关键词： 铝电解   自适应建模   双层无迹卡尔曼滤波   人工神经网络   电流效率  

摘要： 针对铝电解过程强干扰和强时变导致模型精确度和稳定性不佳的难题,本文提出一种基于自适应双层无迹卡尔曼滤波神经网络的建模方法.该方法首先构建一种双层无迹卡尔曼滤波神经网络模型,以提高模型对扰动系统的稳定性.具体为:使用双层无迹卡尔曼滤波在线更新神经网络的权值和阈值;然后,在双层无迹卡尔曼滤波神经网络的状态变量均方误差中引入约束调节参数;同时,采用梯度下降法自适应调整比例调节参数,将其均方误差约束至较小的范围内,以此来削弱滤波递归计算过程中误差累积对模型的影响;最后,通过铝电解电流效率预测,验证了本文所提方法具有较高的精确度和稳定性.

关键词： 配电网   架空线路   动态增容   热传感器   配置   温度分布重构   主成分分析   遗传算法  

摘要： 架空配电线路动态增容技术能在保证安全的前提下提高线路输电能力,是应对短时高峰电力传输经济高效的方法。导体温度是架空线路动态增容的核心指标之一,通常需要在线路上安装大量热传感器进行采集,但投资巨大且难以实施。文中提出一种基于缺失数据主成分分析(GPCA)-遗传算法(GA)的架空配电线路动态热感知优化方法,在架空配电线路上合理选择热传感器点位,精准计算线路全域温度分布,减少热传感器安装数量和投资。首先,建立考虑架空配电线路绝缘介质的载流量计算模型与GPCA组合重构模型,精准重构全域线路热特性;其次,采用GPCA-GA确定最佳传感器数量和布置点位,提高配电线路热重构精度;最后,以某地10 kV架空配电线路为例验证所提方法的有效性。

关键词： 多类型成像卫星   任务规划   免疫遗传   智能优化算法  

摘要： 针对如何在卫星应用领域有效进行任务规划的问题,构建多类型成像卫星任务规划模型,并提出一种混合免疫遗传算法(hybrid immune genetic algorithm,HIGA)对模型进行求解。设计符合多类型成像卫星任务规划特点的编解码策略,引入自适应机制,禁忌搜索思想,定义基于抗体浓度和适应度的选择策略以及新的疫苗接种操作。通过仿真算例分析,结果表明:所提算法可解决多类型卫星任务规划问题,有效改善免疫遗传算法易早熟收敛和陷入局部最优等问题;与对比算法相比,该算法可取得更快的收敛速度和更优的规划结果,且进行大规模的任务规划时仍可取得较优的规划结果。

关键词： 大坝变形   预测模型   遗传算法   长短时记忆网络   实例数据验证  

摘要： 精确预测大坝的变形情况对于保障大坝结构的稳固至关重要。该研究旨在将遗传算法(GA)与长短时记忆网络(LSTM)相结合,建立针对长期水力作用导致的大坝变形的预测模型。首先,采用LSTM算法构建大坝变形的预测模型,然后将预测问题转化为一个优化任务。通过遗传算法的交叉、变异和选择等操作,对LSTM预测模型的超参数进行迭代优化,以最小化预测模型与实际观测数据之间的误差,从而确保对大坝变形程度的准确评估。最后,通过某水电大坝的实例数据验证。相较于传统的LSTM模型,提出的GA-LSTM算法的预测精度更高,预测偏差更小。

关键词： 液压缓冲阀   DOE分析   遗传算法   结构参数优化  

摘要： 液压换挡系统中的液压缓冲阀的性能与汽车换挡品质密切相关。以某重型车辆液压缓冲阀为研究对象,建立其AMESim仿真模型;以换挡系统充油压力为优化目标,通过时间乘绝对误差积分准则以及回归分析确定了优化函数;采用实验设计法分析得出对充油压力影响的Pereto图,并分析出液压缓冲阀对充油压力影响的参数为阻尼孔直径、弹簧刚度以及泄油孔直径。运用遗传算法进行优化,得出缓冲阀的最优结构参数取值。采用控制变量法进行的实验验证显示,通过遗传算法对缓冲阀结构参数进行优化后,换挡系统的性能显著提升,表现在充油压力的上升过程更加接近理想状态,从而显著改善了换挡的整体品质。

