发夹变异操作RNA遗传算法的桥式吊车建模方法

摘要

本发明公开了一种发夹变异操作RNA遗传算法的桥式吊车建模方法，属智能建模领域。桥式吊车是一高度非线性的复杂系统，为实现有效控制的目的，建立高精度的桥式吊车系统模型是至关重要的基础。本发明针对桥式吊车建模精度问题，提出基于RBF神经网络的位置和角度的桥式吊车非线性回归模型。受发夹结构启发，抽象出发夹变异操作RNA遗传算法，运行发夹变异操作RNA遗传算法对桥式吊车RBF神经网络的径向基函数中心进行寻优，获得桥式吊车的神经网络模型。本发明的建模方法，具有建模精度高的特点，也适用于其它复杂非线性系统的建模。

主权项

发夹变异操作RNA遗传算法的桥式吊车建模方法，其特征在于包括如下步骤：步骤1:通过现场测试或实验获得二维桥式吊车系统水平方向控制输入和输出采样数据，其中输入采样数据为控制力f_x，输出采样数据为水平方向上位置x和摆角θ_x；步骤2:建立桥式吊车2个RBF神经网络非线性回归模型，分别为位置RBF神经网络模型和摆角RBF神经网络模型，两个模型均采用3层结构；设定位置RBF神经网络模型输入变量个数为Pnum，输入向量为[x(t‑1),x(t‑2),...,x(t‑n₁),f_x(t),f_x(t‑1),...,f_x(t‑m₁)]，其中n₁和m₁为整数，且n₁+m₁＝Pnum，输出变量个数为Pout＝1，输出变量为x(t)，t为采样时刻，f_x(t)为t时刻的控制力采样数据，隐层结点数为Ph，径向基函数为高斯函数；设定摆角RBF神经网络模型输入变量个数为Cnum，输入向量为[θ_x(t‑1),θ_x(t‑2),...,θ_x(t‑n₂),f_x(t),f_x(t‑1),...,f_x(t‑m₂)]其中n₂和m₂为整数，且n₂+m₂＝Cnum，输出变量个数为Cout＝1，输出变量为θ_x(t)，隐层结点数为Ch，径向基函数为高斯函数；步骤3:数据归一化，将步骤1采样到的全部数据映射到‑1到1之间；步骤4:将归一化后的数据输入到步骤2建立的位置RBF神经网络模型和摆角RBF神经网络模型中，其中的一部分数据作为训练样本,一部分作为测试样本；步骤5:设置位置RBF神经网络模型和摆角RBF神经网络模型中待寻优的参数；步骤6:根据单链RNA分子中由分子内的碱基配对形成包括发夹结构、凸起结构、内环结构在内的多种环状结构的机制，抽象出发夹变异算子和发夹变异操作RNA遗传算法；步骤7:将不同时刻位置RBF神经网络模型的输出值与步骤1中实际位置的输出采样数据间的误差绝对值之和，作为发夹变异操作RNA遗传算法寻优搜索的目标函数，获得位置RBF神经网络模型寻优参数值；按相同方法获得摆角RBF神经网络模型寻优参数值；步骤8:以步骤7获得的寻优参数值确定位置RBF神经网络模型和摆角RBF神经网络模型，对测试样本进行测试。