基于两层编码的进化算法及其在控制混沌中的应用

针对RBF(Radial Basis Function)网特点,提出基于两层编码的进化算法来同时确定网络结构和参数.文中分别采用两种不同的遗传算法GA(Genetic Algorithm)和进化规划EP(Evolutionary Programming)训练网络.实验结果表明,基于这三种不同进化算法的RBF网络都能有效地控制混沌系统,其中EP的训练和控制结果最优.     

基于RBF神经网络的科研绩效评价建模研究

客观、公正、准确的科研绩效评价是调动和提高高校及科研机构科研人员工作积极性和科技创新能力的重要措施.文中提出了一种基于RBF神经网络的科研绩效精细评价模型,以归一化后的科研指标数据乘以相应权系数作为网络输入,利用优、良、中、及格和不及格5级评价作为输出,采用粒子群优化算法通过交叉验证对RBF网络结构参数进行了优化.通过RBF网络结构和输入输出特性分析发现,训练后的RBF网络权值与5级评价结果高度相关,并较5级评价结果更能精细区别科研绩效差异.该权值可直接用来进行科研绩效精细评价.文中推广了RBF网络在科研绩效评价中的应用,并为进行类似评价或评估工作提供了一种新思路.     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP（Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS（Flexible Manufacture System)中的柔性调度问题。伪真结果表明，该算法增强了EP（Evolutionary Programming)算法的全局收敛性，在多目标和复杂多约束条件下，得到了满意的全局最优解。     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法,本文较为系统地介绍了其测量、故障参数提取及分析方法,并在诊断分析中使用了进化RBF神经网络,此网络的训练采用遗传算法,优化了径向基神经网络的结构和参数,加强了网络的实用性.最后用神经网络对所模拟的故障进行辨识,证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性.     

进化神经网络在柴油机故障诊断中的应用

瞬时转速波形诊断法是柴油机故障诊断中的一种较为方便实用的诊断方法，本文较为系统地介绍了其测量、故障参数提取及分析方法，并在诊断分析中使用了进化RBF神经网络，此网络的训练采用遗传算法，优化了径向基神经网络的结构和参数，加强了网络的实用性。最后用神经网络对所模拟的故障进行辨识，证实了瞬时转速法与进化神经网络的结合在柴油机故障诊断中的可行性。     

求解舰船电力系统网络重构的贪婪DPSO算法

\t  目的   \t为了解决现有约束多目标优化算法在求解船舶微电网重构时收敛性和分布性不佳的问题,提出一种基于两阶段差分进化（TSDE）算法的约束多目标优化方法。\t  方法   \t第1阶段采用双种群混合法（即自适应罚函数法和可行性法则）来处理约束条件;第2阶段将第1阶段产生的双种群合并为单种群,再采用可行性法则解决约束优化问题;最后,在不同的阶段采用不同的精英选择策略和改进无参数变异算子,从而进一步优化差分进化算法。\t  结果   \t根据算例仿真结果：在故障1和故障2工况下,TSDE算法求得的最小负荷失电量分别比基于混沌迁移及无参数变异差分进化（CMPMDE）算法和基于环境Pareto支配选择差分进化（EPDSDE）算法降低了185 A和940 A;在故障1工况下,TSDE算法的最少开关操作数比CMPMDE算法多1次,与EPDSDE算法相同;在故障2工况下,TSDE算法的最少开关操作数比CMPMDE算法和EPDSDE算法均少1次。\t  结论   \tTSDE算法求得的最优非劣解集更接近真实的Pareto前沿且分布较为均匀,在满足重构时间要求的前提下,该算法可以更好地保证船舶的安全稳定运行。     

基于RBF神经网络的雷达网抗干扰效果评估

通过分析雷达网抗干扰效果的评估指标集,建立了一种基于RBF神经网络的雷达网抗干扰效果评估模型,并通过试验数据样本进行学习训练RBF神经网络模型。最后,利用训练好的RBF神经网络模型对雷达网的抗干扰效果进行评估,结果表明基于RBF神经网络的雷达网抗干扰效果模型具有一定实用性和可行性。     