关键词： 高强度轴承电解磨削机床   电解加工供液系统   结构参数   遗传算法  

摘要： 为了满足特种高强度轴承电解磨削机床的电解液供给需求,设计电解磨削供液系统,根据机床产品的加工需求计算电解液的工作压力,运用力学方程与流量方程建立该供液系统的数学模型。为了保证供液系统的可靠性,基于该系统的工作原理,使用AMESim软件建立液压仿真模型,分析该系统中压力控制阀的主要结构参数对电解液工作压力动态特性的影响。通过遗传算法对阀参数进行优化,优化后的供液系统工作压力动态响应时间减少13.78%,超调量下降1.24%,工作流量动态响应时间减少15.48%。最后搭建实验平台进行实验验证。结果表明:遗传算法可以较好地改善该供液系统的动态特性。

关键词： 悬置系统   动力总成   遗传算法   隔振  

摘要： 在混合动力汽车的开发中,对某一特定车型的动力总成悬置系统进行了NVH性能对标测试。测试结果显示,在充电怠速工况下,该车型的悬置系统在X和Y方向上出现了剧烈振动,严重影响了乘坐舒适性。因此在ADAMS软件中对该动力总成悬置系统建立六自由度模型,并对其进行模态分析,发现该动力总成系统的固有频率与解耦率均未达到隔振效果的评价标准,需进行悬置参数优化。将悬置各方向解耦率和频率分布作为优化目标,采用MATLAB软件,结合遗传算法对各悬置的位置和刚度进行了优化设计。优化后的动力总成悬置系统在ADAMS软件中的仿真结果表明,该混合动力总成系统的解耦率得到明显提高,且固有频率分布也更符合隔振效果的评价标准;进一步的对比分析表明,优化后的动力总成悬置系统在Z方向的动反力幅值减少,隔振能力进一步加强,其NVH性能得到了提升。

关键词： 横向运动控制   路径跟踪   遗传算法(GA)   线性二次型最优控制(LQR)  

摘要： 针对转向机器人路径跟踪问题,设计了基于遗传算法优化的线性二次型最优控制器(LQR)。首先建立车辆二自由度“自行车”动力学模型,得到车辆横向误差模型。然后构建横向误差目标函数,设计线性二次型最优状态调节器(LQR),得到控制车辆的前轮转角。进一步地,在控制环中加入前馈控制以消除稳态误差。在此基础上,采用遗传算法迭代优化权重矩阵Q、R来改进LQR控制器。经过Simulink与Carsim联合仿真表明,采用遗传算法优化后的LQR算法相较于未优化的LQR,横向误差减小了53%,并且大大节省了找寻最优权重矩阵的时间。

关键词： 不完全信息   成本最小化   遗传算法   生产决策  

摘要： 在零配件、半成品和成品的次品率不完全确定的情况下,以成本最小化和质量控制为目标建立了最小化成本效益模型.该模型利用抽样检测方案来确定抽检样本量,运用遗传算法对模型进行求解来得出最优抽检策略.实例验证结果表明,该方法既能考虑产品质量,又能锁定最低成本的决策路径,因此能够为企业生产决策提供良好的技术参考。

关键词： 大学生膳食营养   熵权TOPSIS法   遗传算法   多目标优化  

摘要： 大学生的膳食营养管理直接关系到其健康与学习效能的提升,因而探索科学的膳食优化设计具有重要意义。文章旨在制定适合大学生群体的平衡膳食食谱,通过熵权TOPSIS法和遗传算法对现有大学生膳食方案进行评价和优化。研究首先评价了现有食谱的营养结构,进而构建多目标优化模型,结合蛋白质氨基酸评分、热量控制以及经济性等因素进行优化设计。结果表明,大学生的膳食设计在考虑营养全面性的同时亦需重视实际经济性,优化后的新方案有效改善了膳食平衡,符合健康与经济双重标准。研究为大学生群体膳食指导提供理论支持,促进其健康饮食意识的提升。