磁流变阻尼器双曲正切模型参数辨识方法

针对试验数据条件下如何高效精确地识别磁流变阻尼器动力学模型参数这一问题,从双曲正切模型出发,在磁流变阻尼器力学特性试验的基础上,提出遗传算法与非线性最小二乘算法结合的方法进行参数识别,并利用Simulink工具箱进行数值仿真验证。结果表明:遗传算法与最小二乘算法结合的方法识别精度高、速度快,其拟合的结果和辨识的模型均能满足要求。

基于计算机视觉和GA-SVM的梭子蟹体重预测

以梭子蟹为研究对象,利用计算机视觉技术对其进行测量.通过CCD相机获取不同生长情况下的梭子蟹图像,采用图像处理技术对图像进行分割处理,计算获得的投影面积、全甲宽与甲长参数;利用图像获取的尺寸参数对梭子蟹体重进行预测,发现梭子蟹投影面积、全甲宽、甲长与体重具有正相关性;并采用遗传优化(GA)的支持向量机(SVM)建立梭子蟹体重回归预测模型.实测结果表明,梭子蟹体重预测值与实测值平均绝对百分比误差(MAPE)为2.23%,均方根误差(RMSE)为5.80 g,优于BP神经网络和参数未优化的SVM预测.证明基于计算机视觉与遗传优化支持向量机(GA-SVM)的梭子蟹体重预测方法能够达到梭子蟹体重测量要求.