改进的状态空间模型遗传算法及其全局收敛性分析

基于状态空间模型遗传算法(GABS)是一种新型实数编码进化算法,在工程优化问题中取得良好的应用效果.针对GABS缺乏有效的数学模型及理论依据,研究并建立了GABS的吸收态马尔可夫过程模型,从可达状态集的角度对GABS进行分析并证明GABS不是全局收敛的.基于此提出了一种扩张可达状态集的改进型GABS(MGABS),改进方法的两种变异策略不仅扩张了算法的可达状态集、提高了种群多样性,而且加快了算法的收敛速度与精度,并证明了MGABS具有全局收敛性.最后利用经典测试函数验证了其综合性能明显优于其他3种算法,为算法在工程中的应用提供了理论依据.

基于改进状态空间模型遗传算法的分数阶PID控制器优化设计

针对分数阶PID控制器参数较多且整定方法计算繁琐的问题,文章提出一种改进的状态空间模型遗传算法以进行分数阶PID控制器的参数整定。其融入一种特殊变异机制,增强了原算法的稳定性及全局收敛性,以便实现全局搜索,得到最优参数,完成最优分数阶PID控制器设计。将优化的分数阶PID控制器应用到伺服控制系统模型中,通过仿真对比分析发现,相比于状态空间遗传算法和遗传算法,该遗传算法的整定结果更好,系统时域响应性能、抗干扰性和鲁棒性更优。

基于状态空间模型的实数编码遗传算法

针对传统遗传算法的不足,提出一种基于离散系统状态空间模型的实数编码遗传算法(RGABS)。突破传统遗传算法的计算模式,将问题的求解过程表示为离散系统状态空间模型的动力学过程,通过构造遗传算子矩阵来确定搜索方向,通过选种池的选择操作体现优胜劣汰的自然选择机制,通过评估遗传算子矩阵的范数来考察算法的收敛性和收敛速度,从而改善算法性能。给出RGABS的计算流程及遗传算子矩阵应满足的条件,分析了遗传算子矩阵和选种池选择操作的作用及算法的收敛性和收敛速度。仿真实验结果表明:RGABS能够避免陷入局部最优,具有计算精度和计算效率高等特点。

基于遗传算法的航空发动机状态变量模型建立方法

提出了一种采用遗传算法建立用于航空发动机控制系统设计的小偏差状态变量模型的方法,即根据发动机稳态工作点处的线性化数学模型的动态响应应该与该稳态工作点处的非线性数学模型动态响应一致的原则来构造遗传算法的适应度函数,通过优化算法,得出系统的状态变量模型。该方法不受系统模态及模型阶次的限制。应用该方法建立某型涡扇发动机的小偏差状态变量模型,具有较高的建模精度,根据该状态变量模型设计鲁棒控制器取得了良好的控制效果,从而验证了该方法的有效性。

基于状态空间模型的激光再制造熔池温度控制系统

激光再制造是用于再制造的一项重要技术,在航空航天、冶金、能源等领域应用广泛。然而,形状控制问题一直是制约其规模化和工业化应用的瓶颈。在激光再制造过程中,熔池温度是决定再制造件形状和性能稳定性的关键。基于此,本文提出了一种基于状态空间模型的激光再制造熔池温度实时在线控制方法,解决了控制机理模型难以建立和多变量约束的问题。

基于遗传算法的非线性系统状态空间辨识

本文提出了一种基于遗传算法用状态空间方程描述非线性系统的辨识方法 ,研究表明遗传算法能克服此类系统不能采用传统最小二乘法辨识的困难 ,并能有效地辨识出状态空间维数及非线性度都不高的系统 ,同时指出基于遗传算法的非线性状态空间辨识方法在状态维数确定。

基于状态空间模型序号编码进化算法的航班优化调度

多跑道航班进离港优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。求解组合优化问题时,采用序号编码比二进制编码和实数编码等方式更直接、更方便。本文提出一种基于状态空间模型序号编码进化算法(OSEA),通过构造状态进化矩阵等操作来实现变异算子的功能,简化了遗传操作,并研究其在航班进离港优化调度中的应用。仿真实验表明:OSEA算法与先到先服务(FCFS)航班排序相比,航班总延误损失降低32.88%,且运算速度更快。

