遗传算法改进的汽车发动机振动信号时、空域分类器设计

一种改进遗传算法在UCAV快速航迹规划中的应用顾潮琪;周德云【摘要】针对无人作战飞机（Unmanned Combat Aerial Vehicle，UCAV）航迹规划约束条件复杂、不确定因素多、实时性要求高的特点，提出了一种基于Voronoi图和改进遗传算法的快速航迹规划方法。

该方法采取分层航迹规划的思想，首先根据Voronoi图生成初始航迹，并综合考虑约束条件，赋予各条航迹相应的权值；然后应用改进的遗传算法在生成的航迹空间中寻优，最终得到满意的航迹。

该算法利用多处理机并行计算技术对传统遗传算法进行改进，大大缩短寻优时间。

仿真结果表明基于Voronoi图和改进遗传算法的航迹规划提高了实时性，增强了UCAV的动态战场适应能力和突发威胁应对能力。

%Due to the complex constraints,more uncertain factors and critical real-time demand of path planning for UCAV,an approach of fast path planning based on Voronoi diagram and improved genetic algorithm is proposed,which makes use of the principle of hierarchical path planning. First the Voronoi diagram is utilized to generate the initial paths and calculate the weight of the paths by considering the constraints. Then the optimal path is searched by using the improved genetic algorithm. Multiprocessors parallel computing techniques are used to improve the traditional genetic algorithm and the optimal time is greatly reduced. Simulation results verify that path planning based on Voronoi diagram and IGA is more favorable in the real-time operation. It can improve the adaptability of dynamic battlefield and unexpected threats for UCAV.【期刊名称】《火力与指挥控制》【年(卷),期】2015(000)002【总页数】4页(P70-73)【关键词】无人作战飞机;改进遗传算法;Voronoi图;航迹规划;实时性【作者】顾潮琪;周德云【作者单位】西北工业大学电子信息学院，西安 710129;西北工业大学电子信息学院，西安 710129【正文语种】中文【中图分类】TP391.9在防空技术日益先进且防空体系日益完善的现代战争环境中，航迹规划是提高UCAV作战效能、实施远程精确打击的有效手段［1］。

doi：10．3969/j．issn．1671－5446．2020．02．002基于MCS和改进遗传算法的进气消声器优化分析*朱传峰，毕嵘，韦静思，袁懋荣，李波，朱亚亚（广汽集团广汽研究院，广东广州511434）摘要：综合考虑发动机进气消声器声学性能和阻力特性，采用蒙特卡洛模拟（MCS），分别对基于传递矩阵和神经网络建立的进气消声器传递损失和压力损失数值模型进行参数贡献度分析，结合改进遗传算法（GA）对进气消声器进行单目标和多目标优化。

研究结果表明：MCS方法有效辨识出参数L2，L4，L6，D2，D3，D4对传递损失和压力损失贡献都较大，简化了优化分析模型。

基于神经网络建立的消声器压力损失数值模型精度较高，消声器压力损失大小的限制对进气消声器的优化结果影响较大。

在满足压力损失的情况下，单目标优化能使进气消声器的传递损失在单个共振带中心频率处传递损失达到最大值，而多目标优化得到的进气消声器比原始进气消声器控制进气噪声最多降低5．31dB，在整个工况范围，进气噪声基本都有所降低，性能优于单目标优化的结果。

