基于遗传算法和神经网络算法的吊车结构优化设计与实现

论文综合利用BP神经网络、遗传算法有限元法以及正交试验法对吊车结构系统进行优化研究。利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型。首先对吊车起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

基于神经网络和遗传算法的集装箱龙门起重机结构系统优化研究

论文综合利用有限元方法、正交试验法、人工神经网络以及遗传算法对龙门起重机结构系统进行优化研究。首先利用有限元模型对结构进行灵敏度分析,确定对结构系统特性敏感的设计变量作为神经网络的输入变量。然后利用正交试验法确定神经网络训练样本,并利用有限元模型计算出样本数据,建立人工神经网络模型。最后利用遗传算法对所建立的神经网络模型寻优。     

基于遗传算法和神经网络的塔机结构动态优化设计

利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型,用于振动系统的快速重分析。首先对塔式起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。     

BP-GA算法对斗轮堆取料机回转平台的结构优化

提出了一种基于BP神经网络和遗传算法(GA)的多工况离散变量结构优化设计方法,并对某斗轮堆取料机回转平台进行优化设计。该方法将多工况问题处理为多约束问题,利用正交试验法选择神经网络训练样本点,通过参数化有限元模型计算出各工况下的样本数据,建立起基于BP神经网络的回转平台数学模型,为遗传算法提供适应度函数,最后运用遗传算法完成寻优计算。结果表明,回转平台自重减轻13.8%,取得了满意的优化效果。     

三辊行星轧制工艺参数优化技术研究

三辊行星轧制是铜合金管材加工的主要工序之一,对其工艺参数进行优化具有重要意义．采用将正交试验设计试验方案、BP神经网络建立映射关系和遗传算法寻优相结合的优化技术,可以获得三辊行星轧制最佳工艺参数组合．这种技术既利用了正交试验的多因素试验特性,神经网络的自学习、自适应非线性映射与预测功能,又利用了遗传算法的自然选择和进化的全局寻优特性,可以为实际生产提供可靠的参数依据．     

机床横梁结构神经网络与算法优化研究

通过正交试验法确定网络训练样本,在MATLAB中利用神经网络对有限元分析得出的样本数据建立了激光切割机横梁结构设计参数与各输出参数的非线性全局映射,利用模糊解法得到多目标优化模型的目标函数,并通过遗传算法对激光切割机横梁进行结构优化。仿真结果表明,采用基于神经网络和遗传算法,并与模糊解法相结合的多目标优化技术,可实现激光切割机横梁结构设计的优化,使得横梁的质量和刚度得到改善。     

基于遗传算法和BP神经网络的裙座锻造结构优化设计

裙座锻造结构几何参数是影响其力学性能指标的重要因素,它们之间的关系既无先验公式表征,又为非线性,一般采用分析设计方法,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构特性的人工神经网络模型。最后用遗传算法对所建立的神经网络模型寻优,得到较好的结果。     

基于神经网络和遗传算法的高速铣削工艺参数优化的研究

基于高速铣削正交试验,利用神经网络高度的非线性映射能力和遗传算法的全局寻优能力,建立了铣削力、铣削温度和表面粗糙度的BP神经网络仿真模型,在对它们进行优化的基础上获得几个主要因素的最优搭配。     

类椭圆吊臂结构优化设计与研究

吊臂轻量化是进行吊臂结构优化设计的主要目标,但吊臂优化设计存在非线性程度高的特点,传统的优化方法很难得到全局最优解。首先建立了类椭圆吊臂有限元分析的参数化仿真模型,采用正交试验法建立样本数据,完成对BP神经网络的训练,建立了设计参数与目标向量之间的非线性映射关系。最后以吊臂重量最轻为优化目标,利用遗传算法寻优。优化结果表明,吊臂自重显著降低。该方法为以后复杂结构的轻量化设计提供了一种新的思路。     

行李箱内板拉深压边力曲线的优化

对新型高强度相变诱发塑性钢TRIP600钢板拉深成形的行李箱内板进行研究,将获得的变压边力成形窗口分为若干段,通过数值模拟的方法得到行李箱内板成形质量与各段压边力之间的正交试验数据,经极差分析确定正交试验优化方案;以正交试验数据为训练样本,通过BP神经网络建立成形质量与各段压边力之间的非线性映射关系,并以此关系作为多目标遗传算法的适应度函数进行遗传算法优化,获得一组Pareto最优解集,实现了对行李箱内板成形窗口内压边力曲线的优化。优化结果表明,相比于正交试验优选方案,采用遗传算法和神经网络相结合的方法得到的优化方案成形零件时,能较大程度地提高行李箱内板的成形质量。     

