测;此外,运用形态学操作得到纹样的完整、精确轮廓;最后,添加Alpha通道抽取纹样前景。实验表明,上述方法在织绣纹样抽取精度和像素准确度(PA)上,优于传统Canny算子、混合蛙跳自适应Canny算子、Otsu法优化Canny算子等已有方法,可有效检测织绣文物图像中纹样真实边缘并完成纹样抽取。

基于遗传算法的风电齿轮传动系统参数优化设计

齿轮箱是风力发电系统的重要部件,其体积大、重量高等问题制约了风电清洁能源的发展.以1.5 WM风力发电机组为研究对象,建立齿轮传动系统轻量化数学模型,并采用遗传算法进行优化求解.结果表明,采用遗传算法是可行的,优化后齿轮传动系统体积减少了4.59%,这将进一步减小齿轮传动系统箱体体积和总质量.通过计算行星轮系的传动效率,验证了优化结果的可行性,该研究将为风电齿轮传动系统轻量化设计提供新方法.

基于深度表征学习和遗传算法的军用座舱色彩设计方法

军用座舱色彩设计作为载人军事设备工业设计中较为主观的一部分,设计的合理性至关重要。为提高军用座舱色彩设计的科学性,提出一种基于深度表征学习和遗传算法的军用座舱配色方法。利用深度表征学习模型预测军用座舱配色方案,并根据色彩感知理论建立军用座舱配色模型,将其作为生成方案的限制条件。同时,引入交互式遗传算法到智能配色系统中,通过人工引导的方式优化神经网络的参数,对预测的配色方案进行有效迭代。实验结果表明:该方法生成的配色方案符合军用座舱配色模型,结合遗传算法的模型预测准确率比单一的深度表征模型提高了16%~18%。相较于人工色彩设计方案,军用座舱智能配色方法生成的方案满意度略优、设计周期缩短了80%~88%,色彩稳定性提高了6%~12%。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于遗传算法的汽车主动悬架变论域模糊PID控制

针对1/4车主动悬架系统,提出一种基于遗传算法(genetic algorithm,GA)的变论域模糊比例-积分-微分(proportional-integral-differential,PID)控制方法.在建立主动悬架系统模型的基础上,引入变论域思想设计模糊PID控制器.为进一步改善控制器减振效果,采用GA来优化变论域中伸缩因子描述函数的参数.结果表明:相比PID、模糊PID与未优化的变论域模糊PID等控制方法,基于GA的变论域模糊PID控制方法在降低车身垂向加速度、改善乘坐舒适性方面具有优越性;所提控制方法对簧载质量和车辆行驶速度不确定性具备较强的鲁棒性.

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于遗传算法优化下棉花的产量预测模型研究

棉花是我国重要的经济作物与棉纺织业发展的主要原材料之一,是我国经济发展的支柱产业。在棉花种植过程中,农田措施、气象环境等都会对棉花生产产生影响。对棉花生长因子进行分析,建立棉花预测模型,预测我国棉花产量,对于指导棉花生产和促进我国经济发展具有重要意义。为此,针对传统BP神经网络在预测中存在测试精度低、鲁棒性差等问题,利用遗传算法(Genetic Algorithm, GA)对BP神经网络模型进行优化,构建GA-BP神经网络模型;同时,基于湖北省2011-2021年棉花播种面积、气象因子、自然灾害和棉花产量,构建BP神经网络、GA-BP神经网络模型,对湖北地区棉花产量进行预测。研究结果表明:GA-BP神经网络模型精度明显高于BP神经网络模型,R2达到0.991。因此,通过GA-BP预测能够更加科学、合理地进行棉花产量预测,对棉花生产及管理措施的调整具有重要的指导意义。

基于改进遗传算法的PC构件生产调度优化

基于流水线车间生产调度理论,建立以生产成本为决策变量、以最大化生产利润为目标的数学模型;结合预制构件车间生产的实际情况,设计最优选择法、局部变异算子改进遗传算法,求解最优生产调度方案。某预制构件公司订单生产调度仿真研究表明,基于改进遗传算法的PC构件生产调度优化可以在较短的时间内获得更高的利润,为提高预制构件智能化生产效率提供了技术基础。

基于遗传算法改进的NLM策略

模块化多电平变换器(MMC)应用于高压直流输电等大功率场合时,脉宽调制中的正弦脉宽调制和空间矢量脉宽调制(SVPWM)策略由于控制变量的增多会变得十分复杂,特定次谐波消除脉宽调制(SHEPWM)策略也存在动态性能较差的问题。最近电平调制(NLM)简单并且适用于电平数较多的场合,可以使MMC具有良好的输出特性,但在电平数过低时存在误差较大的缺点。此处针对传统的NLM在电平数过低的分布式电网系统中会产生较大谐波的问题,引入遗传算法(GA)优化桥臂投入子模块数量取整函数,实现了电平数的增加及谐波含量的减少。仿真和实验验证了所提方法的有效性。