基于改进的状态空间模型进化算法的航班优化调度

单跑道进离港航班优化调度是将某一时间窗内进离港航班看作一个整体,对进离港航班进行统一优化排序,属于典型的组合优化问题。改进的状态空间模型序号编码进化算法(MOSEA)采用序号编码,不使用交叉算子,且通过构造状态进化矩阵来实现基因换位等遗传算子功能,使种群不断地进化,并结合选种池的选择操作实现种群的优胜劣汰。MOSEA算法将问题的解答过程表示为离散状态空间模型的动力学过程,突破了遗传算法的计算模式,简化了遗传操作,并研究了其在航班进离港优化调度中的应用。仿真实验表明:MOSEA算法与遗传算法、先到先服务(FCFS)航班排序相比,航班总延误时间分别降低了22.13%、32.06%,且运算速度更快。

基于空间模型和遗传算法的高校排课系统

如何实现具有人性化设计、能满足多约束条件的高效排课系统是高校教务工作的难点问题.针对某高校排课问题,提出基于空间模型的高校排课算法.首先对比分析现行各排课算法的优劣性,然后结合该校实际排课需要,构建排课问题空间模型和约束模型以降低排课问题复杂度,并在此基础上,对遗传算法进行优化,设计了基于遗传算法的排课算法,提出了排课问题的解决方案.实验结果表明,该排课系统较好的解决了该校的排课问题,为其他类似问题的解决提供了可借鉴经验.

综合公园空间布局优化的模型构建及实证分析

综合公园作为重要且稀缺的城市公共资源,其合理布局对城市存量更新背景下优化公园体系、增进民生福祉具有重要意义。布局优化模型常用于解决公共服务设施布局问题,新重力P中值模型是一种综合多目标导向、设施供需匹配关系和复杂约束条件的布局优化方法。在辨析新重力P中值模型的基础上,综合考虑供给主体差异和模型求解难度,构建出面向城市综合公园布局优化的改进新重力P中值模型,主要修正内容如下:(1)通过细化供给主体,改良规模分配规则,改进新重力P中值模型未考虑现有公园和新建公园服务供给差异性的局限;(2)引入遗传算法寻优,解决非线性、多约束的复杂设施布局问题,实现模型求解以促进模型在公园实际规划中的推广应用。以苏州市中心城区为例,以多源数据为支撑,将研究尺度下沉至居住区尺度,实证结果表明模型优化后居民至邻近综合公园最大出行成本、平均出行成本和可达性基尼系数等指标均有改善,综合公园空间布局更为合理。研究结果可为综合公园布局规划提供有效决策工具,为公园绿地的精准化布局提供参考。

射流管力反馈两级电液伺服阀的高阶状态空间模型

射流管力反馈两级电液伺服阀常用数学模型为单输入单输出的三阶或二阶简化传递函数模型,其无法描述伺服阀各状态参数的变化且不便于采用现代控制理论的方法进行研究。基于现代控制理论,以衔铁角位移、射流喷嘴位移、射流管阀输出压力、滑阀的阀芯位移为输出,建立了射流管力反馈两级电液伺服阀五阶状态空间模型,不同于传统简化模型,此模型包含了滑阀的黏性阻力和液动力、油液压缩和泄漏、反馈杆弹簧力等多种因素的影响。通过仿真,给出了某型号射流管力反馈两级电液伺服阀的衔铁角位移、射流喷嘴位移、射流管阀输出压力和滑阀阀芯位移的阶跃响应曲线和频率响应曲线,结果显示所建高阶状态空间模型误差较小。

基于状态空间模型的结构外部激励计算与响应重构

为提供更完备的响应数据,提出一种借助于状态空间模型的结构外部激励计算和结构多类型响应重构的方法。首先,将二阶动力学方程转化为状态空间模型,并利用状态空间模型推导出结构外部激励的计算公式。然后,将激励与结构模态坐标组合成新的状态向量并构建增秩状态空间模型,结合结构部分观测的加速度响应实现对结构外部激励的计算以及其余位置未知速度、加速度响应的重构。同时引入粒子滤波算法以减小测量过程中有色噪声的影响,并使用萤火虫算法代替粒子滤波算法中的重采样过程,改善粒子贫化现象。最后对钢轨和外伸梁分别进行数值模拟和试验分析,验证所提方法的有效性。试验结果表明:所提方法能对结构外部激励和未知速度、加速度响应进行有效重构。

基于差分和状态空间遗传混合算法的信号配时优化

为了最大限度地挖掘现有道路的承载能力,提出了一种基于差分进化算法和状态空间模型遗传算法的两阶段混合优化算法,建立以车辆平均等待时间最小为目标的数学模型进行优化。为了解决差分进化算法在后期收敛速度变慢,容易陷入局部最优的缺点,引入改进后的状态空间模型遗传算法形成一种混合算法。然后,用所提出的混合算法对5个经典测试函数进行寻优测试,并与定时控制、差分进化算法以及状态空间模型遗传算法进行对比,实验结果表明该混合算法不仅提高了收敛速度,并且在保证了算法收敛精度的前提下缩短了迭代次数。最后,以单交叉路口为例,验证该混合算法在求解信号灯配时问题时的优化效果。

