下载文档原格式
基于自适应遗传算法FIR数字滤波器优化设计作者：黄猛唐琳甄玉张杰来源：《现代电子技术》2010年第02期摘要:FIR数字滤波器优化设计的目标是对滤波器理想性能的逼近。
遗传算法是一种模仿生物进化过程的全局优化概率搜索算法,它提出了一种求解复杂系统优化问题的通用框架,且不依赖于问题的领域和种类,在此将自适应的遗传算法应用于FIR数字滤波器的优化设计,通过评价种群的“早熟度”来自适应调整交叉率和变异率,提高了遗传算法的搜索效率。
计算机仿真结果证明,该算法能够获得满意的滤波器性能。
关键词:FIR滤波器;优化设计;自适应遗传算法;早熟度中图分类号:TP274文献标识码:B文章编号:1004-373X(2010)02-143-04Optimized FIR Filter Design Based on Self_adaptive Genetic AlgorithmHUANG Meng,TANG Lin,ZHEN Yu,ZHANG Jie(91635 Army,Beijing,102249,China)Abstract:The goal of optimized FIR filter design is approaching to the ideal performance of IIR filter.Genetic algorithm is an optimal probability search algorithm,imitating the process of biology evolution,which has proposed an universal method to solve optimized problems of complex system,independent of domain and kind of problems.The proposed algorithm applying self_adaptive genetic algorithm to optimized IIR filter design,and adjusting cross probability and mute probability self_adaptively by evaluating premature convergence degree to improve search efficiency of genetic algorithm.The simulation results demonstrate that the proposed algorithm can achieve satisfying capability of filter.Keywords:FIR filter;optimized design;self_adaptive genetic algorithm;premature convergence degree在现代信号处理和电子应用技术领域,FIR数字滤波器因具有稳定性和线性相位两大优点而得到了广泛的应用。
基于遗传算法的优化设计在机械工程中的应用在现代机械工程领域，为了提高产品的性能和效率，优化设计已经成为一项关键的技术。
而基于遗传算法的优化设计正是其中一种重要的方法。
本文将介绍遗传算法的原理与特点，并从实际应用案例出发，探讨其在机械工程中的实际应用。
一、遗传算法原理与特点遗传算法是一种模拟自然进化过程的优化算法。
它模拟了生物进化中的遗传、变异和选择等过程，通过不断的迭代求解最佳解。
遗传算法的求解过程主要包括编码、适应度评价、选择、交叉和变异等步骤。
在遗传算法中，个体的编码通常使用二进制编码或实数编码。
通过适应度评价，我们可以将个体的优劣转化为数值，以便进行选择操作。
选择操作中，根据适应度的大小，优秀的个体被选中用于进化。
而交叉和变异操作则可以使得新一代的个体具有更好的性状和优势基因。
通过多代的迭代，遗传算法可以逐渐寻找到优化目标的最佳解。
遗传算法具有以下特点：首先，遗传算法适用于多目标优化问题，例如同时考虑产品性能和成本的设计问题。
其次，遗传算法具有全局搜索能力，不容易陷入局部最优解。
再次，遗传算法的自适应性能较好，可以根据问题的复杂度和实际需求进行调节。
最后，遗传算法的并行性较强，可以利用计算机并行计算的优势加速求解过程。
二、遗传算法在机械工程中的应用1. 产品结构优化设计在机械工程中，产品结构的优化设计是一项重要任务。
通过遗传算法，我们可以将产品结构的各个参数进行编码，并通过不断的进化，找到最优的设计方案。
例如，在飞机设计中，通过遗传算法可以优化机翼的形状和结构，提高飞行性能和燃油效率。
2. 工艺参数优化机械工程中的工艺参数优化也是一个复杂且具有挑战性的问题。
例如，在喷涂工艺设计中，优化涂层材料的组成和喷涂参数可以提高涂层的附着力和耐磨性。
通过遗传算法，可以找到最佳的工艺参数组合，从而提高工艺的效率和质量。
3. 机构设计优化机构设计是机械工程中的一个重要环节。
通过优化机构的参数和结构，可以提高机构的运动精度和效率。
基于自适应遗传算法的PID调速系统参数优化
万星;李伟;乐丰
【期刊名称】《水力发电》
【年(卷),期】2009(035)003
【摘要】针对遗传算法(SGA)存在求解精度与收敛速度间的矛盾,提出了一种自适应对称调和遗传算法(IASHGA),并将该算法应用于水轮发电机组PID调速系统参数的优化设计,以系统的上升时间和超调屠指标作为改进遗传算法的适应度甬数.以四川某水电站的真实数据对经过优化后的遗传算法PID控制规律进行计算机仿真,仿真结果表明,改进的算法与常规遗传算法(SGA)和粒子群优化算法(PSO)相比较,不但提高了全局的搜寻能力,而且有效避免了早熟收敛问题,为水轮机调速器PID参数优化研究提供了新途径.
【总页数】4页(P61-64)
【作者】万星;李伟;乐丰
【作者单位】重庆交通大学,重庆,400074;重庆交通大学,重庆,400074;重庆交通大学,重庆,400074
【正文语种】中文
【中图分类】TM919
【相关文献】
1.基于自适应遗传算法的感应电动机调速系统PID控制器参数优化 [J], 赵金;张华军
2.基于遗传算法的永磁同步电机调速系统PID参数优化 [J], 焦竹青;屈百达;徐保国
3.基于遗传算法的异步电机调速系统PID参数优化 [J], 段小丽;任一峰;赵敏
4.基于自适应遗传算法的控制器PID参数优化研究 [J], 崔艳超;陈虎
5.基于自适应遗传算法的改进PID参数优化 [J], 刘明;王瑞
因版权原因，仅展示原文概要，查看原文内容请购买。