基于BP神经网络的磨床主轴系统动态优化方法研究

提出了采用多水平正交表选取ＢＰ神经网络训练样本的方法,在保证足够建模精度的条件下,采用此法大大减少了神经网络的建工作量,因而有很大的实用价值。基于此法建立了磨床主轴系统的ＢＰ神经网络模型并进行了结构修正与优化计算,利用ＢＰ神经网络模型进行大型复杂结构的分析优化具有简便、高效的优点。     

基于BP神经网络的二维精密扫描台控制技术及试验研究

扫描控制系统是纳米测量系统的重要组成部分,其性能影响整个系统的测量精度。本文介绍了二维精密扫描台的设计——柔性铰链与压电控制结合的方式,综述了BP神经网络的概念,并通过BP神经网络建模,设计了扫描台的控制方法,最后介绍了试验设备,并通过试验测试得到了最佳控制参数,验证得到建模控制方案与实际位移相吻合。     

基于 ELM 算法的柔性 FBG 形状重构末端分析

为了提高光纤光栅(FBG)柔性结构采用正交曲率三维重构方法的末端精度,通过神经网络将重构后的曲率末端坐标与实际空间坐标建立映射关系。首先利用COMSOL仿真软件对聚氨酯胶棒建立模型,将两根光纤光栅串共8支光栅正交排布,采用递推角算法建立动态坐标系进行三维重构。对重构的末端点坐标利用误差逆传播(BP)神经网络算法与极限学习机(ELM)神经网络算法进行训练检测,结果表明,BP神经网络和ELM神经网络训练平均误差分别为0.443 6和0.008 2。最后搭建实验平台,对聚氨酯胶棒在受力情况下进行形状重构,并代入ELM模型中进行训练,训练结果相关系数R²=0.985 8,均方根误差(RMSE)为1.363 0,相较于BP神经网络方法有效提高了形状重构的末端坐标精度。     

基于BP神经网络的SU-8光刻胶工艺参数优选研究

SU-8是一种性能优异的厚胶,广泛应用于高深宽比的MEMS微结构中。本文首先用正交试验研究了前烘时间、曝光剂量、后烘时间以及显影时间对SU-8光刻胶图形尺寸精度的影响,得到了优化的工艺组合。在此基础上,运用BP神经网络对试验数据进行分析处理,预测了较正交试验分析结果更为优化的工艺组合,并用试验验证了其正确性。结果表明,经正交试验数据训练过的BP神经网络,很好地映射了工艺参数与优化指标之间的复杂非线性关系,此时应用BP神经网络对工艺参数进行优选研究能够得到更全面、准确的结果。     

基于BP神经网络的铣削力仿真技术研究

应用人工神经网络技术建立了铣削力仿真的BP网络模型。通过正交试验,获取训练样本,并对网络进行了训练。最后将网络预测结果与实验数据进行比较和误差分析,证明了人工神经网络能够准确地预测铣削力的大小。     

机械优化设计中BP神经网络的应用研究

从BP网络的工作原理出发，利用多水平正交表选取BP神经网络训练样本，通过正向传播和误差反向传播建立BP网络的拓扑结构。对二级减速器BP网络模型进行了结构修正与优化计算。实验表明在机械优化设计领域针对实体结构的动态分析计算，采用BP神经网络可以提高了优化收敛速度和精度，这表明神经网络理论与传统的数值方法相结合的方法具有重要的现实意义。     

基于神经网络的多点柔性夹具横梁结构优化

研究了神经网络在多点柔性夹具横梁结构优化中的应用。横梁结构与最大变形量间为复杂的非线性关系或隐函数关系,且单一的有限元分析工作复杂,计算耗时大。在有限元与数学规划法基础上利用人工神经网络进行横梁结构分析,并通过测试比较从BP、Elman和RBF神经网络中选取性能较好的神经网络,实现了横梁质量的最优化,节省了计算时间。