基于代理模型的螺旋输送器特征值反求

螺旋输送器的动态特性设计可归结于特征值反问题的求解.针对结构参数到结构响应之间的非线性映射关系,通过一种基于神经网络代理模型的优化策略,采用正交试验设计在设计空间中选择初始样本点,构造神经网络代理模型,神经网络结合遗传算法求解,利用神经网络的非线性拟合能力和遗传算法的非线性寻优能力,引入训练后的BP神经网络预测结果作为个体适应度值,获得全局最优值及对应输入值.解决了遗传算法能获全局最优解与有限元大量结构重分析之间的矛盾,是结构反问题的一种有效求解策略.     

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。     

神经网络与遗传算法在拉延筋参数反求中的应用

以某车型前地板角支撑板的拉延工序为例,讨论BP神经网络技术与遗传算法在拉延筋几何参数反求中的综合应用问题,建立能描述反映成形效果的三个参数与半圆形拉延筋几何参数之间非线性映射关系的神经网络模型,并运用遗传算法对神经网络结构进行了优化。提出逐次局部密化样本点的样本点设计方法。该方法有助于加快神经网络的设计进程,提高神经网络的模拟精度。当训练样本数据可通过有限元法自动获得时,使用该方案则更为便利。     

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BP神经网络的花盘结构优化设计

综合利用有限元法、正交试验法、BP神经网络以及遗传算法对大重型数控转台的花盘结构系统进行优化研究。首先对花盘结构系统进行谐响应动力学分析,找出对结构动态特性影响最大的模态频率,并确定BP神经网络的输入变量,然后利用正交试验法和有限元分析法确定出BP神经网络样本点数据,建立反映花盘结构特性的BP神经网络模型,最后利用遗传算法对建立的BP神经网络优化。仿真结果表明,花盘第一阶固有频率提高15.5%,其自重降低9.8%。     

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。     

神经网络与正交试验设计在板料成形毛坯形状预测中的综合应用

以带法兰的低方形盒的毛坯形状预测为例，讨论了BP神经网络和正交试验法在毛坯形状预测的综合应用问题，建立了能描述6个工艺参数与毛坯形状之间非线性映射关系的神经网络模型。将正交试验法用于神经网络训练样本的设计和BP网络结构参数的确定，可大大减少训练样本和网络结构参数的试算次数，缩短神经网络的设计周期。     

斜齿圆柱齿轮承载能力设计缺陷的辨识与优化修正

斜齿圆柱齿轮承载能力的设计过程中,涉及到大量的非线性约束条件分析计算,传统的优化方法很难得到全局最优解。利用BP神经网络非线性映射能力,建立了斜齿圆柱齿轮设计参数与承载能力之间的全局映射关系,利用训练后的BP神经网络模型对斜齿圆柱齿轮承载能力设计缺陷进行辨识。采用遗传算法对斜齿圆柱齿轮承载能力设计缺陷进行优化修正,利用BP神经网络得到的斜齿圆柱齿轮结构特性响应构造了遗传算法罚函数,提高了遗传迭代过程中的约束计算效率,优化结果表明该方法能够有效提高斜齿圆柱齿轮设计缺陷优化修正效率。     

基于神经网络和遗传算法的液压机上梁轻量化和刚度优化设计

提高刚度和轻量化是液压机设计中重点研究的内容。针对传统设计方法难以解决上梁刚度和轻量化之间的矛盾问题,提出了基于神经网络和遗传算法的液压机上梁轻量化和刚度优化设计方法。在液压机设计过程中,建立了上梁有限元分析的参数化模型。采用正交试验设计安排试验方案,获取试验数据。以试验数据为训练和检测样本,建立了设计参数与刚度和质量目标之间的非线性映射关系的神经网络模型。运用NSGA-Ⅱ遗传进化算法对神经网络模型进行优化,在指定参数区域内找出设计参数的Pareto最优解集。结果表明:该方法对于液压机上梁的多目标优化具有明显的效果。     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。     

大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

基于改进BP神经网络的机床基础部件可再制造性评价模型

为了利用样本数据准确完成机床基础部件可再制造性评价,提高机床基础部件可再制造性评价预测精度,提出一种采用模拟退火遗传算法优化BP神经网络的机床基础部件可再制造性评价模型。该评价模型以机床基础部件可再制造性经典评价模型评价结果为样本数据,建立机床基础部件可再制造性评价BP神经网络预测模型,采用模拟退火遗传算法优化BP神经网络模型,寻找更优初始网络权值、阈值,以提高收敛速度和避免局部收敛。以一台机床基础部件可再制造性评价为例,验证了基于模拟退火遗传算法优化的BP神经网络评价模型具有更好的预测精度。     

[成形过程的数据挖掘与深度学习方法]基于机器学习的管材弯曲回弹有效预测与补偿

采用基于优化的误差反向传播(BP)神经网络的机器学习算法建模，提出了考虑材料参数、几何参数等多因素的弯管回弹精确预测和高效控制方法。该方法通过引入非线性惯性权重及遗传算法的杂交算子，改进了粒子群优化(PSO)算法，进而通过改进的PSO算法对BP神经网络进行优化，构建了基于改进的PSO-BP神经网络机器学习回弹预测和补偿模型。以多种规格的铝合金数控弯管构件为对象，将实际生产中不同规格、批次、成形参数下回弹数据作为训练样本，实现了所建机器学习预测模型的应用验证。所建模型获得的预测结果平均相对误差为6.3%，与未优化的BP神经网络等传统模型相比，预测精度最大提高了18.5%，计算时间可从1.5 h缩短至300 s，同时实现了回弹预测与补偿精度以及计算效率的显著提高。     

基于BPSA算法价格满意度的评价与优化

为了对烟草行业价格满意度进行优化和评价,提出了客户价格满意度的基本思想,在简要阐述模拟退火神经网络(BPSA)算法的基础上建立客户价格满意度的非线性模型,并通过BPSA算法实现之。然后对某烟草公司价格满意度的相关数据进行了提取、优化、对比和分析,结果证明,BPSA算法局部加快了学习的收敛速度,克服了BP算法的局限性,能够在客户价格满意度中得到最小极值点区间,是一种行之有效的处理方法,在客户价格满意度方面具有一定的应用价值。     

进化小波网络及其在设备状态预测中的应用

结合小波网络和进化计算提出了进化小波网络策略,该策略采用控制级基因和参数级基因分别对网络结构和网络参数进行编码,并将遗传算法与进化规划结合进行进化操作,实现同时对网络结构与网络参数进行进化设计和学习训练。该策略不仅克服了网络训练中的局部极小和不收敛问题,也使网络结构更优,从而提高了网络训练和工作性能。最后分别就函数逼近问题、太阳黑子数预测问题及水轮机组的状态预测问题进行了事例研究,验证了所提出的进化小波网络策略的优越性能和可行性。     

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。     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统.正交试验法用来设计神经网络的训练样本,人工神经网络有效创建翘曲预测模型;遗传算法完成对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出其优化值.按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的.