三级倒立摆的GA-PIDNN系统辨识

针对典型的不稳定、多变量、非线性、强耦合的三级倒立摆系统,建立了基于GA优化的PID神经网络(GA-PIDNN)辨识结构,完成了GA与BP两种算法的简单对比,并给出了MATLAB仿真结果.结果表明,GA-PIDNN对于非线性三级倒立摆的辨识是有效的,且GA优于BP算法.     

基于遗传算法的模糊神经网络控制器的仿真

对遗传算法(GA)和模糊神经网络控制器的结构进行了说明.为了克服反向传播算法(BP)的缺点,通过遗传算法对模糊神经网络控制器的参数进行优化,亦即对模糊神经网络进行训练.用通过优化后的模糊神经网络控制器控制一个带有纯滞后的非线性对象,仿真结果证实了其性能较常规模糊控制器优越.     

基于GABP神经网络的液压互联悬架建模研究

液压互联悬架(hydraulically interconnected suspension,HIS)是一种非线性系统,运用机理分析法建模存在建模精度和速度不可兼得的缺点。为解决上述矛盾,文章提出了一种基于遗传算法(genetic algorithm,GA)优化的反向传播(back propagation,BP)神经网络对HIS系统进行建模的方法。首先,通过Simulink建立的液压互联悬架模型仿真获取网络的训练数据。其次,使用遗传算法优化BP神经网络的初始权值和阈值;然后,两种建模方法对比验证GABP建模方法优点;最后,通过液压互联悬架台架实验获取实验数据,与神经网络训练结果进行比较分析。结果表明：在垂向模态下,低、中、高3种频率下相对误差百分数分别为4.12%、2.27%、1.51%;在侧倾模态下,低、中、高3种频率下相对误差百分数分别为7.64%、4.07%、4.35%。与机理建模法相比,GABP建模方法兼具较好的建模精度和速度。     

基于GA-IBP神经网络的故障诊断方法

针对BP(Back Propagation)神经网络在进行故障诊断时准确度低、收敛速度慢等问题,设计了一种基于误差指针改进的BP(Improved Back Propagation,IBP)神经网络,并通过遗传算法(Genetic Algorithm,GA)对这种改进后的神经网络进行优化,从而建立了基于GA-IBP神经网络的故障诊断模型.使用典型三相逆变电路中IGBT开路故障数据作为样本,对所设计的模型进行了仿真分析.结果表明:改进后的网络模型收敛速度优于典型BP神经网络和基于GA算法优化的典型BP神经网络,故障诊断精度分别提高15%和4.5%.     

基于正交试验和BPNN-GA混合算法的注塑工艺参数优化

通过优化工艺参数,提高注塑件的成型质量.以汽车后视镜为例,建立注塑件的计算机辅助工程模型.运用正交试验设计方法与注塑工艺数值模拟相结合,通过对仿真结果方差分析,综合评估了注塑过程中的模具温度、熔体温度、注射时间、保压压力和保压时间等对注塑成型关键质量特性翘曲的影响规律.利用仿真实验数据训练BP神经网络模型(BPNN),结合遗传算法(GA)以翘曲最小为约束条件优化注塑工艺参数.     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

基于GA优化BP神经网络辨识的Volterra级数核估计算法

为取得更有效的船舶运动预报效果,提出了一种利用遗传算法(GA)优化单输出三层反向传播(BP)神经网络辨识Volterra级数核的算法.在船舶航行姿态时间序列的混沌特性识别基础上,分析了GA、BP神经网络和Volterra级数模型的特征.利用GA优化BP神经网络获得最优的初始权值和阈值,根据BP神经网络算法求得最终的最优权值和阈值.进行Taylor级数分解,得到Volterra级数各阶核,对船舶的横摇运动时间序列进行多步预报.仿真实验表明:所提方法预报精度高、时间长,具有有效性和适应性.     

基于蚁群算法的振动筛参数优化设计

目的 为研究振动筛的筛分参数对振动筛筛分效率的影响以及筛分颗粒在筛分过程中的运动规律,对振动筛进行参数优化设计。方法 首先建立振动筛的三维模型,使用离散元分析软件EDEM对振动筛的筛分过程进行模拟仿真并使用正交试验法设计了多组振动筛筛分试验,通过离散单元法分析了振动筛的振幅、振动频率和振动方向角三个运动学参数对筛分效率的影响。对正交试验结果进行多元非线性拟合,在拟合函数的基础上使用蚁群算法寻找最佳筛分效率对应的振动参数值。结果 振动频率增大会导致颗粒在筛箱中跳动次数过大,颗粒一直处于跳起状态,颗粒通过筛孔的概率降低,使筛分效率下降。振频对筛分效率的影响与振幅相似,随着振频的增大,筛面抖动加剧,对颗粒的作用力增大,颗粒在空中的时间增加,导致颗粒进入筛孔的机率减小,筛分效率下降。振动方向角增大时,筛分效率呈先增后减趋势,方向角过小时,颗粒朝几乎平行于筛网的方向弹出,与筛网总接触时间减小,透过筛孔的砂粒减小,方向角过大时,颗粒垂直于筛面弹出,筛分速度变慢,颗粒容易在筛面上堆积,可透过筛孔的颗粒在筛分过程中与筛面接触的机会减小,最终透过筛孔的颗粒减少,筛分效率下降。结论 当振幅为2 mm,振频...     