基于遗传算法的划分序乘积空间问题求解层选择

划分序乘积空间作为一种新的粒计算模型,可以从多个视角和多个层次对问题进行描述和求解.其解空间是由多个问题求解层组成的格结构,其中每个问题求解层由多个单层次视角构成.如何在划分序乘积空间中选择问题求解层是一个NP难问题.为此,提出一种两阶段自适应遗传算法TSAGA(two stage adaptive genetic algorithm)来寻找问题求解层.首先,采用实数编码对问题求解层进行编码,然后根据问题求解层的分类精度和粒度定义适应度函数.算法第1阶段基于经典遗传算法,预选出一些优秀问题求解层作为第2阶段初始种群的一部分,从而优化解空间.算法第2阶段,提出随当前种群进化迭代次数动态变化的自适应选择算子、自适应交叉算子以及自适应大变异算子,从而在优化的解空间中进一步选择问题求解层.实验结果证明了所提方法的有效性.

采用改进遗传算法优化LS-SVM逆系统的外转子无铁心无轴承永磁同步发电机解耦控制

为了实现外转子无铁心无轴承永磁同步发电机(outer rotor coreless bearingless permanent magnet synchronous generator,ORC-BPMSG)的精确控制,提出一种基于改进遗传算法(improved genetic algorithm,IGA)优化最小二乘支持向量机(least square support vector machine,LS-SVM)逆系统的解耦控制策略。首先,基于ORC-BPMSG的结构及工作原理,推导其数学模型,并分析其可逆性。其次,建立LS-SVM回归方程,并采用IGA优化LS-SVM的性能参数,从而训练得到逆系统。然后,将逆系统与原系统串接,形成伪线性系统,实现了ORC-BPMSG的线性化和解耦。最后,将提出的控制方法与传统LS-SVM逆系统控制方法进行对比仿真和实验。仿真和实验结果表明:所提出的控制策略可以较好地实现ORC-BPMSG输出电压和悬浮力、以及悬浮力之间的解耦控制。

求解带容量约束车辆路径问题的改进遗传算法

为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。

基于遗传算法的炮击振动环境谱编制方法

为了提高炮击振动环境谱编制精度,提出了基于遗传算法(genetic algorithm,简称GA)的炮击振动环境谱特征点确定方法。首先,介绍了现有标准的预估炮击振动谱的编制方法;其次,以炮舱结构模拟件为对象,开展了炮击振动试验并获取了实测谱,基于飞机飞行振动环境测量数据的归纳方法对实测谱进行了归纳处理;然后,以特征点构成的环境谱与实测数据归纳谱的能量最接近为目标建立目标函数,采用遗传算法对目标函数进行优化以确定炮击振动谱特征点坐标,在对数坐标下通过折线将特征点连接以实现炮击振动环境谱的编制;最后,将基于遗传算法得到的环境谱与基于标准得到的预估谱进行对比,分析验证了所提方法的有效性。结果表明,所采用的方法获得的炮击振动环境谱在均方根值(rootmean square,简称RMS)和谱形特征上都更接近实测数据归纳谱。

基于P波到时拾取的分析法与遗传算法联合定位方法与应用

针对岩石力学震源定位问题,提出了一种在P波到时精确拾取的基础上通过分析法过滤异常到达传感器和遗传算法(genetic algorithms,简称GA)求解联合定位方法,并将其应用于岩石材料的破裂面定位以及采矿工程中。为了消除传感器到时精度、传统迭代法及迭代初值选择对定位的影响,基于时频分析的改进长短时窗(short-term average/long-term average,简称STA/LTA)法拾取P波到时,求解不同传感器组合分析解的逻辑概率密度函数过滤异常到达,引入遗传算法对到达清晰的震源进行定位。通过断铅、含夹层组合煤岩单轴压缩试验及定点爆破试验对该方法进行验证。结果表明:在对信号预先带通滤波后进行变分模态分解(variational mode decomposition,简称VMD)精确滤波的基础上结合改进STA/LTA法可以大幅提升到时拾取精度;通过分析法过滤异常到达对定位精度的影响,结合具有全局性、不受初值影响的遗传算法对震源定位,应用于岩石材料试验以及采矿工程中可以较准确的对震源进行定位,该方法较传统迭代法、线性定位法等更具有工程实际应用价值。

基于修正J-A模型和改进遗传算法的变压器建模方法

变压器直流偏磁会导致铁心半周饱和,可能导致高压直流输电系统中谐波不稳定现象发生。为实现对直流偏磁条件下变压器运行工况的精确模拟,基于能量守恒式及Langevin方程对原Jiles-Atherton(J-A)模型进行修正;进一步提出了适用于修正J-A模型参数辨识的改进遗传算法,提高了传统遗传算法的全局搜索精度和收敛速度。在PSCAD/EMTDC中基于修正J-A模型搭建了非线性磁滞电感,在此基础上建立变压器仿真模型;基于等比缩小的变压器实物进行直流偏磁实验,将励磁电流仿真波形与实验波形进行对比。结果表明:修正的J-A模型物理意义更加明确,改进遗传算法具有更高的精度和更快的收敛速度,所建变压器模型与实验结果吻合度很高,验证了所提建模方法的准确性。