结果表明,运用RBF神经网络模型和遗传算法对注塑成型质量进行控制与预测,生产出检测仪外壳最大翘曲变形量为0. 394 mm,外观无缩痕。
为了获得更准确的预测结果及更优良的预测性能,将遗传退火算法与小波神经网络相结合,设计了一种基于遗传退火优化的小波神经网络预测模型。利用MATLAB开发出界面友好、使用方便的图形用户界面,通过点击此处实例仿真进行了验证。
考虑悬架子系统在汽车底盘中的重要作用,基于遗传算法设计了半主动悬架系统与车道保持辅助系统的集成优化控制算法。针对半主动悬架系统作动器发生不同程度的故障对集成控制系统性能的影响,进一步提出了集成容错控制策略。当悬架作动器发生增益故障时,采用基于故障补偿的容错控制算法,而当悬架作动器临床试验完全失效时,通过切换优化控制目标函数,提升汽车的总体性能。仿真结果表明 与未集成控制相比,设计的集成优化控制算法可明显改善汽车的乘坐舒适性及稳定性;悬架作动器发生不同程度的分级故障时,提出的集成容错控制策略可显著降低故障对汽车使用性能的影响,提升了汽车的可靠性及行车安全性。
为了实现船舶交通流量的精确预GKT137831DMSO溶解度测,对某大桥在2010年始～2016年终之间通过的船舶数量进行实测,并将实测数据作为时间序列,对其进行NP单根检验,得到的该时间序列具有非平稳性,进而建立EEMD-IAGA-BP神经网络预测模型,将实测船舶交通流量分解,得到多个平稳的分解信号,采用EEMD模型对其进行优化计算,研究结果表明 EEMD-IAGA-BP神经网络预测模型精度高于传统IAGA-BP模型,能够较为精确的预测船舶交通流量。