五轴义齿加工中心整机模态分析与优化

文章为提高自主设计制造的五轴义齿加工中心的动态性能建立了可信的仿真模型,对该仿真模型和样机分别采用有限元模态分析、模态试验等方法进行研究。对义齿加工中心整机进行了有限元建模与仿真分析,获得了整机模态频率、振型等模态参数;采用多参考点最小二乘复频域法PolyMAX对义齿加工中心进行了整机结构模态试验,获得了相应的整机试验模态参数;通过对仿真数据和试验数据的对比分析,验证了分析模型的正确性;综合考虑模态分析结果和实际工作状况,初步识别出整机结构的薄弱环节,并提出相应的优化方案。实验结果表明,仿真模型与实验结果固有频率误差在11.5%以内,各阶模态之间的MAC值基本在10%以内,优化后关键模态固有频率由343Hz变为445Hz。结构优化使整机固有频率有效避开了设备加工频率,达到了改善其动态性能的目的。     

爆破振动特征参量的BP小波预测

以福建泉州南惠高速公路NH5标段路基爆破开挖工程为实例,运用人工神经网络原理,以孔径、孔深、孔距、排距、最大单孔药量、单段最大药量、总药量和爆源距离作为影响爆破振动的主要因素,建立BP小波神经网络模型.对质点的水平径向、水平切向、垂直方向等3个方向分别预测其爆破振动速度峰值及频率,并将预测结果与BP神经网络、支持向量机的预测结果进行对比.实验结果表明:BP小波神经网络的爆破振动速度峰值-频率模型预测收敛快、精度高,优于标准BP网络和支持向量机模型,其结果更加符合国家标准GB 6722-2003《爆破安全规程》的评价要求.     

基于GA-BP算法的模糊神经网络控制器研究

提出了一种基于GA-BP算法的模糊神经网络控制器,将GA的离线全局寻优及BP实时学习相结合,克服了单独应用GA算法或BP算法调节模糊神经网络控制器参数存在的缺陷。仿真结果表明经GA-BP算法优化的控制器性能优于传统算法调节的控制器。     

基于Matlab的GA-BPNN遥感图像分类

在高原山地等地类复杂地区,传统遥感分类方法和标准BP神经网络分类方法存在一定的局限性,提出了基于Matlab的遗传算法优化的BP人工神经网络遥感图像分类方法。以Matlab神经网络和遗传算法工具箱为平台,在对数据源进行主成分分析特征选择的基础上,用量化共轭梯度法改进标准BP算法,采用GA优化BP网络的隐层神经元数目和初始权重,并以香格里拉县ETM+遥感图像为例,在DEM地形数据辅助下,训练网络使其收敛,仿真输出。结果表明,该方法分类总精度为84.52%,Kappa系数为0.8317,比最大似然法分类精度提高了9.08个百分点,验证了GA优化的BP网络遥感图像分类的可行性和有效性。     

基于流固耦合的液压振动桩锤管系减振研究

基于振动桩锤液压管路的流固耦合计算模型,结合面向地基土的负载特性分析方法,并考虑油泵流量脉动因素的影响,采用ANSYS与CFX进行有限元联合仿真,研究沉桩过程中液压管路振动特性的变化规律,确定其发生强烈振动的原因。同时,通过卡箍的动力学优化设计,对液压管路的振动进行控制。研究结果表明:卡箍的固定位置、数量等设计参数是影响液压管路振动特性的重要因素,当增设1处卡箍时其一阶自振频率最大提高22.4 Hz,增设2处时最大提高56.6Hz,最终得到能有效避免管系共振发生的优化设计方案,仿真及试验结果验证了该新方法是可行的,其研究成果可为复杂输流管路的铺设安装与振动控制提供参考。     

基于参数优化的光伏电池故障诊断

提出一种基于参数优化的光伏电池故障诊断方法.采用优化的人工蜂群算法对影响光伏电池I-V曲线的参数进行辨识,获取不同故障类型光伏电池特征参数数据集,建立概率神经网络故障诊断模型对光伏电池故障类型进行诊断.仿真结果表明,优化的人工蜂群算法能够对光伏电池特征参数进行快速、准确的辨识,故障诊断结果与故障特征一致,验证了基于参数优化光伏电池故障诊断方法的有效性.     