关键词：蒙特卡洛模拟；神经网络；遗传算法；传递损失；压力损失中图分类号：TB535．2文献标志码：A文章编号：1671－5446（2020）02－0006－06Optimization Analysis of Acoustic and Resistance Characteristics of Intake Muffler Basedon Monte Carlo SimulationZHU Chuanfeng，BI Rong，WEI Jingsi，YUAN Maorong，LI Bo，ZHU Yaya（GAC Automotive Engineering Institute，Guangzhou511434，China）Abstract：Considering the acoustic and resistance characteristics of intake muffler，the transfer matrix and neural network were used to construct the numerical calculation model of intake muffler transmission loss and pressure loss．The contribution of intake muffler pa-rameters were analyzed based on Monte Carlo Simulation（MCS），combined with improved genetic algorithm（GA），the single objective and multiple objective optimization model were established respectively．The result shows that MCS can effective identification of pa-rameters L2，L4，L6，D2，D3，D4have great contribution to transmission loss and pressure loss，and simplify the optimization model．Theprecision of the intake muffler pressure loss model based on neural network is accurate and the limitation of pressure loss of intake muf-fler has great influence on the optimization．Under the condition of considering pressure loss，the transmission loss of intake muffler cor-responding to the center frequency of single resonant band through single objective optimization can reach maximum，however，the multi-objective optimization is better than that of the original intake muffler to control the intake noise maximum reduction is5．31dB，and the performance of the intake muffler is better than that of single target optimization．Key words：Monte Carlo Simulation；neural network；genetic algorithm；transmission loss；pressure loss引言发动机进气消声器的优劣将直接影响车辆的性能，在保证进气充足的情况下，如何高效率的设计出声学及阻力特性都满足性能要求的进气消声器是工程师面临的一个技术难题，而传递损失和压力损失是用来评价进气消声器声学性能和阻力特性的重要指标［1-3］。

基于遗传算法的汽车磁流变减振器多目标优化郑玲;牛伯瑶;李以农;庞剑;李传兵;徐小敏;付江华【摘要】为满足汽车半主动悬架系统的功能需求,宜设计具有大阻尼力调节范围、低能耗、响应迅速的磁流变减振器.本文中分别以磁流变减振器线圈耗能功率和响应时间为目标函数,以输出阻尼力和磁流变减振器阻尼通道处磁感应强度为约束条件,建立了磁流变减振器多目标优化模型,采用带精英策略的非支配排序遗传算法,获得了磁流变减振器多目标优化的最优Pareto解集.结果表明:多目标优化不仅能满足阻尼力可调范围的工程需求,且线圈功率损耗大大减小,响应时间明显缩短,为汽车磁流变减振器的结构优化提供了有效方法..【期刊名称】《汽车工程》【年(卷),期】2016(038)007【总页数】7页(P871-877)【关键词】磁流变减振器;带精英策略的非支配排序遗传算法;多目标优化【作者】郑玲;牛伯瑶;李以农;庞剑;李传兵;徐小敏;付江华【作者单位】重庆大学汽车工程学院,机械传动国家重点实验室,重庆400044;汽车噪声振动和安全技术国家重点实验室,重庆401120;重庆大学汽车工程学院,机械传动国家重点实验室,重庆400044;重庆大学汽车工程学院,机械传动国家重点实验室,重庆400044;汽车噪声振动和安全技术国家重点实验室,重庆401120;长安汽车工程研究总院,重庆401120;汽车噪声振动和安全技术国家重点实验室,重庆401120;长安汽车工程研究总院,重庆401120;汽车噪声振动和安全技术国家重点实验室,重庆401120;长安汽车工程研究总院,重庆401120;汽车噪声振动和安全技术国家重点实验室,重庆401120;长安汽车工程研究总院,重庆401120【正文语种】中文磁流变液体作为一种典型智能材料，一直倍受关注并在诸多工程领域得以应用，例如建筑、汽车、船舶等，具体应用有汽车的减振器[1]、离合器[2]和制动器[3]，桥梁等建筑结构的阻尼器[4]，动力装置隔振器[5]和传感器[6]等。

