改进的遗传算法在医学图像中的应用

针对标准的遗传算法(GA)在优化Otsu法求取图像阈值时出现收敛速度慢、易早熟等问题,提出了一种改进的GA用于图像分割。该算法根据种群不同的进化代数和个体适应度的大小,动态地调整精英选择策略和遗传算子,从而提高了算法的收敛速度、得到了范围稳定的图像分割阈值,且保持了种群多样性。将该算法应用于医学图像分割,实验结果表明:该算法可以对医学图像进行分割且效果明显。

基于强酸当量的pH自适应内模控制

针对pH中和反应过程强烈的非线性和时变性的特点,提出了自适应内模控制方案。该方案结合了非线性内模控制、自适应机制和强酸当量(SAE)的概念。基于弱酸-强碱中和反应系统的数学模型,推导了pH过程内模自适应控制器。仿真实验表明,由该方法设计的pH过程控制系统具有较好的设定值跟踪性能,对负载扰动和模型误差具有较好的鲁棒性,并且针对弱酸-强碱设计的系统也适用于强酸-强碱系统。

基于免疫粒子群算法的PID整定对聚合温度的控制

以某化工厂聚乙烯生产为背景,研究对聚合温度的控制。大多数的化工厂对温度的控制,通常使用传统的PID控制器。但是由于传统的PID在工业中不能满足对高扰动的要求,所以单纯使用会有不足之处。采用免疫粒子群算法不仅可以克服单纯使用传统PID控制器的不足,还可以解决粒子群算法(PSO)中出现收敛变慢和早熟的缺点,并且还可以保持种群的多样性。仿真实验结果表明:免疫粒子群算法相比单纯的粒子群算法在PID控制的时域性能指标上要更加优化。