基于GABP算法的油墨配色研究

为了提高印刷油墨配色精度,本文提出了使用遗传算法(GA)优化的BP神经网络模型GABP。首先采集了颜色样本的光谱数据和CMYK四色网点面积率分别作为输入值和输出值,然后通过遗传算法优化了BP神经网络的结构和参数,并进行了训练,最后将模型的预测精度做对比分析,使用未经遗传算法优化的BP神经网络模型的平均误差为8.6%,使用GABP模型的平均误差为4.5%。结果表明,经遗传算法(GA)优化的油墨配色模型预测精度有了大幅度提高,对印刷企业油墨配色有很好的应用价值。     

基于遗传算法的BP神经网络气液两相流持液率预测模型优化

基于遗传算法(Genetic Algorithm,GA)对BP(Back Propagation)神经网络模型的初始阈值及权值进行优化,弥补了单一BP网络模型预测气液两相流持液率时收敛速度慢随机性大等问题。为了对优化后的BP网络模型进行可行性验证,以倾斜管道为研究对象,对倾斜管道内气液两相流的持液率进行预测,并与前人获得的预测结果进行对比。结果显示:基于GA优化后的BP神经网络模型预测倾斜管道内气液两相流的持液率精度较高,且收敛速度较快。通过与倾斜管道气液两相流持液率的实际值对比得出,与传统的持液率预测公式相比,优化后的BP神经网络模型预测结果与实际值偏差较小,验证了本文优化模型的准确性及可行性。     

碰撞振动系统混沌运动的脊波神经网络控制

针对一类含间隙碰撞振动系统混沌运动的控制问题,提出一种基于脊波神经网络的混沌运动智能优化控制方法.该方法基于脊波神经网络设计混沌控制器,同时采用动态多子群引力搜索算法优化脊波神经网络模型的参数.在碰撞振动系统进入混沌运动状态后,利用经优化的脊波神经网络混沌控制器输出微幅调整量施加于系统的可控参数,对混沌系统进行参数反馈控制,使系统产生规则的周期运动.该方法不依赖被控系统的精确数学模型,可适用于系统模型未知而仅获得系统I/O数据的情况.仿真结果验证了该控制方法的可行性和有效性.     

双频振动筛分原理

为了提高筛分效率和生产率,提出了双频振动筛分方案,建立了双频振动筛分的力学模型,对筛分过程进行了仿真计算,分析了筛面上各点的运动轨迹,研制了试验样机,进行了参数匹配的试验,并与单频振动时进行了对比试验。理论分析和试验表明:双频振动的主要参数是频率比、振幅比和双频间的相位角;较佳的参数组合是:低频频率为32 Hz,频率比为1∶3,低频振幅为2.5mm,振幅比为3∶1,初始相位差为90°。     

短周期地震计回转摆敏感元件优化设计与仿真

为拓展地震计有效频带范围,对回转摆进行理论分析,得出回转摆频率特性与敏感元件簧片尺寸计算公式。采用ANSYS仿真软件建立回转摆有限元仿真模型,对敏感元件进行模态和静态分析,并对敏感元件簧片尺寸进行优化设计。采用游击力锤激励法对优化前后的回转摆进行振动模态实验,测试结果表明回转摆模态频率误差在1. 01%以内,验证了优化回转摆仿真模型的合理性。采用正弦标定法测量优化前后地震计的频率特性,实验结果表明:相比于传统敏感元件地震计,优化后回转摆一阶与二阶固有频率差提高了22. 48%,地震计频带范围拓展了21. 42%,为地震计扩展频带范围提供了理论依据。     

摆式悬吊调谐质量阻尼器基于慢变参数法的非线性优化研究

大幅响应下,摆式悬吊调谐质量阻尼器(PTMD)表现出非线性,以往研究PTMD时,将摆角等效线性化高估了其振动控制性能。文章运用拉格朗日方程推导了非线性模型的运动方程,采用Krylov-Bogoliubov慢变参数法推导了考虑摆角高次非线性的频响函数,并对比不同激励幅值下非线性模型与等效线性模型的结构响应,对PTMD非线性模型基于H₂准则进行了参数优化,得到了不同激励幅值下PTMD的最优设计参数,最后采用最优设计参数对某超高层结构模型进行时程分析验证。结果表明,激励幅值越大,非线性对结构响应的影响越大,等效线性模型越失真;在大幅值激励下,与线性模型优化的结果相比,考虑非线性进行参数优化后PTMD的减震率可以提高约10%。因此,考虑非线性优化设计可以有效提高PTMD振动控制性能。