基于优化遗传算法的FCM
崔适时;刘震宇
【期刊名称】《电脑编程技巧与维护》
【年(卷),期】2013(000)002
【摘要】针对FCM算法容易收敛于局部极小点的缺陷,将一种优化的遗传算法应用于FCM上,很好地解决了算法的抗局部收敛性.实验结果表明,改进后的算法不仅保留着原FCM算法的快速收敛优势,还很好地控制了局部收敛,提高了算法的全局搜索能力,具有更好的聚类性能.
【总页数】2页(P17-18)
【作者】崔适时;刘震宇
【作者单位】中南林业科技大学计算机与信息工程学院,长沙410004;中南林业科技大学计算机与信息工程学院,长沙410004
【正文语种】中文
【相关文献】
1.基于FCM改进遗传算法的工字梁多目标优化设计 [J], 张屹;李子木;余振;杨宇琪
2.基于遗传算法的FCM算法在边坡监测中的应用研究 [J], 王占武
3.基于遗传算法和 FCM 的图像自动标注* [J], 赵洪宋;潘地林
4.基于遗传算法的草莓图像 FCM 分割方法研究 [J], 张红旗;王春光;李海军
5.基于改进遗传算法的作物图像FCM分割方法 [J], 许新华;齐国红;张云龙
因版权原因，仅展示原文概要，查看原文内容请购买。

一种求解多目标FJSP的自学习遗传算法
常镜洳;于东
【期刊名称】《小型微型计算机系统》
【年(卷),期】2022(43)12
【摘要】遗传算法求解多目标FJSP时,关键参数在计算过程中不能智能动态调整,从而影响算法效率和解的质量.本文基于改进的遗传算法和增强学习算法建立一种求解多目标的自学习遗传算法.遗传算法改进如下:首先提高全局和局部机器选择比重构造初始种群,然后依据快速非支配排序和拥挤距离计算适应度值,并设计选择算子,利用增强学习在种群迭代间动态调整交叉概率和变异概率,最后设计交叉和变异算子.实验部分以最大完工时间最小C_(max)、最大负荷机器最小W_(m)、总机器负荷最小W_(t)这3个目标为例,对多个算例进行了大量的测试和分析,证明了该方法的有效性和高效性.
【总页数】6页(P2465-2470)
【作者】常镜洳;于东
【作者单位】中国科学院大学;中国科学院沈阳计算技术研究所;大连东软信息学院【正文语种】中文
【中图分类】TP301
【相关文献】
1.一种求解多目标柔性作业车间调度问题的改进元胞遗传算法
2.求解多目标最小生成树的一种新的遗传算法
3.一种求解多目标资源受限项目调度的遗传算法
4.一种求解FJSP的混合遗传算法
5.一种求解多目标柔性JSP的正交遗传算法
因版权原因，仅展示原文概要，查看原文内容请购买。

