用于多层前馈神经网络学习的快速遗传算法

提出了一种用于多层前馈神经网络学习的快速遗传算法 ,论述了其算法的进化过程并对多层前馈神经网络的权值进行了优化 ,对权值的初始化范围以及输入层节点进行了优化选择。仿真试验结果表明 ,该算法收敛速度快 ,网络逼近精度高 ,克服了BP算法易于陷入局部极小的问题。     

基于遗传算法的神经网络优化

针对神经网络结构的设计基本上依赖于人的经验的缺点，提出了一种利用遗传算法优化神经网络的算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性，对神经网络的连接权和结构进行了优化，剔除整个网络冗余节点和冗余连接权，提高了网络的处理能力。通过实例证明该算法具有很高的精度，在机械故障诊断中具有良好的应用前景。     

基于IGA-ELM网络的滚动轴承故障诊断

为了提高航空发动机轴承故障诊断准确率,提出基于改进遗传算法优化极限学习机网络（IGA-ELM）的诊断模型。针对传统遗传算法易早熟等缺陷,对遗传算法的交叉操作和变异操作进行改进,并用改进的遗传算法优化极限学习机的输入权值矩阵和隐含层阈值,利用Moore-Penrose算法计算极限学习机的输出权值矩阵。使用IGA-ELM诊断模型对滚动轴承正常、内环故障、外环故障和滚珠故障4种工况进行诊断,并分析极限学习机隐含层神经元的数量和激活函数对轴承故障诊断的影响。为了验证改进遗传算法优化极限学习机的有效性,将传统遗传算法、自适应遗传算法和粒子群算法作为对比算法。经过分析表明：改进遗传算法收敛速度和收敛误差,均优于对比算法。     

航空发动机PID神经网络解耦控制

对航空发动机的双变量解耦控制方法进行了研究,提出了一种基于遗传算法的PID神经网络解耦控制算法。该算法将遗传算法用于多层前向神经网络的连接权系数的学习,克服了BP算法易陷入局部权值的缺点,并具有PID神经网络控制器结构简单规范、动态和静态性能良好等优点。     

遗传与枚举混合算法对航空发动机复合材料主轴的优化设计

针对复合材料主轴优化设计中离散与连续变量共存的问题,提出了一种遗传算法与枚举法相结合的混合算法.以某航空发动机低压涡轮轴为原型,在满足静强度指标、临界转速及外廓尺寸要求前提下,利用该混合算法对复合材料主轴的铺层角度与厚度进行优化设计,以减轻主轴质量.结果表明:对于1~10层铺层,相比于全排列算法与单一遗传算法,混合算法能再减轻质量5.54%与3.87%;且当铺层数大于6时,混合算法计算效率能最多提高3.1倍.最后分析给出复合材料铺层厚度受强度的限制,不宜太薄的建议.      

基于遗传算法计算弹道节省参数最优节点

提出了计算弹道节省参数模型最优节点的遗传算法。将采样时间范围视为染色体,利用实测数据与弹道节省参数模型拟合的误差设计适应度函数,当种群中最大的适应度经过n次迭代后不再变化时,将其作为算法终止条件,计算出最优节点序列。通过仿真计算表明,该算法计算量小、方法稳定。     

基于自适应遗传算法的航迹关联模型

如何解决关联过程巾产生的多维分配问题,是研究多节点航迹关联的关键。遗传算法能够很好地解决组合优化问题。但是基本遗传算法具有收敛速度慢和易于早熟等缺点,对于计算航迹关联问题来说实时性较差。文章在利用遗传算法解决航迹关联问题算法的基础上进行了改进,提出了自适应策略。仿真试验表明,该模型能够使航迹关联保持较高的正确关联率和较快的计算速度。     

自适应遗传神经网络算法在推力估计器设计中的应用

为了在全包线内能够准确方便估计出航空发动机推力,提出了一种自适应遗传神经网络算法:将遗传算法和神经网络技术相结合充分发挥遗传算法和神经网络各自的全局收敛性和局部搜索快速性的优点,其中通过自适应概率遗传操作及局部寻优算子直接优化出神经网络拓扑结构及权值(包括阈值),克服了神经网络隐层节点需凭经验尝试的缺点和神经网络对初始权值(包括阈值)敏感的缺点,再应用神经网络对上述优化的权值(包括阈值)进行"精调",最后设计出全包线推力估计器.经验证,此推力估计器具有较高估计精度和良好泛化能力.      

基于遗传算法的复合材料泡沫夹层板铺层优化设计

机翼中泡沫夹芯结构的使用可以有效降低结构元件的重量,因此对复合材料泡沫夹层板的优化设计研究显得十分重要。基于遗传算法设计可以同时进行铺层角度和铺层厚度的优化算法,在该优化算法中采用分区优化技术及浮点数编码对铺层角度和铺层厚度设计变量进行设计。使用上述优化方法对复合材料机翼盒段泡沫夹芯蒙皮进行铺层优化设计,优化后的翼盒重量比优化前降低了38．2％。优化结果表明对复合材料机翼盒段夹芯蒙皮的优化设计可以有效地降低重量,为泡沫夹芯结构的使用提供一定的参考。     

遗传算法在等效系统拟配中的应用

采用遗传算法 ,对某机横航向操纵系统进行了等效系统拟配计算 ,并对遗传算法中控制参数和变量初始区间的设定进行了分析。结果表明 ,遗传算法在等效拟配计算中有效可用 ,并且在保证算法收敛和拟配结果合理方面有很强的优势。