基于遗传规划的铁矿烧结终点2级预测模型

为了解决铁矿烧结过程中烧结终点(BTP)的建模问题,提出改进的混合分类遗传规划(CGP)算法.算法将K-中心聚类算法与遗传规划(GP)相结合,通过K-中心聚类算法对烧结过程工况进行分类.对每一类,采用遗传规划建立风箱温度自回归预测模型.模型为2级温度预测模型,即基于温度拐点的中期模型和临近烧结终点处的短期模型.烧结终点通过预测温度的3次曲线拟合得到.实验仿真表明了所提出的2级温度预测模型的有效性.

基于多目标遗传规划的软测量建模方法

分析了利用遗传规划进行复杂非线性系统建模时容易出现过学习现象问题的原因,提出了一个基于插值函数保护法、一个评价函数光滑度的准则和基于多目标非支配排序的改进的遗传规划方法.利用非支配排序的思想结合传统的遗传规划来实现对于模型的精确度、复杂度和光滑度的平衡从而提高学习结果的泛化能力.将该方法应用于工业阿维菌素发酵过程中的菌丝浓度估计,取得了良好的效果.

基于非支配排序的遗传规划的建模方法

分析了利用遗传规划进行复杂非线性系统建模中存在的过学习问题,提出了一个基于插值函数保护法和多目标非支配排序优化方法的遗传规划建模方法。文章利用NSGA所提出的非支配排序的思想结合传统的遗传规划来实现对于模型的精确度、复杂度和曲率的平衡。同时改进了传统遗传规划所使用的函数保护策略进一步降低了过学习现象,得到具有较高泛化能力和简洁性的最优模型。实验结果证明了该方法的有效性。

基于GP+GA的陀螺仪随机误差建模分析

陀螺仪是惯性导航系统的重要组成部分,其精度依赖于惯性导航系统的精度.为了提高陀螺仪的精度,针对陀螺随机漂移非线性、弱平稳性引起的随机误差,以激光陀螺仪随机漂移时间序列数据为研究对象,首先通过对陀螺仪建模的分析和对激光陀螺仪实时数据的分析和预处理,得到了陀螺漂移误差的离散时间序列;然后对其基于遗传规划(GP)建模,得出了当前时刻陀螺漂移数据和前几时刻的陀螺漂移数据之间的非线性数学模型;最后利用遗传算法(GA)对该模型有数学关系的参数进行优化,得到更高精度的模型.仿真结果表明:与经典自回归(AR)建模优化方法相比,GP+GA建模能够更加有效地反映陀螺仪的随机漂移特性,陀螺仪的方差降低了73.72%,与经典自回归(AR)建模方法相比效果提高了4.72%.该建模方法有效补偿了陀螺仪的随机漂移误差,提高了系统的稳定性.

FBG轴向非均匀应变分布的遗传规划重构方法

针对现有的光纤Bragg光栅轴向非均匀重构方法需预先对应变分布形式做假设而实际结构中应变分布是任意的这一问题,基于新兴的遗传规划(GP)算法,提出一种重构FBG轴向非均匀应变分布的方法,利用GP自动设计并优化应变分布的函数表达式,使应变重构的空间分辨率可以达到任意值。多种应变分布形式下的应变重构仿真结果表明,GP方法可以有效地进行光栅轴向非均匀应变分布的连续重构,精度和计算效率较现有方法有明显提高。