遗传算法在信号处理中的应用案例展示引言：遗传算法是一种模拟自然选择和遗传机制的优化算法，它在信号处理领域有着广泛的应用。

本文将通过几个实际案例，展示遗传算法在信号处理中的应用，并探讨其优势和局限性。

案例一：音频降噪音频降噪是一项重要的信号处理任务，它可以提高音频质量和语音识别的准确性。

传统的降噪方法通常基于滤波器设计，但是这些方法往往需要手动调整参数，且效果不尽如人意。

而遗传算法可以通过优化参数的方式，自动地寻找最佳的降噪滤波器。

在这个案例中，我们首先定义了一个适应度函数，用于评估降噪滤波器的性能。

然后，通过遗传算法的迭代过程，不断优化滤波器的参数，直到找到最佳解。

通过实验验证，使用遗传算法设计的降噪滤波器在降噪效果上明显优于传统方法。

案例二：图像压缩图像压缩是一种常见的信号处理任务，它可以减小图像文件的大小，提高存储和传输效率。

传统的图像压缩方法如JPEG基于离散余弦变换，但是这些方法无法充分利用图像的特性，导致压缩效果不佳。

而遗传算法可以通过优化压缩算法的参数，提高压缩率和图像质量。

在这个案例中，我们将图像压缩问题转化为一个优化问题，定义了一个适应度函数，用于评估压缩算法的性能。

然后，通过遗传算法的迭代过程，不断优化压缩算法的参数，直到找到最佳解。

通过实验验证，使用遗传算法优化的压缩算法在压缩率和图像质量上都有明显的提升。

案例三：信号分类信号分类是一项重要的信号处理任务，它可以将不同类型的信号区分开来，为后续的处理提供基础。

传统的信号分类方法如支持向量机需要手动选择特征和调整参数，且对于复杂的信号类型效果不佳。

而遗传算法可以通过优化分类器的参数和特征选择，提高分类准确率和鲁棒性。

在这个案例中，我们首先定义了一个适应度函数，用于评估分类器的性能。

然后，通过遗传算法的迭代过程，不断优化分类器的参数和特征选择，直到找到最佳解。

通过实验验证，使用遗传算法优化的分类器在不同类型的信号分类任务上都取得了较好的结果。

基于遗传算法的汽车主动悬架变论域模糊PID控制
薛文平;张春玲
【期刊名称】《江苏大学学报(自然科学版)》
【年(卷),期】2024(45)1
【摘要】针对1/4车主动悬架系统,提出一种基于遗传算法(genetic algorithm,GA)的变论域模糊比例-积分-微分(proportional-integral-differential,PID)控制方法.在建立主动悬架系统模型的基础上,引入变论域思想设计模糊PID控制器.为进一步改善控制器减振效果,采用GA来优化变论域中伸缩因子描述函数的参数.结果表明:相比PID、模糊PID与未优化的变论域模糊PID等控制方法,基于GA的变论域模糊PID控制方法在降低车身垂向加速度、改善乘坐舒适性方面具有优越性;所提控制方法对簧载质量和车辆行驶速度不确定性具备较强的鲁棒性.
【总页数】8页(P8-15)
【作者】薛文平;张春玲
【作者单位】江苏大学电气信息工程学院
【正文语种】中文
【中图分类】U463;TP273.4
【相关文献】
1.基于变论域的主动悬架模糊PID控制
2.变论域自适应模糊PID主动悬架控制研究
3.某越野汽车磁流变半主动悬架变论域模糊控制
4.越野车半主动悬架的变论域模糊PID控制
5.轮毂电机驱动电动汽车主动悬架T-S变论域模糊控制研究
因版权原因，仅展示原文概要，查看原文内容请购买。

基于改进遗传算法的图像边缘检测
孙海明;韩国强;郑小秋
【期刊名称】《电子设计工程》
【年(卷),期】2024(32)7
【摘要】针对经典边缘检测算法在一定程度上的局限性,提出了一种改进的遗传算法进行边缘检测。

阐述了图像梯度的幅值和变化率,并将遗传算法引入到图像边缘
检测中。

利用天牛须搜索算法来引导遗传算法中交叉点位置的移动方向。

通过提高子辈种群的多样性,防止了搜索区域逐渐缩小,克服了传统遗传算法早熟收敛的现象。

实验结果表明,与传统的边缘检测算法相比,改进的遗传算法应用于不同的图像检测
具有良好的稳定性和较快的收敛速度,可以收敛到全局最优解甚至逼近全局最优解,
从而提高被检测图像边缘的完整性。

【总页数】5页(P186-190)
【作者】孙海明;韩国强;郑小秋
【作者单位】湖北汽车工业学院机械工程学院;湖北中程科技产业技术研究院有限
公司
【正文语种】中文
【中图分类】TN919.82
【相关文献】
1.基于改进量子遗传算法的图像边缘检测研究
2.改进遗传算法在图像边缘检测中的应用
3.基于改进遗传算法的遥感图像边缘检测
4.基于遗传算法的图像边缘检测研究
5.简化的D-S偏好与Melitz模型的精炼
因版权原因，仅展示原文概要，查看原文内容请购买。

基于神经网络原理的汽车发动机机械故障诊断系统分类器设计长春工业大学硕士学位论文基于神经网络原理的汽车发动机机械故障诊断系统分类器设计姓名:曲巍申请学位级别:硕士专业:计算机应用技术指导教师:闫一功20070301长春工业大学硕士学位论文摘要发动机机械系统出现故障后,通常会产生非正常的振动,所以可以考虑利用振动传感器直接采集发动机振动信号,并通过计算机对信号进行适当的谱分析和分类的方法,实现用仪器取代人完成发动机机械系统的故障诊断任务。

