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。     

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%。     

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。     

基于遗传算法优化BP神经网络的磨削力预测

为了克服传统BP神经网络的学习速率慢、容易陷入局部极小点等缺点,采用遗传算法对BP神经网络的初值空间进行遗传优化。用遗传算法来优化BP神经网络的权重和阈值,得到最佳的初始权值矩阵,并按误差前向反馈算法沿负梯度方向搜索进行网络学习的方法对磨削力进行预测。根据磨削力实验数据对网络进行训练,仿真结果表明该模型可以精确的描述砂轮速度、工件速度、磨削深度对磨削力的影响,并可以用有限的实验数据得出整个工作范围内磨削力的预测值。     

基于神经网络与遗传算法的关节轴承挤压模具优化

针对实际生产中关节轴承内外圈间隙分布不均问题,以GEW12关节轴承为例,应用ABAQUS软件对关节轴承挤压装配过程进行了数值模拟。采用BP神经网络建立了挤压模具形状与内外圈最大间隙与最小间隙之差的映射关系。以关节轴承内外圈间隙均匀分布为目标,结合遗传算法,提出了一种集数值仿真、人工神经网络和遗传算法为一体的关节轴承挤压模具型腔优化设计方法。实验结果表明,模具型腔经过优化后,轴承内外圈间隙均匀性得到了很大的改善,轴承金属流动速度更加均匀。     

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。     

基于神经网络和遗传算法的卫星结构参数优化

针对卫星结构要求总质量轻小、一阶固有频率较高的特点,建立了卫星结构多目标优化的数学模型,通过BP神经网络和遗传算法相结合进行参数优化,并编制了相应的计算程序,既利用了神经网络的非线性映射、网络推理和预测功能,又发挥了遗传算法的全局优化特性,得出了合理的优化结果,与传统的结构优化方法相比,此方法效率较高,精度良好.     

基于BP神经网络的破碎机主轴系统参数优化

为了优化破碎机主轴系统的主要工作和结构参数,采用离散变量型正交试验法得到部分参数水平组合,并利用有限元分析软件ANSYS进行分析,得到在这些组合下主轴系统各个性能指数,应用层次分析法和综合评价法得到了主轴系统的综合性能指数,用以上数据训练反向传播(BP)神经网络,并利用完成训练的BP神经网络,预测在其余参数水平组合下的主轴综合性能数指数。根据主轴系统性能指标,优选出利于提高破碎机主轴系统的综合性能的结构和工作参数水平组合,实现废金属破碎机主轴系统参数优化。     

基于神经网络和遗传算法的智能夹具规划

提出基于Kohonen自组织神经网络的装夹面分组与选择算法和基于遗传算法的定位点优化算法,利用人工神经网络来处理装夹面选择中各种复杂的影响因素,选择最佳的装夹表面;在此基础上,参考夹具校验的一些结论,通过一些参数来模拟工件的稳定性与变形特性,利用遗传算法进行组合优化,确定最优定位点.最后用实例验证了算法的有效性.     

遗传算法和人工神经网络在ITS中的应用

针对遗传算法(Genetic Algorithm,GA)和人工神经网络(Artificial Neural Network,ANN)的优缺点,提出了将遗传算法与人工神经网络有机结合起来的遗传-神经网络(Genetic Neural Network,GNN)优化计算模型,既利用了遗传算法能并行计算且能快速、全局搜索的优点,又克服了神经网络固有的搜索速度慢且易陷入局部早熟的缺点.结果表明遗传-神经网络算法能加快非线性模型的收敛速度,具有较强的鲁棒性,在ITS中有着广泛的应用前景.     

基于人工神经网络的虚拟设计

针对虚拟设计中的方案树搜索树问题提出一种新的优化模型 ,并结合人工神经网络技术加以解决。该方法还可用来处理虚拟设计时进行方案规划所遇到的组合优化问题     

神经网络遗传算法在粉体流量测量的应用

利用浓度和速度电容式传感器分别测量粉体的浓度和速度,结合阀门开度、喷吹罐压力、温度等参数构造神经网络粉体流量测量模型,考虑BP算法训练神经网络测量模型时收敛速度慢、动态特性不够理想等不足,用遗传算法来优化神经网络测量模型的参数,以提高测量系统的精度。在现场与电子秤比对,最大满量程误差小于4.2%,具有工程应用价值。     

桥式起重机箱型主梁的改进遗传算法优化设计

在遗传算法原理的基础上,首先对遗传算法中的选择算子进行改进优化,将优胜劣汰的思想融入到遗传算法中,从而保障最优基因能迅速地遗传到后代,加速收敛。然后通过时刻改变惩罚项和障碍项动态调整适应度函数,避免算法止于局部最优。最后,将改进的遗传算法应用于桥式起重机箱形主梁的优化设计中。     

基于人工神经网络的复杂机械结构安全性分析

提出了一种复杂机械结构安全性分析的新方法,通过对其结构进行有限元分析,得到多组荷载效应,然后建立人工神经网络模型,以有限元分析结果为训练样本集,利用人工神经网络可直接进行结构的安全性分析.实例证明,该法避免了有限元分析的复杂加载和长时间运算,有效地简化了复杂结构的安全性分析问题.     

基于神经网络和遗传算法的结构动力特性优化设计

以某型号摩托车架为研究对象,建立了其动力特性优化设计的数学模型,这是一个有应力、位移、频率及尺寸上下界约束的最轻重量结构设计问题。采用神经网络作结构近似重分析,遗传算法寻找离散变量的全局最优点,数值算例表明了该方法的有效性。