欢迎来到天天文库
浏览记录
ID:33495309
大小:244.19 KB
页数:6页
时间:2019-02-26
《基于自适应遗传算法的无刷直流电机的优化设计》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库。
1、第!"卷第#$期西安交通大学学报3789!":#$$%%$年#$月&’()*+,’-./0+*&/+’1’*2(*/34)5/16;<=9$%%$!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!文章编号:%$>!?@AB.($%%$)#$?#$#>?%C基于自适应遗传算法的无刷直流电机的优化设计石山,励庆孚,王兴华(西安交通大学电气工程学院,B#%%C@,西安)摘要:对遗传算法特别是自适应遗传算法作了分析,重点研究了交叉算子和变异算子对遗传算法收敛性的影响,提出了一种改进的自适应遗传算子的方法9该方法可在遗传模式
2、得到保证的基础上加快新个体的产生速度,所构造的遗传算子随适应值自动变化,对远离最优值的个体采用较大遗传算子值,对接近最优值的个体采用较小遗传算子值,以提高得到全局最优解的概率9通过测试函数的求解,验证了所构造的自适应算子的有效性和正确性9实算结果表明,在无刷直流电机的优化设计中,改进后的自适应遗传算法可在满足各项性能指标的前提下取得良好的优化效果,得到全局最优解的概率较改进前有明显提高9关键词:自适应遗传算法;无刷直流电机;优化设计中图分类号:1D!>文献标识码:+!"#$%&’()$*$+,)$-&-./01#23"##!$0"4)5100"&)6-)-0/,#"7-&87,()$9":
3、"&")$483%-0$)2*!"#!"$%,’#%()*,+$%(,#%("*$(5=E7787F48<=GHI=J84KLIK<4、7HJH5、7NN7M6、FJ=G7HOH-07#:$-$./#01(1%1/#2$3(45#/"6;7&8964/45;-1:#(%4./#6#;$/#4%遗传算法始于$%世纪B%年代,主要是由美国的&7EK788JKR和他的学生建立并开发出来的,是收稿日期:$%%$?%C?$@9作者简介:石山(#@"!),男,博士生,现为空军工程大学副教授;励庆孚(联系人),男,教授,博士生导师9"%">西安交通大学学报第6>卷一种模仿生物进化过程的最优化方法,具有不需要!"!适应度函数求7、梯度、能得到全局最优解、算法简单、可并行处理适应度函数(#!)是设计中的一项重要指标,其等优点!由于编码技术的通用性和遗传操作的高效量值是评价设计方案优劣的重要判据,有多种选择,实用,使它在机器学习、人工智能、工程优化等诸多如材料成本、效率、转矩和功率等"本文以材料的成领域取得了很好的效果["]!遗传算法的基本思想是本为适应度函数"使用群体搜索技术,把解空间用种群表示,通过对种!""优化设计变量群的选择、交叉和变异等遗传
4、7HJH5、7NN7M6、FJ=G7HOH-07#:$-$./#01(1%1/#2$3(45#/"6;7&8964/45;-1:#(%4./#6#;$/#4%遗传算法始于$%世纪B%年代,主要是由美国的&7EK788JKR和他的学生建立并开发出来的,是收稿日期:$%%$?%C?$@9作者简介:石山(#@"!),男,博士生,现为空军工程大学副教授;励庆孚(联系人),男,教授,博士生导师9"%">西安交通大学学报第6>卷一种模仿生物进化过程的最优化方法,具有不需要!"!适应度函数求7、梯度、能得到全局最优解、算法简单、可并行处理适应度函数(#!)是设计中的一项重要指标,其等优点!由于编码技术的通用性和遗传操作的高效量值是评价设计方案优劣的重要判据,有多种选择,实用,使它在机器学习、人工智能、工程优化等诸多如材料成本、效率、转矩和功率等"本文以材料的成领域取得了很好的效果["]!遗传算法的基本思想是本为适应度函数"使用群体搜索技术,把解空间用种群表示,通过对种!""优化设计变量群的选择、交叉和变异等遗传
5、7NN7M6、FJ=G7HOH-07#:$-$./#01(1%1/#2$3(45#/"6;7&8964/45;-1:#(%4./#6#;$/#4%遗传算法始于$%世纪B%年代,主要是由美国的&7EK788JKR和他的学生建立并开发出来的,是收稿日期:$%%$?%C?$@9作者简介:石山(#@"!),男,博士生,现为空军工程大学副教授;励庆孚(联系人),男,教授,博士生导师9"%">西安交通大学学报第6>卷一种模仿生物进化过程的最优化方法,具有不需要!"!适应度函数求7、梯度、能得到全局最优解、算法简单、可并行处理适应度函数(#!)是设计中的一项重要指标,其等优点!由于编码技术的通用性和遗传操作的高效量值是评价设计方案优劣的重要判据,有多种选择,实用,使它在机器学习、人工智能、工程优化等诸多如材料成本、效率、转矩和功率等"本文以材料的成领域取得了很好的效果["]!遗传算法的基本思想是本为适应度函数"使用群体搜索技术,把解空间用种群表示,通过对种!""优化设计变量群的选择、交叉和变异等遗传
6、FJ=G7HOH-07#:$-$./#01(1%1/#2$3(45#/"6;7&8964/45;-1:#(%4./#6#;$/#4%遗传算法始于$%世纪B%年代,主要是由美国的&7EK788JKR和他的学生建立并开发出来的,是收稿日期:$%%$?%C?$@9作者简介:石山(#@"!),男,博士生,现为空军工程大学副教授;励庆孚(联系人),男,教授,博士生导师9"%">西安交通大学学报第6>卷一种模仿生物进化过程的最优化方法,具有不需要!"!适应度函数求
7、梯度、能得到全局最优解、算法简单、可并行处理适应度函数(#!)是设计中的一项重要指标,其等优点!由于编码技术的通用性和遗传操作的高效量值是评价设计方案优劣的重要判据,有多种选择,实用,使它在机器学习、人工智能、工程优化等诸多如材料成本、效率、转矩和功率等"本文以材料的成领域取得了很好的效果["]!遗传算法的基本思想是本为适应度函数"使用群体搜索技术,把解空间用种群表示,通过对种!""优化设计变量群的选择、交叉和变异等遗传
此文档下载收益归作者所有