本论文即为以开发一套可用于对发动机机械系统故障进行在线检测、识别和诊断的仪器系统中的分类器为目标而开展的研究工作。

本研究工作中,首先简要讨论了汽车发动机机械故障诊断装置的硬件设计问题。

然后讨论了利用神经网络方法构建故障诊断装置分类器的算法,并给出了基于此算法的故障诊断装置分类器设计。

为了解决神经网络分类器计算过程过长和误差大的问题,又进一步地讨论了神经网络分类器的优化设计和泛化设计问题,并给出了算法设计。

在上述工作基础之上,最后讨论了基于级联相关网的汽车发动机故障检测分类器设计问题并给出了实际设计。

在理论分析的基础上,研究工作还对得出的四种分类算法分别进行了实验测试工作。

测试结果表明,基本神经网络分类器基本可以满足本论文研究问题分类要求,但存在网络训练时间长,识别误差较大的缺点。

经优化设计后的基本神经网络分类器在运行时间和误差率上都有了较大的提高。

经泛化后的神经网络分类器,其容错能力有了明显的增强。

用网汽车发动机故障检测分类器可很好的实现特征的在线识别与分类,并较大幅度的减少了训练时间实验研究结果还表明:基于改进的神经网络和神经网络所建立的发动机故障诊断实验系统均能够对发动机故障进行有效的诊断。

