基于遗传算法的遗传神经网络在卷曲温度控制系统中的应用

为解决板带生产中层流冷却反馈控制的大滞后和难以用数学模型精确预测控制温度的问题,本文将遗传算法与神经网络结合起来,提出了一种能够提高卷取温度预报的系统,利用热连轧现场生产过程中的实际历史数据,对预报带钢卷取温度的遗传神经网络进行离线学习和测试,结果说明,能满足卷取温度预报的精度要求,同时具有较快的收敛速度,满足在线实时控制的要求。     

模糊控制技术在空调系统中的应用

本文从实际工程出发,对沈阳某智能大厦A区空调系统的控制策略进行改进,对于空调机组(AHU),利用模糊自适应PID控制代替不够理想的PID控制,从而实现对具有非线性、时变性、干扰大、大滞后因素和不确定随机干扰因素的系统优化控制。较原来的PID控制策略有着收敛速度快、过渡时间短、超调量小、适应能力强等优点,并且节约了能源。     

改进的遗传算法在TSP中的应用

分析了遗传算法和模拟算法的主要优缺点,提出一种用于求解旅行商问题（TSP）的改进遗传算法,该算法有效地将遗传算法和模拟退火算法相结合,在很大程度上缩短了算法的搜索时间;利用MATLAB对多种TSP问题进行仿真研究,实验结果证明了改进的遗传算法的有效性。     

基于单个神经元的模糊控制器在空调控制系统中的应用

针对空调温度控制的大惯性、大滞后、非线性特点,提出一种基于单个神经元的模糊控制器,阐述神经元对模糊控制规则在线调整的设计原理,仿真实验结果表明:该空调温度控制系统具有较高的控制精度、良好的动态特性和鲁棒性,超调小、系统响应快、调节时间短,达到了良好的控制效果.     

遗传算法在模糊逻辑控制中的应用现状

从隶属函数、控制规则、量化因子和比例因子等几个方面,详细介绍了遗传算法在模糊控制器中的应用原理和发展概况,并根据目前遗传模糊逻辑控制器设计中存在的问题,提出了该领域今后的研究重点和发展趋势,为从事遗传算法及模糊逻辑研究的技术人员提供了参考。     

耦合温度控制系统中的模糊控制技术的应用

目前我国工业处于飞速发展阶段,传统的温度控制方法已跟不上工业发展的步伐。为了提高了温度控制的实时性、稳定性和精确度,新的温度控制方法应运而生。本文基于模糊控制技术,介绍耦合温度控制系统的设计思路及对其进行系统分析和算法分析,并通过测量结果反证系统的可行性。     

模糊神经网络PID在PLC温度控制系统中的应用研究

由于在非线性系统中采用传统PID控制不易建立精确模型,导致难以整定系统参数的问题,本文提出了一种基于模糊神经网络的PID控制算法,该算法融合了PID算法、模糊算法以及神经网络算法的优点,构成了一种先进的智能控制算法,并应用在PLC温度控制系统中,实验结果表明,模糊神经网络PID控制器提高了控制质量,很好地克服对象变参数、非线性等问题,提高系统的鲁棒性。     

改进的遗传算法在配电网重构中的应用

遗传算法应用在配电网重构计算中,通过不断的交叉、变异来改变配电网中开关的开合状态,以产生更多新的网络拓扑图来供选择,但同时会产生大量的不可行解,从而影响算法的收敛速度。本文提出了一些改进的遗传算法,可以减少不可行解,得到以网损最小作为目标函数的全局最优解,同时提高遗传算法的收敛速度。     

基于改进的遗传算法在图像增强上的应用

标准的遗传算法一般只有一个适应度函数,文章对标准遗传算法进行一些改进实验,大胆引入了α染色体和β染色体,规定进化过程中α染色体只能和β染色体进行交配,并把改进后的算法运用在图像增强上。经过实验,在某种程度上,该算法用在图像增强上有一定的效果,改进的遗传算法在理论上具有一定的创新性。     

模糊数据挖掘及遗传算法在IDS中的应用研究

针对关联规则挖掘中存在的＂尖锐边界问题＂,重点研究了模糊关联规则挖掘及遗传算法在入侵检测中的应用,在隶属度的计算中采用了折中的准则。实验结果表明该方法能有效区分正常状态和异常状态,提高入侵检测准确度。     