基于FRFT和RBF神经网络的升船机配电网单相接地故障研究

单相接地故障在陆地电网中为最常见的故障,若不能及时排查可能发展成相间短路等故障,严重威胁系统的安全性。文章引入馈线终端设备（FTU）对配电网进行监测,提出了一种基于分数阶傅里叶变换（FRFT）和径向基（RBF）神经网络结合的方法,针对单相接地故障进行识别。通过FTU监测配电网的电压数据,选取FRFT提取故障波形的能量率作为特征向量,最终利用训练过的RBF神经网络对故障进行识别定位。仿真试验结果表明：当FTU正常运行或发生信号丢失时,RBF神经网络均能够准确、高效地定位单相接地故障。     

基于Matlab神经网络工具箱进行港口集装箱运量预测

基于Matlab的神经网络工具箱，利用其自带的用于神经网络的函数，通过简单的编程实现了线性神经网络、BP网络和RBF网络三种神经网络的建立、学习和训练，并对一实例进行了预测，结果显示是很有效的。     

RBF神经网络的舰船图像滤波融合

普通舰船图像滤波融合模型,不能兼顾滤波精度计算性与滤波容错性。为解决此问题,设计基于RBF神经网络的舰船图像滤波融合仿真模型。通过网络结构设计与网络学习方法设计,完成RBF神经网络的搭建;改进原有仿真模型算法、舰船图像多滤波融合形式,完成仿真模型的搭建。模拟应用环境设计对比实验结果表明,基于RBF神经网络的舰船图像滤波融合仿真模型,既提升滤波精度计算性与滤波容错性,也做到2种性能的兼顾。     

基于进化规划的自适应高斯神经网络

自适应高斯神经网络能够对目标信号的功率谱有效识别特征进行自动提取和分类，但此网络使用BP算法，其误差能量函数是一个不规则的超曲面，容易陷入局部极小值。因此，提出了一种使用进化规则来设计和训练自适应高斯神经网络的新方法，该方法能够自动的确定网络的最优结构和联结权值，同时避免网络的局部优化。将该方法用于被动声呐晶目标的分类识别，实验结果表明基于进化规则的自适应高斯神经网络能够有效的克服局部最小问题，具有更好的识别率。     

网络遥操作机器人系统神经网络预测控制仿真研究

为了改善网络随机时延影响网络遥操作机器人系统稳定运行的问题,采用RBF神经网络对网络实测时延进行预测,取得较好的预测效果。结合Smith预估控制,提出了一种基于网络实测时延的遥操作机器人系统神经网络预测控制新方法,仿真实验结果表明了该方案的有效性和鲁棒性。     

基于模拟退火多种群并行进化规划的柔性调度方法

运用基于模拟退火多多种群并行进化规划SAMPEP(Simulated Annealing Multigroup Parallel Evolutionary Programming),求解FMS(Flexible Manufacture System)中的柔性调度问题.仿真结果表明,该算法增强了EP(Evolutionary Programming)算法的全局收敛性,在多目标和复杂多约束条件下,得到了满意的全局最优解.     

小型无人艇研究现状及关键技术

针对水面无人艇（USV）在干扰条件下航行稳定性差的问题,提出一种基于深度强化学习（DRL）算法的智能参数整定方法,以实现对USV在干扰情况下的有效控制。

首先,建立USV动力学模型,结合视线（LOS）法和PID控制器对USV进行航向控制;其次,引入DRL理论,设计智能体环境状态、动作和奖励函数在线调整PID参数;然后,针对深度确定性策略梯度 （DDPG）算法收敛速度慢和训练时容易出现局部最优的情况,提出改进DDPG算法,将原经验池分离为成功经验池和失败经验池;最后,设计自适应批次采样函数,优化经验池回放结构。