针对本工作所涉及的分类问题而言,后者在分类的效率上较前者略有优势。

关键词:模式识别故障诊断神经网络神经网络长春工业大掣骊士学位论文. , .. 一...... ,. ,. :。

基于遗传算法的航空器发动机优化设计航空器发动机是现代航空技术的核心组成部分之一，它的优化设计对于提高航空器的性能和降低能耗都有着至关重要的作用。

传统的发动机设计方法主要是通过实验和模拟手段进行的，但是这种方法存在一定的局限性，不能充分考虑到不同设计因素之间的复杂相互作用。

因此，基于遗传算法的优化设计方法被广泛地应用于航空器发动机的优化设计领域。

本文将从航空器发动机的优化设计出发，简要介绍基于遗传算法的优化设计方法及其应用。

一、航空器发动机的优化设计发动机的性能直接影响航空器的性能，因此航空器发动机的优化设计成为航空工程师们重要的研究课题之一。

航空器发动机的优化设计需要考虑多个因素，如最大推力、燃油效率、空气动力学特性等。

在实际的设计过程中，设计师通常会将这些因素进行综合考虑，并在性能和成本之间进行权衡。

传统的优化设计方法主要是通过试错法进行的，设计师需要不断进行实验和模拟，最终找到一种能够满足要求的发动机结构。

这种方法存在一定的不足之处，主要包括实验成本高、时间长，设计结果难以保证最优等问题。

二、基于遗传算法的发动机优化设计为了解决传统优化设计方法的不足，人们开始将遗传算法应用于航空器发动机的优化设计。

遗传算法是一种仿生学算法，它通过模拟生物进化的过程，寻找最优解。

遗传算法的基本步骤包括个体编码、种群初始化、适应度函数、选择操作、交叉操作和变异操作等。

在航空器发动机的优化设计中，个体编码可以采用二进制编码、实数编码等方法。

种群初始化可以通过随机生成初始种群来实现。

适应度函数主要用于计算每个个体的适应度值，以便于进行后续的选择和变异。

选择操作主要有轮盘赌选择、竞争选择等方法，可以根据问题特点进行选择。

交叉操作主要是用来改变个体之间的结构，常见的有单点交叉、多点交叉等。

变异操作用于概率性地改变个体的某些特征，以增加种群多样性，降低算法陷入局部最优解的概率。

基于遗传算法的航空器发动机优化设计方法具有很高的适应性和鲁棒性。

基于多目标遗传算法的消声器优化设计
张翠翠;吴伟蔚;陈浩
【期刊名称】《噪声与振动控制》
【年(卷),期】2010(000)003
【摘要】四端网络法结合遗传算法设计消声器.以四端子网络为理论基础建立消声器的插入损失、传递损失、噪声降低的模型,模拟计算出消声器的消声特性响应曲线.应用多目标遗传算法对得到的消声器的噪声特性进行优化,结果使消声器的消声性能得到明显的改善,可以缩短设计周期,提高效率.
【总页数】4页(P141-143,152)
【作者】张翠翠;吴伟蔚;陈浩
【作者单位】上海工程技术大学,汽车工程学院,上海,201620;上海工程技术大学,汽车工程学院,上海,201620;上海工程技术大学,汽车工程学院,上海,201620
【正文语种】中文
【中图分类】TK413.4+7
【相关文献】
1.基于多目标遗传算法的三轴振动夹具结构参数优化设计分析 [J], 王海东; 李贵林; 王肇喜; 李静; 刘少杰; 仇原鹰
2.基于遗传算法的车用永磁电机转子尺寸多目标优化设计 [J], 范庆锋;王振
3.基于响应面模型与遗传算法的工具磨床立柱多目标优化设计 [J], 谢军;廖映华;谭州;廖川;斯兴瑶
4.基于遗传算法的机械装备多目标优化设计方法研究 [J], 韩雪莹
5.基于遗传算法的甘肃地区城镇办公建筑多目标优化设计 [J], 王嘉川;郭咪
因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传算法的汽车发动机优化设计方法研究在汽车工业中，发动机的优化设计一直是一个重要的研究方向。