改进遗传算法在公交智能调度中的应用

针对基本遗传算法易发生未成熟收敛及收敛速度慢的缺陷,将初始种群均匀化生成、选择算子采取自适应排序、交叉算子采用竞争择优的方式进行改进,并应用到公交调度优化问题中,建立符合实际情况的公交调度数学模型。通过仿真实例分析表明,改进后的遗传算法用于公交车辆智能调度是有效、可靠的。通过公交车排班表和发车频率图的比较可知,该结果是符合客流的实际分布情况的。     

改进遗传算法在自动组卷中的应用

针对传统遗传算法在种群编码方案、初始种群生成、动态概率、多点交叉操作等方面做了一些改进,改进后的算法明显提高了组卷的成功率和收敛速度,取得了满意的组卷效果。     

基于SCL神经网络在反应釜温度控制中的应用

在化工反应釜控制中温度控制是至关重要的,它直接影响到釜内的化学反应环境并对其产品质量起到了决定性的作用。但是由于不饱和聚酯在生产过程中具有非线性、大迟延、时变性等特点,常规PID虽然简单易操作,但是在一些复杂工况情况下很难达到理想的控制效果。针对以上特点,文中采用BP神经网络PID进行恒温控制,通过MATLAB进行仿真研究,并利用西门子SCL语言在PLC上实现神经网络智能算法的应用。得到了不错的控制效果。     

基于遗传算法的PID控制在变风量空调系统上的应用

变风量空调系统是一个具有大惯性、大滞后、变参数的复杂系统。通常变风量空调系统传统的PID控制,但常规PID控制的参数难以整定、系统超调量大、动态响应速度慢等问题。本文将基于遗传算法的PID控制应用到变风量空调系统中,经过MATLAB仿真,表明基于遗传算法的PID控制具有响应速度快、无超调量、过渡时间短等特点,可以大大提高系统的控制品质,以达到节能的目的。     

改进遗传算法及其在路径优化问题中的应用

提出一种基于"小生境"等思想的免疫自适应改进遗传算法。构造出一种新型的判断早熟程度的算子并用于构造具有免疫性和自适应性的交叉变异概率计算式。采用一些先进的思想和策略提高了算法收敛速度和全局收敛性。利用此算法对自动化立体仓库路径优化问题的解决方法进行了具体设计,实验结果证明了它比以往文献提出的算法更具优越性。     

改进的遗传算法在测井模拟器考核系统中的应用

针对测井模拟器考核系统的开发过程中,采用一般考试系统的组织结构存在试题库结构冗余、组卷效率低下、难以保证培训考核效果的问题,引入变种的遗传算法思想,来设计和实现测井模拟器考核系统。介绍了该系统的总体架构,并探讨了具体开发流程和实现。通过实验表明应用变种遗传算法后明显降低了系统冗余度,提高了系统自动组卷的成功率和收敛速度,取得了满意的组卷效果。     

基于遗传算法在测试Web应用中的运用

随着因特网的高速发展,测试网页间链接可否安全稳定、正确执行是一必不可少的任务。有效的测试方法是现代软件工程最富有挑战性问题之一,本文提出采用遗传算法来解决此问题。该方法通过模拟自然进化过程搜索最优解的方法,解决此类问题更为简单、有效。     

基于BP神经网络的PID控制在反应釜温度控制中的应用

常规PID的控制,不但其参数难以整定,而且还依赖于对象的精确数学模型,适应性较差,对复杂过程不能保证其控制精度.本文根据反应釜温度时间滞后具有非线性、强耦合、不确定性过程的控制需要,提出了一种基于BP神经网络的PID控制方法;并介绍了神经网络PID控制器的算法,对经典PID参数选取进行了分析.仿真结果表明,与传统PID算法相比该控制方法可实现有效的控制,具有实现简单、控制效果好的特点.     

遗传算法的改进及应用

本文指出标准遗传算法存在的几种缺陷,并详细叙述了时标准遗传算法的各种改进方法,在此基础上,又讨论了改进的遗传算法与神经网络等先进领域的结合,及其结合后的应用成果.     

基于模糊PID算法的铝棒温度控制系统研究

针对温度对象有非线性、大时滞、强耦合等特点,将模糊控制与PID控制结合起来,设计了一种模糊PID控制器。此控制器基于误差的变化特点,对比例和微分系数及时调节。调整的方法是:当偏差较大时,调大比例系数,增快系统的响应速度;当偏差较小时,而偏差微分较大时,调小比例系数,提高控制精度。通过在铝挤压实验平台测试表明,模糊PID算法比常规PID算法具有上升时间短、响应速度快、控制精度高等特点,模糊PID算法对温度控制系统有良好的控制性能。