检索结果-南通市图书馆

哈尔滨工业大学学报 2004年第6期36卷 793-795页

作者：朱奕伞冶哈尔滨工业大学仿真技术研究中心黑龙江哈尔滨150001

针对电厂经济运行问题,设计了大型火电厂经济运行调度系统.重点讨论了遗传算法以及在电站机组经济运行优化问题中的应用,实现了最优机组组合与负荷分配,给出了机组启停的调度策略.另外,讨论了经济运行调度系统的实现与应用问题.

关键词：电站经济运行最优负荷分配

q-高斯的SOM神经网络在雷达抗干扰效能评估中的应用

在线全文

学校读者我要写书评

暂无评论

哈尔滨工程大学学报 2011年第6期32卷 767-772页

作者：赵伟伞冶哈尔滨工业大学控制与仿真中心黑龙江哈尔滨150001

为了扩大邻域函数的输出空间和增强神经元的邻域合作,提出基于q-高斯的SOM(self-organizing mapping)神经网络评估雷达抗干扰效能.采用q-高斯函数作为SOM神经网络的邻域函数,选取较大的非广延熵指数q扩大了q-高斯函数的输出空间,随着邻... 详细信息

为了扩大邻域函数的输出空间和增强神经元的邻域合作,提出基于q-高斯的SOM(self-organizing mapping)神经网络评估雷达抗干扰效能.采用q-高斯函数作为SOM神经网络的邻域函数,选取较大的非广延熵指数q扩大了q-高斯函数的输出空间,随着邻域的缩小,非广延熵指数q从大到小自适应地调整平衡了神经元的远邻域合作和近邻域合作.通过评估雷达抗干扰效能和实例测试,仿真结果表明基于q-高斯的SOM神经网络效能评估的准确率为100%、模式识别的聚类正确率和分类正确率比其他SOM神经网络高出5%,验证了该方法的有效性和可行性.

关键词：效能评估雷达抗干扰 SOM神经网络 q-高斯

在线全文

学校读者我要写书评

暂无评论

实数遗传算法的改进及性能研究

电子学报 2007年第2期35卷 269-274页

作者：任子武伞冶哈尔滨工业大学控制与仿真中心黑龙江哈尔滨150001

提出一种粒子群优化方法(PSO)与实数编码遗传算法(GA)相结合的混合改进遗传算法(HIGAPSO).该方法采用混沌序列产生初始种群、非线性排序选择、多个交叉后代竞争择优和变异尺度自适应变化等改进遗传操作;并通过精英个体保留、粒子群优化... 详细信息

提出一种粒子群优化方法(PSO)与实数编码遗传算法(GA)相结合的混合改进遗传算法(HIGAPSO).该方法采用混沌序列产生初始种群、非线性排序选择、多个交叉后代竞争择优和变异尺度自适应变化等改进遗传操作;并通过精英个体保留、粒子群优化及改进遗传算法(IGA)三种策略共同作用产生种群新个体,来克服常规算法中收敛速度慢、早熟及局部收敛等缺陷.通过四个高维典型函数测试结果表明该方法不但显著提高了算法的全局搜索能力,加快了收敛速度;而且也改善了求解的质量及其优化结果的可靠性,是求解优化问题的一种有潜力的算法.

关键词：遗传算法粒子群优化方法竞争择优变异尺度

在线全文

学校读者我要写书评

暂无评论

新型火电机组仿真系统设计开发

系统仿真学报 2006年第12期18卷 3403-3406页

作者：朱奕伞冶哈尔滨工业大学控制与仿真中心黑龙江哈尔滨150001

结合火电机组全范围培训型仿真系统的开发,讨论了目前火电机组仿真系统的特点和设计方法。给出了仿真系统的硬件和仿真软件,及通讯软件和图形操作系统的实现方法和手段。设计了能够对机组煤耗率进行定量分析的经济运行分析平台。

关键词：火电机组仿真经济运行支撑环境

基于q-高斯的模糊神经网络在飞机作战效能评估中的应用

在线全文

学校读者我要写书评

暂无评论

北京理工大学学报 2010年第6期30卷 674-677,682页

作者：赵伟伞冶哈尔滨工业大学控制与仿真中心黑龙江哈尔滨150001

为了增强模糊神经网络的自学习和自适应能力,提出基于q-高斯的模糊神经网络评估飞机作战效能.采用q-高斯函数作为模糊神经网络的模糊隶属度函数,利用量子粒子群算法优化基于q-高斯的模糊神经网络参数,将非广延熵指数q编码为粒子并随着... 详细信息

为了增强模糊神经网络的自学习和自适应能力,提出基于q-高斯的模糊神经网络评估飞机作战效能.采用q-高斯函数作为模糊神经网络的模糊隶属度函数,利用量子粒子群算法优化基于q-高斯的模糊神经网络参数,将非广延熵指数q编码为粒子并随着种群的进化自适应地调整.通过评估飞机作战效能,结果表明,基于q-高斯的模糊神经网络作战效能评估的结果更准确,自学习和自适应能力更强.