随着科技的不断发展，汽车发动机的优化设计也越来越多地采用计算机模拟和优化算法。

其中，遗传算法是一种常见的优化算法，可以应用于传统的发动机优化设计中。

一、遗传算法的基本原理遗传算法是一种演化算法，基于生物进化思想而来。

它模拟了生物的进化过程，通过染色体、遗传变异和选择等步骤，求解出问题的最优解。

在遗传算法中，每个解决方案都可以通过一个染色体来表示。

染色体上的每个基因代表了一个可调节的参数。

在汽车发动机优化设计中，这些可调节的参数可以包括缸径、行程、气门直径和配气等，这些参数对发动机性能具有关键影响。

遗传算法模拟了遗传变异和自然选择过程。

首先，通过变异操作，产生一定数量的新解决方案。

然后，根据适应度函数，对产生的新方案进行评估，筛选出适应度较高的方案。

最后，适应度较高的方案将成为下一代解决方案的父代，参与产生更优解决方案。

二、遗传算法在汽车发动机优化设计中的应用遗传算法可以应用于汽车发动机的优化设计中，以实现最优的性能和效率。

通过模拟发动机的性能指标，如扭矩、功率、油耗和排放等指标，遗传算法可以确定优化设计中的各种可调参数。

在进行发动机优化设计时，遗传算法可以帮助设计师快速得到一系列可能的参数组合，并通过计算和评估选择出最优的参数组合。

在这个过程中，遗传算法可以有效降低设计周期和成本，提高汽车发动机的性能和竞争力。

三、遗传算法在实际发动机设计中的应用案例实际上，遗传算法已经应用于许多发动机的优化设计中。

例如，在某款轻型卡车的气门控制系统中，使用了遗传算法来优化控制参数，以提高卡车的燃油经济性和排放性能。

结果表明，在优化设计后，该车的燃油经济性提高了15％以上，排放性能也得到了显著改善。

在另一项研究中，研究人员针对某台发动机的燃油经济性进行了优化设计。

他们使用遗传算法来确定诸如缸径、行程、压缩比和工作循环等参数的最佳组合。

小生境遗传算法在机械优化设计中的应用
陈格娟;崔炜;张京军
【期刊名称】《河北工程大学学报（自然科学版）》
【年(卷),期】2004(021)001
【摘要】针对在机械设计中经常遇到的多个变量、多个局部极值的参数优化设计问题,提出了应用小生境遗传算法求解多峰值函数全局最优化解的途径.对小生境遗传算法的基本构造模型和实现技术给出了全面的描述.最后,以曲柄摇杆机构的优化设计为算例,验证了该算法的有效性.
【总页数】4页(P56-59)
【作者】陈格娟;崔炜;张京军
【作者单位】河北工程学院,机械系,河北,邯郸,056038;河北工程学院,机械系,河北,邯郸,056038;河北工程学院,机械系,河北,邯郸,056038
【正文语种】中文
【中图分类】O242.28
【相关文献】
1.机械可靠性维修性优化设计方法及其在工程机械中的应用 [J], 谢玮
2.改进的小生境遗传算法在铁道车辆优化设计中的应用 [J], 沈文林;池茂儒
3.小生境遗传算法在平面叶栅优化设计中的应用 [J], 冯建军;罗兴琦
4.机械CAD技术在机械可靠性优化设计中的应用前瞻 [J], 赵启焱;罗明生;黄超
5.机械CAD技术在机械可靠性优化设计中的应用 [J], 王霄琳
因版权原因，仅展示原文概要，查看原文内容请购买。

混合遗传算法的线性分类器参数设计
加雄伟
【期刊名称】《信息与开发》
【年(卷),期】2000(000)001
【总页数】5页(P14-18)
【作者】加雄伟
【作者单位】数学系
【正文语种】中文
【中图分类】TP391.4
【相关文献】
1.基于线性分类器的混合空间查找表颜色分类方法 [J], 刘斐;卢惠民;郑志强
2.应用混合遗传算法的车辆发动机工作参数优化设计 [J], 吴朝阳;苏俊;席平原
3.基于改进混合遗传算法参数辩识的数控火焰切割机PID调节器的优化设计 [J], 黄金花; 刘继清
4.基于遗传算法的混合威布尔分布参数最小二乘估计 [J], 董力; 陆中; 周伽
5.基于混合遗传算法的高速公路桥梁风屏障参数优化 [J], 罗颖;廖楚峰;韩艳;蔡春声;何旭辉;李凯
因版权原因，仅展示原文概要，查看原文内容请购买。

基于遗传算法和BP网络的航空发动机拆换期望值预测
宋金光;许春生
【期刊名称】《航空动力学报》
【年(卷),期】2003(18)5
【摘要】通过使用真实样本实验的方法,在BP神经网络、GA遗传算法与改进的GA-BP复合算法中,找出能迅速精确地预测航空发动机拆换期望值的最佳方法。

试验结果证明,GA-BP复合算法在用遗传算法对神经网络的权值进行大致搜索以后,再用神经网络方法进行训练,能很好地模拟发动机拆换期望值,并用实例证明该算法是有效的。

【总页数】5页(P676-680)
【关键词】遗传算法;BP网络;航空发动机;拆换期望值;权值
【作者】宋金光;许春生
【作者单位】中国民用航空学院
【正文语种】中文
【中图分类】V263.5
【相关文献】
1.基于遗传算法的人工神经网络在航空发动机磨损预测中的应用 [J], 姜旭峰;费逸伟;王惠;钟新辉
2.基于ABC-BP神经网络的航空发动机滑油金属含量预测 [J], 苏泽盛;王星州
3.基于遗传算法优化BP神经网络的烧结能耗预测 [J], 李海英;李富鹏;李闯;尹贻民
4.基于遗传算法优化BP神经网络的深基坑地连墙变形预测 [J], 许凯文
5.基于改进遗传算法优化BP神经网络的土壤湿度预测模型 [J], 王佳楠;王玉莹;何淑林;时龙闽;张艳滴;孙海洋;刘勇
因版权原因，仅展示原文概要，查看原文内容请购买。