基于遗传算法的无传感器永磁同步电机控制优化

基于实数编码遗传算法．实现对无传感器永磁同步电机(PMSM)控制器参数的选取和优化．速度的估计采用扩展卡尔曼滤波(EKF)方法,以PMSM转子速度的测量值与估计值的偏差信号作为遗传算法自适应度求取的依据,实现协方差矩阵中参数的在线调整,节约了系统协方差参数的求取时间,提高了估计器的估计精度。基于dSPACE的快速控制原型工具验证了该方法的有效性。     

压电结构的控制-结构一体化设计

对于离散分布、同位配置压电片驱动器和传感器的压电耦合板,首先构造了四节点 Ｋｉｒｃｈｈｏｆｆ矩形板弯单元,从而建立了有限元模型。在此基础上,给出了主动阻尼振动控制模型。将系统的存留能量指标归结为一个 Ｌｙａｐｕｎｏｖ 方程的解。以系统的存留能量指标为适应度函数,以作动器和传感器的位置及控制增益为优化参数,利用基于共享函数机制小生境技术的遗传算法进行结构、控制设计。最后,对一悬臂压电耦合板进行了实例分析。结果表明,该方法是解决控制结构一体化设计的一种有效途径,可以得到多个最优解或次优解。     

遗传算法设计梯度子实现优化的图象边界检测

计算机图象处理技术可广泛应用各种图象测试、模式识别和计算机视觉等领域，而图象边界检测是计算机图象处理的最基本和最低层的步骤之一。由于噪声的干扰和图象光照不均匀等因素的影响，目前的图象边界检测方法还不能有效地检测出各种不同模式的边界。本文提出了一种基于遗传算法和灰度梯试算子的图象边界检测法，通过对样本图象的训练，设计对训练样本模式最优的灰度梯度算子，增加了对噪声的抗干扰能力，并且使被检测出的边界更准确。     

基于神经网络的二维随机翼型优化设计方法(英文)

为避免翼型单点优化设计存在的非设计状态气动性能损失,改进对实际飞行环境中不确定性因素的适应能力,提出了基于神经网络的二维随机翼型优化设计方法。采用4个BP神经网络作为代理模型,用于预测翼型的气动系数与几何参数,以提供高效和可靠的分析。同时联合服从正态分布的概率密度函数和遗传算法构成了优化设计方法。采用该方法,对GA(W)-2翼型,在关于马赫数和迎角的二维飞行区域内进行了随机优化设计。通过与原始翼型和单点优化设计翼型的结果对比,表明该二维随机优化方法能够在指定飞行区域内改进翼型的整体性能,提高了翼型对多个飞行参数随机变化的适应能力。     

基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

基于遗传算法的插值Coons曲面孔位修正方法

在机器人自动制孔过程中,制孔点位信息通常从待制孔工件工艺数模上获取,而待制孔工件安装过程中会出现位置偏移和变形,由工艺数模得到的点位信息无法直接满足孔位精度要求。为了保证自动制孔的孔位精度,提出了一种基于遗传算法的插值Coons曲面孔位修正方法。利用制孔区域边角基准孔建立双线性Coons误差曲面模型,通过模型计算出待制孔的误差补偿向量,并补偿至理论制孔位置。针对误差曲面切矢模长无法确定的情况,利用制孔区域内的基准孔构建遗传算法模型,计算出切矢模长最优值,使拟合的误差曲面更符合实际制孔区域曲面。通过试验对算法的有效性和精度进行验证,结果表明:采用基于遗传算法的插值Coons曲面孔位修正方法,可以使孔位误差得到有效的补偿。补偿后的平均孔位误差仅为0.195 6 mm,与传统的插值曲面方法相比,孔位误差降低了5%~10%。      

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。