仿真实验表明,所改进的算法迅速收敛。同时,在训练后期条件下,基于改进DDPG算法控制器的横向误差和航向角偏差均显著减小,可更快地贴合期望路径后保持更稳定的路径跟踪。

改进后的DDPG算法显著降低了训练时间成本,不仅增强了智能体训练后期的稳态性能,还提高了路径跟踪精度。

     

基于EKF神经网络的潜艇运动模糊控制

非线性与大惯性是潜艇运动的主要特性,基于试验模型得到的潜艇标准运动方程在很多情况下无法准确描述潜艇的运动过程,特别是当潜艇运动方程建模误差较大时,传统基于模型的控制器设计方法就显得力不从心。因此,本文提出了一种不基于模型的卡尔曼神经网络模糊控制算法,在神经网络学习训练过程中,利用卡尔曼滤波算法优越的数学特性将扩展卡尔曼滤波递推公式与RBF算法结合训练神经网络权值,根据神经网络输出的潜艇运动参数设计模糊控制器。仿真结果表明,该算法具有很好的控制精度、动态特性和鲁棒性。     

RBF网络Q-学习在水下机器人首向角锁定中的应用

水下机器人工作环境的多变性和复杂性,对其控制系统提出了鲁棒性、自适应性等更高要求。本文研究水下机器人的运动特点,在RBF神经网络的基础上阐述Q-学习在水下机器人首向角锁定中的应用,最后将其与RBF网络控制进行仿真对比,实验结果表明本文算法控制稳定、精度高。     

一种基于自适应进化策略采样的粒子滤波算法

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子重采样,以保证粒子的有效性和多样性。通过仿真计算表明,提出的算法可以有效提高滤波性能。     

基于进化算法的舰船航迹建模与仿真

舰船航迹自动化控制是提高舰船航行安全性的关键所在,将进化算法应用到舰船航迹建模中具有一定的可行性,对降低舰船航行成本、提高舰船航迹的自动化水平起着重要作用。本文概述了进化算法的基本流程和特点,提出基于进化算法的舰船航迹建模,并对舰船航迹建模进行仿真,得出混沌进化算法建模效果优于基本算法建模效果的结论,为提升基于进化算法的舰船航迹自动化控制系统的性能提供参考。     

胶囊网络矢量水听器DOA估计

针对水下环境信噪比低的特点,以及传统子空间算法计算复杂度高等问题,提出一种基于胶囊网络（capsules network,CapsNet）的波达方向（direction of arrival,DOA）估计模型。将水下矢量水听器阵列采集的协方差数据实虚部分离作为二维数据输入,利用胶囊结构构建向量神经元,通过动态路由的特征传递方法,得到相应矢量胶囊的分类输出,实现低信噪比条件下的DOA估计。为了验证胶囊网络模型的性能,在不同信噪比下条件下,与多重信号分类（multiple signal classification,MUSIC）和卷积神经网络（convolutional neural networks, CNN）的DOA估计结果进行对比分析。仿真结果表明,训练后的胶囊网络,具有更高的水下DOA估计准确率,抗噪性方面优势更加明显,并且在提升性能的同时,加快了方位估计速度。     

基于RBF网络和遗传优化的船舶操纵模糊控制器

设计了一种基于RBF网络和遗传优化的船舶操纵模糊控制器。首先讨论了传统模糊控制器应用于船舶操纵控制的不足，然后根据模糊系统在特定情况下与RBF网络具有等价关系的特点，采用具有加权平均输出的RBF网络构造了一个船舶操纵模糊控制器，有效地消除了小偏差范围的舵角抖动现象。在此基础上，根据船舶操纵的特点提出了一种尺度变换因子的自整定方法，并采用遗传算法对自整定过程中的可变参数进行优化，以使控制器能够适应实时控制过程中的时变性和不确定性，保持良好的控制性能。最后针对某大型船舶的非线性模型，采用Matlab 6．1的Simulink工具进行了转艏操纵仿真试验，获得了满意结果。