电机控制系统PID参数的遗传算法优化

近年来，遗传算法的研究十分引人注目，作为一种新型的、模拟生物进化过程的随机化搜索和优化方法。其算法简单通用，鲁棒性强，在组合优化、机器学习、自适应控制和规划设计等领域的应用中已展现了其特色和魅力。该方法是一种不需要任何初始信息并可以寻求全局最优解的、高效的优化组合方法。文章就是利用遗传算法对某一电机控制系统的PID参数进行优化，以提高控制系统的性能指标。     

一种改进的区域覆盖星座优化设计方法

为缩短区域覆盖星座优化设计的计算时间，对网格点仿真法进行了改进。在统计时间内，以解析法计算卫星覆盖时刻集，并采用遗传算法优化星座参数。仿真计算结果表明，本文改进方法的计算时间仅为优化前的百分之一。     

压电智能结构传感器/作动器位置优化研究

研究压电主动结构振动控制当中传感器／作动器的位置优化问题。从系统的状态空间方程出发，在系统可控性、可观性Grammian矩阵特征值的基础上来描述性能指标，以控制能量最小化和传感能量最大化作为优化目标，利用遗传算法（GE）进行优化计算，计算过程中对传感器／作动器的位置采用二进制编码加以描述。通过对一压电板结构的仿真计算对该方法进行了验证，优化计算结果与枚举法结果完全相符，从而证明了方法的有效性。     

空间机械臂非完整运动规划的遗传算法研究

带空间机械臂航天器系统在无外力矩作用时，系统相对于总质心的动量矩守恒而变为非完整系统。由于非完整约束的不可积性，非完整系统的运动规划与控制比一般系统要困难得多。现利用非完整特性研究了自由漂浮空间机械臂的三维姿态运动控制问题。首先导出带空间机械臂的航天器三维姿态运动数学模型，并将系统的控制问题转化为无漂移系统的非完整运动规划问题。在运动规划中，根据最优控制原理和优化理论，提出基于遗传算法的最优运动规划数值算法。通过数值仿真，表明该方法对空间机械臂及航天器三维姿态运动的非完整运动规划是有效的。     

基于遗传算法和空间推进方法的高超声速进气道优化设计研究

将遗传算法（单目标遗传算法GA和多目标遗传算法NSGA-Ⅱ、NCGA）与高效、高精度的卒间推进方法——SSPNS（Single-sweep Parabolized Navier-Stokes Algorithm）流场计算方法相结合，对二维高超声速进气道进行了气动优化设计研究。在单目标优化设计中以巡航点（Ma=7．0）的总压恢复最大为设计目标，多目标设计中则在巡航点分别考察了总压恢复最大-压升最大两目标模型、总压恢复最大-压升最大-阻力系数最小三目标模型。优化设计结果表明，单目标设计使得总压恢复有明显提高；多目标优化设计所得的Pareto最优前沿为设计者提供了可靠的设计依据。为了兼顾巡航点和加速爬升段的综合忭能，采用多目标优化方法对进气道进行了多点优化设计，并开展了基于等动压弹道的设计点选择问题初步研究。计算结果表明，若将设计点选在Ma=6．5左右，则进气道的综合性能较好。     

远程导引可行飞行方案寻求算法研究

提出了一种寻求远程导引可行飞行方案的算法，能够满足远程导引对测控、日照、燃料和时间等各方面的要求；重点论述了Lambert一次变轨方案，给出了算法的具体步骤和主要模块的实现方法；最后给出了一个算例，说明算法是切实可行的。     

基于实数编码的改进遗传算法研究

针对遗传算法运算速度低、容易陷入局部最优值、早熟收敛等缺点,提出了基于实数编码的遗传算法的改进算法,对基于实数编码的遗传算法的选择、交叉、变异算子以及操作方法进行了改进,采用最佳保留选择策略、多算子交叉和变异,并且采用自适应变焦变异,改进后的交叉与变异操作,使算法始终保持了种群的多样性,同时也提高了寻优最终结果的精确性。实验表明基于实数编码的改进遗传算法(R IGA)有效的改善了遗传算法的缺点。     

基于ARMA模型在线辨识器的线性系统建模方法

线性系统的在线辨识是系统辨识领域中最感兴趣的问题之一。本文给出变阶式递推增广的最小二乘法及阶估计准则。在此基础上 ,给出一类ARMA模型在线辨识器。这种辨识器可用于在线或离线辨识。实例表明 ,建模计算量大大减小 ,并具有较高的精度     

基于adaboost算法的车牌检测

车牌识别技术（LPR）是智能交通（ITS）领域的重要研究课题之一。车牌的自动识别分为车牌检测、字符分割、字符识别三个主要部分。车牌检测是LPR中的关键技术。车牌图像由于受到噪声、车牌倾斜、光照不均、运动模糊等的影响，检测存在着很大的困难。因此，在总结前人检测算法的优点和缺点的基础上，提出了基于adaboost算法的检测算法，其优点是检测率高，检测时间少，适应性特别强。     

基于BP人工神经网络的GPS／SINS组合导航算法

基于扩展Kalman滤波的GPS／SINS组合导航算法，需要对原始的非线性连续系统模型进行线性化和离散化处理，要求系统噪声和测量噪声为零均值的高斯白噪声，且易于出现滤波器发散。BP人工神经网络毋需对所求解的问题建模，能够很好地逼近系统非线性特性，获得较高精度的导航定位信息；还具有计算过程稳定，不涉及矩阵求逆，不需要迭代逼近，以及容易实现并行处理等优点。本文设计适用于GPS／SINS组合导航系统的BP网络模型，并在标准的BP算法基础上，采用共轭梯度法改进网络训练速度及精度。最后，通过仿真算例说明BP网络方法用于GPS／SINS组合导航计算的可行性。