基于遗传算法优化LSSVM的初速预测

利用两台初速雷达测试弹丸炮口初速的试验中,当一台雷达的数据出现缺失时,通过建模预测出缺失的数据成为一项必要的工作。预测初速主要采用GM(1,1)模型,但是该模型并不完全适合预测初速,所以预测精度不理想。通过深入分析两台雷达之间的关联性,选择把两台雷达的数据进行融合,同时根据弹丸初速自身的特征,选择建立遗传算法优化LSSVM对缺失的数据进行预测。实验验证时,选择ARIMA模型、GM(1,1)模型、支持向量回归机、BP神经网络作为对比模型,两次验证的结果表明,遗传算法优化LSSVM的预测精度最高,误差远小于1‰,达到了初速雷达测试弹丸初速的误差标准,是预测弹丸初速的最佳模型。

基于遗传算法优化LSSVM的着靶速度建模与预测

测试弹丸的着靶速度是靶场试验的重要科目,但是当弹丸飞行状态异常时,雷达就无法准确测试着靶速度,所以利用已测数据对未能准确测试的数据进行预测就很必要。常用的预测模型是GM(1,1)灰色模型,预测精度不理想。为了提升预测精度,选择采用BP神经网络和支持向量回归机进行预测,但这两个模型的参数是随机选取的,预测精度不是最高,所以选择利用遗传算法优化最小二乘支持向量机预测最优参数。实验结果表明,遗传算法优化最小二乘支持向量机的预测精度最高,误差小于2‰,是预测着靶速度的最佳模型。

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。

基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法

目前常规的粗纱机出料传动系统PID参数优化方法主要通过结合被控对象的稳态增益情况构建出优化函数,实现PID参数优化整合,忽略了实际运行工况下的干扰成分,导致参数优化效果不佳。对此,提出基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法。首先结合PID的系统阶跃响应曲线,以被控量的偏差变化率作为主要参数选取性能指标;然后通过引入负荷扰动模块以及频率干扰模块,对PID调节模块进行建模分析;最后结合模糊-遗传算法对最优适应度值进行求解,从而实现PID参数的有效优化,并对提出的方法进行优化效果检验。最终测试结果表明,采用提出的方法对PID参数进行优化整合时,控制输出曲线与理论输出曲线的拟合程度更高,具备较为理想的优化效果。

基于遗传算法的大型矩形压力容器刚强度优化设计

为了解决矩形压力容器承压能力较差、应力状态较复杂、结构优化设计难度高的难题,利用遗传算法可自适应调整搜索方向这一特性,开展了某矩形特征水洞试验段的刚强度优化设计。厘清了该工程问题的约束条件,开展了结构初步设计,采用手动迭代开展了结构优化设计;并在完成参数化建模与仿真、构建代理模型、建立优化设计流程的基础上,基于遗传算法开展了该水洞试验段的结构优化设计。该方法与初步设计结果相比,减重34.98%;与手动迭代优化设计结果相比,减重10.49%。

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.

基于改进实数遗传算法的桑叶采摘机结构参数优化

针对遗传算法在求解桑叶采摘机结构优化问题时容易陷入局部最优和求解精度低等问题,提出一种改进实数遗传算法。首先是给出一种基于序的组合适应度函数的轮盘赌选择算子,该算子在轮盘赌的基础上,通过一个自适应变化的参数在两种适应度函数中选择一个,再去计算适应度值;然后设计一种基于方向的改进启发式交叉算子,该算子既保留两个父代个体中较优个体对子代个体的影响,又增加种群中最优个体对子代个体的影响,提高交叉产生有潜力子代的可能性。接着将改进算法应用于摇杆式桑叶采摘机的优化参数设计中,通过与其他算法作仿真对比试验验证算法的优越性,获得采摘机最优参数组合:行走结构速度为24 mm/s、拨动结构角速度为1.2 rad/s、采摘结构速度为440 mm/s,并由运行结果可知整机性能与优化前相比提高13%。最后用优化得到的参数组合进行实地试验,结果显示桑叶采摘机性能提升10.9%,误差较小为2.1%。可见,所提改进实数遗传算法是优化采摘机参数的一种有效算法。

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。

小波包与遗传算法优化BP神经网络相结合的井架钢结构损伤识别

井架钢结构损伤影响其承载安全性,为快速、准确对损伤位置进行识别,提出小波包与遗传算法优化BP神经网络相结合的井架钢结构损伤识别方法。首先利用小波包处理非平稳振动信号的优良性能对原始振动信号进行特征提取,获得表征井架钢结构损伤的信息;再通过特征参数建立数据集训练并测试井架钢结构损伤识别模型,该模型结合遗传算法自身特点改善了传统BP神经网络的不足。本文识别方法不需要损伤前的数据特征进行对比,便可对损伤位置进行确定。经过对石油井架钢结构模型实验验证:该方法对井架钢结构损伤识别准确率超过90%,相对于BP网络识别准确率以及识别速度均有所提高。

基于人工鱼群-遗传算法的多品种小批量零件数控加工工艺优化研究

基于多品种小批量零件加工成本高的问题,基于人工鱼群-遗传算法(AFSA-GA)构建了数控机床能耗模型,以实现零件加工能耗下降。首先,将数控机床功率划分为各工序功率模型,基于功率模型与工作时间关系得出机床运转能耗模型,结合产品表面粗糙度模型,对各工序能耗模型及整体粗糙度进行归一化处理,形成整体能耗模型;其次,以能耗及粗糙度为目标函数,建立AFSA-GA算法,通过对各工序能耗求解得出最适当的机床功率及其所对应的能耗和表面粗糙度;最后,针对所获得的最优功率,进行优化结果的验证,为五轴机床的实际加工提供解决方案。