关键词：作战效能评估模糊神经网络 q-高斯量子粒子群算法

在线全文

学校读者我要写书评

暂无评论

基于差分进化优化的约简最小二乘支持向量机

哈尔滨工程大学学报 2011年第8期32卷 1012-1018页

作者：高润鹏伞冶哈尔滨工业大学控制与仿真中心黑龙江哈尔滨150001

针对最小二乘支持向量回归机的解缺乏稀疏性、预测速度慢等问题,采用向量相关分析在高维特征空间约简支持向量.为使约简模型能最佳逼近原模型,提出原模型与约简模型预测训练样本的平方误差和作为新性能评价准则.为得到最优约简模型,定... 详细信息

针对最小二乘支持向量回归机的解缺乏稀疏性、预测速度慢等问题,采用向量相关分析在高维特征空间约简支持向量.为使约简模型能最佳逼近原模型,提出原模型与约简模型预测训练样本的平方误差和作为新性能评价准则.为得到最优约简模型,定义了离散加法、减法和乘法算子,并将新性能评价准则作为适应度函数,采用整数编码的差分进化算法进行全局优化.4个标准数据集实验结果表明,与前人提出的3种性能评价准则相比,新算法得到的约简模型具有更好的泛化性能,并且在泛化性能略有下降情况下,支持向量数目大幅减少.

关键词：最小二乘支持向量回归机稀疏性向量相关分析差分进化整数编码支持向量约简

核动力堆热功率跟踪系统的自校正模型算法控制

在线全文

学校读者我要写书评

暂无评论

原子能科学技术 2002年第1期36卷 67-69页

作者：史小平伞冶哈尔滨工业大学仿真中心黑龙江哈尔滨150001

针对核动力堆控制系统这一带不确定参数及干扰的复杂非线性系统 ,本工作用自校正模型算法控制原理提出了一种动力堆热功率跟踪控制的方法。该方法克服了一般多步模型算法控制律所存在的由于模型估计不准或模型参数大幅度变化引起系统动... 详细信息

针对核动力堆控制系统这一带不确定参数及干扰的复杂非线性系统 ,本工作用自校正模型算法控制原理提出了一种动力堆热功率跟踪控制的方法。该方法克服了一般多步模型算法控制律所存在的由于模型估计不准或模型参数大幅度变化引起系统动态特性和控制质量变坏的缺点。通过仿真 ,将本方法与一般多步模型算法控制相比较 ,结果证明了该方法可使系统具有更强的鲁棒性和更好的动态品质。

关键词：核反应堆自校正模型算法控制系统仿真核动力堆热功率跟踪系统控制系统

自适应遗传算法的改进及在系统辨识中应用研究

在线全文

学校读者我要写书评

暂无评论

系统仿真学报 2006年第1期18卷 41-43,66页

作者：任子武伞冶哈尔滨工业大学控制与仿真中心哈尔滨150001

为解决传统遗传算法早熟及收敛速度慢的问题,提出了一种改进的自适应遗传算法。通过对一典型的大海捞针类(NiH)问题的试验,证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中,辨... 详细信息

为解决传统遗传算法早熟及收敛速度慢的问题,提出了一种改进的自适应遗传算法。通过对一典型的大海捞针类(NiH)问题的试验,证明了改进后的遗传算法在全局优化和快速收敛能力上有较大的提高。在此基础上将该算法应用于系统参数辨识中,辨识结果表明该方法具有参数辨识精度高,抗噪声能力大,对输入信号通用性强,也适用于非线性系统参数辨识的优点,具有重要的工程使用价值。

关键词：遗传算法参数辨识非线性系统有色噪声 M序列

在线全文

学校读者我要写书评

暂无评论

基于支持向量机的直升机建模

计算机集成制造系统 2008年第3期14卷 470-476页

作者：王书舟伞冶哈尔滨工业大学航天学院黑龙江哈尔滨150001

为建立高精度的直升机仿真模型,首次把支持向量机方法引入直升机智能化建模领域。对实际飞行数据进行野值剔除、高频滤波和微分平滑等预处理。在此基础上,利用支持向量机建立了直升机自转着陆过程的旋翼转速模型。与神经网络模型相比,... 详细信息

为建立高精度的直升机仿真模型,首次把支持向量机方法引入直升机智能化建模领域。对实际飞行数据进行野值剔除、高频滤波和微分平滑等预处理。在此基础上,利用支持向量机建立了直升机自转着陆过程的旋翼转速模型。与神经网络模型相比,该模型具有结构简单、运算速度快、泛化能力高等特点。理论分析和仿真结果表明,用支持向量机建立直升机的仿真模型是切实可行的。

关键词：支持向量机直升机仿真模型泛化能力

在线全文

学校读者我要写书评

暂无评论

基于q-高斯分布的自适应变异粒子群算法

沈阳工业大学学报 2012年第3期34卷 354-360页

作者：赵伟伞冶石慧姝哈尔滨工业大学控制与仿真中心哈尔滨150001

针对粒子群算法易陷入局部极值和早熟收敛的缺陷,提出了基于q-高斯分布的自适应变异粒子群算法.采用q-高斯作为变异算子对粒子的全局最优位置进行q-高斯变异,克服了因种群遗失多样性所导致的早熟收敛缺陷,随着种群的进化,非广延熵指数q... 详细信息

针对粒子群算法易陷入局部极值和早熟收敛的缺陷,提出了基于q-高斯分布的自适应变异粒子群算法.采用q-高斯作为变异算子对粒子的全局最优位置进行q-高斯变异,克服了因种群遗失多样性所导致的早熟收敛缺陷,随着种群的进化,非广延熵指数q的自适应调整平衡了算法的全局搜索能力和局部开发能力.测试了4个标准复杂函数和优化BP神经网络参数,结果表明,基于q-高斯分布的自适应变异粒子群算法的优化性能最好,收敛速度快.

关键词：粒子群算法自适应变异 q-高斯分布数值优化神经网络参数优化种群多样性全局搜索能力局部搜索能力