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SRT2104供应商,验证该混合算法在求解信号灯配时问题时的优化效果。
气压伺服系统控制器的优化设计依赖于准确的系统模型。针对系统的非线性问题,研究采用神经网络进行系统辨识的原理和结构;考虑传统BP算法存在局部收敛、学习速度慢的问题,采用遗传算法对神经网络的初值和权值进行优化,并采用LM算法进行网络学习,最终建立系统的神经Bromosporine体内网络辨识模型。通过仿真对比神经网络辨识结果与传统线性模型辨识结果,结果表明 基于GA-BP神经网络的辨识模型精度较高,适用于非线性系统辨识。
针对滚动轴承故障识别问题,基于遗传算法(GA)和BP神经网络等技术,提出一种GA-BP神经网络模型。该模型以训练数据的输出误差作为目标函数,利用遗传算法对BP神经网www.selleck.cn/products/jnj-64619178.html络的初始权值和阈值进行优化选择。将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入,对滚动轴承不同工况下的故障进行识别。滚动轴承故障诊断的实例表明 该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率。

针对直驱式海浪发电系统在非规则海浪中能量捕获效率较低问题,提出遗传算法控制方案。以规则海浪下发电系统模型为基础,推导出非规则海浪下发电系统输出功率模型。