基于遗传算法的“货到人”拣选系统订单分批优化

针对物流仓库“货到人”拣选系统中的拣货员拣选次数过多和拣货效率低的问题,提出一种基于遗传算法的订单分批优化策略,使大量多元化和零散化的订单得到高效分批并减少物料箱出库频率和拣货次数。首先建立以所有订单拣货总次数最小为目标的订单分批优化模型。其次,以标准遗传算法为基础改进遗传算法的交叉策略,验证相比于不使用遗传算法的情况下,使用本文的遗传算法优化策略的高效性。最后,为了找出更优异的优化策略,对改进的三种交叉策略进行对比实验,发现随着物料种类增多时,文中改进的第一种交叉策略拣选次数比其他两种少。仿真实验结果表明,该订单分批优化策略提高了系统的拣选效率,证明了此遗传算法解决订单分批问题的有效性。

主动悬架的遗传算法优化LQR控制策略研究

为了提高车辆的行驶平顺性和操纵稳定性,本文提出了一种基于遗传算法的线性二次型调节器(linear quadratic regulator,LQR)控制,求解最佳权重矩阵参数的方法。此控制算法克服了传统的LQR控制方法中,由经验主观性确定的权重矩阵Q和R的缺点,使其达到最优的控制效果。本文首先建立了1/4车辆主动悬架模型和道路输入模型,并将遗传算法优化的LQR控制器应用于主动悬架系统中。以主动悬架作为被控对象,车身垂向加速度、悬架弹簧动挠度以及轮胎动位移作为评价指标,通过仿真分析,相比被动控制和LQR控制的主动悬架系统,此优化算法可以显著减小车身垂向加速度与悬架弹簧动挠度,而轮胎动位移的影响不大,从而验证了控制策略的有效性。

融合改进遗传算法的电商物流末端多中心共同配送车辆路径优化研究

随着电商物流的快速发展,多中心的末端配送问题受到广泛关注。但目前的车辆配送问题一般是针对单个物流中心进行路径优化,并未考虑到资源调度更为复杂的多中心配送情况。研究对路径问题进行数学建模,并利用双层染色体编码模式的遗传算法对电商物流末端多中心配送车辆路径进行优化。研究过程中发现,传统遗传算法易陷于局部最优解,出现早熟现象。为解决此问题,对交叉概率与变异概率进行自适应调整,实现算法的改进。由此构建了融合遗传算法的配送车辆路径优化模型。通过实验分析可知,模型较其他模型优化结果减少路径长度11%以上,能够实现高质的路径优化,为物流配送节省成本与时间。

基于反向传播神经网络和遗传算法的新鲜Halloumi奶酪生产工艺优化

为提升Halloumi奶酪品质,采用反向传播神经网络和遗传算法优化Halloumi奶酪生产过程的多工艺参数。选取CaCl_(2)添加量、热烫温度和压榨压强为优化变量,以成品奶酪得率和感官评分为优化目标,分别建立了2个神经网络模型,模型精度分别达到了98.936%和98.255%。之后,通过遗传算法进行寻优,结果表明,在得率≥10%以及感官评分≥85的前提下,以奶酪得率为目标的最优生产工艺条件:CaCl_(2)添加量0.0144%、热烫温度83.5℃、压榨压强5.12 kPa,该条件下最高得率为12.01%。以感官品质为目标的最优生产工艺条件:CaCl_(2)添加量0.0171%、热烫温度83.7℃、压榨压强10.38 kPa,该条件下最高感官评分为94.5。该方法能够有效实现Halloumi奶酪生产工艺的快速优化,为促进Halloumi奶酪工业化提供理论基础。

应用改进遗传算法的低轨星座部署策略优化方法

考虑发射场任务间隔时间约束,提出应用改进遗传算法的低轨星座部署策略优化方法。对近地圆轨道星座部署过程进行动力学建模,给出了部署窗口与入轨点相位差的关系,以及入轨后相位调整的代价分析。将星座部署位置组合进行参数化,加上各颗卫星部署日期间隔作为优化变量,使得在大范围日期区间内的搜索问题简化为有限维度的整数规划问题。引入改进遗传算法进行局部搜索,进而对部署策略进行寻优计算。以9颗卫星的Walker星座部署任务为例,对优化方法进行验证。结果表明:优化方法相对穷举搜索法的计算量有约7个数量级的降低,且能够用50代以内的演化计算快速得到满足发射间隔约束条件且兼顾部署总时间和相位转移量的最优解。

基于遗传算法的海洋脐带缆截面布局优化设计与数值验证

海洋脐带缆通常由不同的功能构件捆绑而成,而这些功能构件的力学性能差异很大,在外载荷的作用下,不合理的截面布局可能会导致较大的截面变形和构件间的接触压力,从而影响脐带缆服役寿命。本文首先利用最小化截面半径给出截面布局紧凑性的实现方法,通过基于截面构件的拉伸刚度引入虚拟重力指标来描述截面布局的对称性,同时提出可量化的指标描述易损构件钢管之间的疲劳磨损问题。然后考虑上述三个目标建立截面布局多目标优化模型,并引入遗传算法对上述模型进行求解优化,自动得到三种具有代表性的截面优化布局。最后,通过数值模拟对不同截面优化布局进行验证与分析评价,进而得到最优截面布局设计。本文所提出的脐带缆截面布局设计优化方法可提高全局最优解搜索能力,对脐带缆结构设计具有一定的指导意义。