遗传算法在系统辨识中的应用

基于遗传算法,采用改进的遗传算子,提出了一种辨识系统参数的方法．该方法能有效地克服有色噪声的干扰,获得系统参数的无偏估计．仿真结果说明了该方法的有效性．     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

遗传算法在系统辨识中的应用

对遗传算法的机理和实现步骤进行了介绍,综述了遗传算法在系统辨识中的应用.针对不同的辨识模型,讨论了遗传算法不同的应用形式,研究了遗传算法结合神经网络技术在系统辨识中的应用,最后探讨了遗传算法在系统辨识中的研究方向.     

基于遗传算法的离散和连续系统辨识

阐述了遗传算法应用于离散和连续系统中直接辨识物理参数。该方法能有效地克服有色噪声的干扰 ,获得系统参数的无偏估计。对离散系统的辨识仿真结果说明了该方法的有效性     

生态遗传算法在模糊系统辨识中的应用

给出一类模糊系统的模糊神经网络模型 .提出一种实用的生态算子 ,构建的生态遗传新算法有效解决了基本遗传算法的“早熟”问题 .采用新算法实现模糊神经网络模型的辨识 ,提高了辨识精度 .实例仿真结果验证了新算法在模糊系统辨识中的有效性     

遗传算法在图像辨识中的应用

本文论述了在计算机图像辨识中采用一种仿生学算法──遗传算法的尝试，讲述了在该算法设计中有关染色体编码，适应性评价函数，运算子参数等等参数的选择和确定，经加入适当的启发和限制后，图像的自动辨识和拚接取得了满意的结果。     

遗传算法在汽轮机调速系统参数辨识中的应用

分析了常规参数辨识方法在进行汽轮机调速系统参数辨识时存在的局限性,在对华阳后石电厂6号机组（600MW）汽轮机调速系统模型参数进行辨识时,采用了一种基于遗传算法的参数辨识方法,并利用Matlab及其Simulink工具箱予以实现．这种方法对现场试验条件的要求不高,试验时可以根据机组实际情况选择测点,并且可以较好解决非线性环节参数的辨识问题,比较适合于汽轮机调速系统的参数辨识．结果表明,辨识所得的模型参数能够满足电力系统分析对汽轮机调速系统模型准确度的要求．     

遗传算法在参数辨识中的应用进展

系统地讨论遗传算法在参数辨识中的应用.总结了简单遗传算法用于参数辨识的步骤,指出其可能出现的问题,并综述国内外学者在编码、适应值函数和遗传算子等方面所作的改进以及将遗传算法与其他方法结合所产生的新算法.最后指出了遗传算法存在的局限性.     

GA-BP算法在系统辨识中的应用

本文针对BP算法和遗传算法(GA)在系统辨识应用中的不足,提出了基于GA和BP算法相结合的混合(GA-BP)算法.该算法充分利用了遗传算法和BP算法各自具有的优点,在系统辨识研究中取得了良好的效果.仿真实验表明该混合算法是实用且有效的.     

基于遗传算法的连续系统模型辨识

系统辨识是控制系统设计的基础,传统的系统辨识大都是对离散数学模型的参数估计,发展了以最小二乘法为基础的理论和方法．而连续模型则需经过离散模型的转换方可得到．作者基于遗传算法和系统仿真技术,建立了输出端噪声存在的连续系统模型辨识方法．遗传算法是建立在自然遗传学机理上的参数搜索方法,但常规的遗传算法具有收敛速度慢,因封闭竞争易导致“早熟”等缺点,为此,通过引入自适应适值函数和动态变异因子,采用精英保护策略,加速了寻优过程,改善了遗传算法的全局搜索及局部寻优能力,为连续系统模型辨识提供了新的途径．     

基于改进遗传算法的系统参数辨识

传统的遗传算法在解决具体优化问题时存在着收敛速度慢和容易早熟的缺点。针对系统参数辨识,提出了一种改进的遗传算法。通过合理选择复制策略、改进适应度函数计算方法,克服了早熟现象,保证了种群的多样性,避免了后期适应值接近而导致收敛速度过慢。通过该算法对典型二阶系统的传递函数进行参数求解,在信噪比较大的情况下,得到几乎无偏的估计。实验结果证明了该方法的有效性。     

遗传神经网络及其在非线性系统辨识中的应用

介绍了浮点遗传算法的原理及其在神经网络权值和阈值优化计算中的应用,提出了用遗传神经网络对非线性系统进行系统辨识的构思。     

一种自适应免疫遗传算法及其在系统辨识和参数优化中的应用

基于遗传算法与免疫系统的机理,提出了一种自适应免疫遗传算法(AIGA).该算法定义了选择、扩展与突变等操作,通过对选择比例、扩展半径、突变半径的约束和参数的自适应调节,提高了算法的全局与局部搜索能力.同时,将AIGA用于系统辨识以及PID参数的优化中,进行了仿真实验,取得了较好的结果,证明了该方法的有效性.     

基于改进自适应遗传算法的舵机系统辨识方法

为了更准确地测量舵机的性能指标,利用系统识别技术来建立其数学模型具有很关键的作用。首先分析并建立电动伺服系统各部分结构模型,然后应用改进的自适应遗传算法(improved adaptive genetic algorithm, IAGA)进行系统辨识,同时将标准测试函数用于改进算法和不同智能优化算法的性能测试。最后将建立的模型作为辨识系统模型进行参数辨识,并将具有不同信噪比(signal noise ratio,SNR)的噪声信号添加到电动舵机的输出端以验证算法的稳定性。舵机实际实验结果表明,该方法参数优化精度高,抗噪声能力强且具有重要的工程使用价值。     

一类高精度非线性系统参数和阶次辨识的浮点遗传算法

本文给出一种基于浮点操作的具有遗传算法机制的迭代启发式随机搜索算法。该算法同随机逼近算法相结合对非线性系统的参数和阶次的辨识结果表明，具有精度高和收敛性好等特点。     

MATLAB系统辨识工具箱在系统控制设计中的应用

以一个双输入单输出温度控制系统为例,详细叙述应用系统辨识工具箱进行建模、仿真和设计控制系统的过程,包括控制对象的辨识数据采集、模型估算、控制器设计和系统仿真等.重点介绍了系统辨识工具箱图形用户界面的使用方法.     

基于遗传算法的离散和连续系统辩识

阐述了遗传算法于离散和连续系统中直接辨识物理参数，该方法能有效地克服了色噪声的干扰，获得系统参数的无偏估计，对离散系统的辨识仿真结果说明了该方法的有效性。     

混合计算智能学习算法在系统辨识中的应用

提出既具有较快的收敛性,又具有良好的全局收敛特性的混合计算智能学习算法,并将其应用于系统辨识。仿真结果表明,此方法是有效可行的。     

神经网络在非线性系统参数辨识中应用

要对非线性系统进行控制，必须掌握其模型．介绍一种辨识非线性系统模型的方法，该方法利用多层神经网络可以逼近任何非线性函数这一理论，提出针对非线性系统构造神经网络模型，并给出一种实用的BP算法．最后通过仿真实验，证明该方法切实可行．     

基于GA遗传算法的ARMA模型的辨识方法

提出一种基于浮点数编码遗传算法的系统辨识方法,融合和改进了一些遗传操作,并把该方法应用于有噪声背景下的ARMA模型参数的辨识。实验表明,该方法可有效地克服噪声干扰,可获得系统参数的无偏估计。