基于加速遗传算法的投影寻踪模型在水质评价中的应用研究

提出将改进的实码加速遗传算法 (RAGA)与投影寻踪评价模型 (PPE)相结合 ,同时优化多维参数 (投影方向 ) ,建立了多元数据分类与评价模型。对长春南湖水的营养状态做出了评价 ,取得满意效果 。

蓝藻水华预报模型及基于遗传算法的参数优化

蓝藻水华预报是应对水危机,保障水资源供给的一项重要工作。以太湖北部三湾(竺山湖、梅梁湾、贡湖)为研究对象,采用动态空间环境建模技术,构建了蓝藻水华预报模型,并通过实地观测建立了模拟的初始参数集。利用2008年04-09月太湖水环境、气象等实测数据,采用遗传算法优化叶绿素a浓度预报模型中敏感度较高的4个参数。研究结果表明,该模型在蓝藻水华空间分布的预报上达到了一定的精度;采用遗传算法能全面、高效地进行参数优化,降低了模拟结果的相对残差,提高了模型预报精度。

基于状态空间模型的子频带语音转换算法

语音转换是一项改变说话人声音特征的技术,该领域主流方法——基于高斯混合模型的全频带参数映射,会导致转换后的语音频谱产生帧间不连续性.本文针对以上问题提出了改进方案:首先引入状态空间模型来模拟语音动态变化特性,其次利用离散小波变换对语音低频和高频部分的参数分为子频带处理.文章最后用主观和客观实验对提出的算法进行的实验仿真和验证.

基于状态空间模型分解的分数阶系统辨识算法

给出了分数阶线性系统的一种有效辨识算法。该算法可以辨识出系统的模型参数,同时也可以对系统的阶次进行辨识。通过基底变换把分数阶系统的系统矩阵变换成对角阵,这就把原系统的输入、输出关系转化为若干简单的子系统的和,从而降低了辨识问题的复杂性。该算法还能容易地获得系统的输出误差对其模型参数及系统阶次的偏导数,从而可以选择利用梯度的优化算法,如梯度下降法和拟牛顿法等,进行系统辨识。最后给出了实例证明了算法的有效性。

多智体系统中约简状态空间的限界模型检测算法

为了形式化描述多智体系统中与概率、实时、知识相关的性质,提出了一种概率实时认知逻辑PTCTLK.模型检测是验证多智体系统是否满足PTCTLK公式的主要技术,状态空间爆炸是该技术实用化的主要瓶颈,为此提出一种PTCTLK的限界模型检测算法.其基本思想是,在有限的局部可达空间中逐步搜索属性成立的证据,从而达到约简状态空间的目的.首先,将PTCTLK的模型检测问题转换为无实时算子的PBTLK的模型检测问题;其次,定义PBTLK的限界语义,并证明其正确性;然后,设计基于线性方程组求解的限界模型检测算法;最后,依据概率度量的演化规律,探索检测过程终止的判别准则.实例研究结果表明,与无界模型检测相比,在属性为真的证据较短的情况下,限界模型检测完成验证所需空间更小.

EM算法在状态空间模型参数辨识中的应用

针对传统辨识方法中状态变量维数不易确定和参数辨识准确率差等问题,利用EM算法实现状态空间模型参数的辨识,并使用AIC准则来确定最优的状态变量维数。在EM算法中首先利用卡尔曼滤波和卡尔曼平滑算法来实现对状态期望的估计,然后再通过对数似然函数期望的最大化来实现参数和噪声协方差的估计,如此不断迭代,直至得到最优的估计参数。通过Matlab进行仿真和分析,结果表明该方法能有效地实现状态空间模型中参数的辨识和状态的估计,并且具有比较高的准确性。

基于多智能体遗传算法优化的航空电子设备状态组合预测

针对传统单一预测方法预测航空电子设备状态的不足,提出了将隐马尔可夫模型(HMM)和最小二乘支持向量机(LS-SVM)相结合的组合预测方法。采用多智能体遗传算法(MAGA)对HMM参数进行训练优化,克服了Baum-Welch算法易陷入局部最优解的缺陷,并在HMM建模过程中引入状态条件概率,以降低不确定性因素造成的影响。采用MAGA估计LS-SVM模型参数,并在参数估计的过程中采用剪枝法实现LS-SVM的稀疏性,从而达到提高LS-SVM泛化性能的目的。在此基础上构建了航空电子设备状态组合预测模型。实例分析结果验证了组合预测模型在预测精度、计算速度和稳定性方面的优势。