多零件几何要素影响下的装配产品特性预测方法

工业生产中,多零件装配产品通常具有多系统特性——多几何要素影响的特点。建立能够准确表征装配产品特性与零件几何要素间关系的数学模型,实现装配产品特性的预测,将对工业生产有着重要意义。对于存在多几何要素影响且要素影响程度不同的装配产品系统,直接建立系统的BP神经网络预测模型,由于输入神经元和隐含层神经元较多,将导致神经网络结构十分复杂、学习与训练时间增加、收敛速度慢、预测精度不高等问题。提出利用灰色系统理论的灰关联分析方法,对影响装配产品系统特性的多几何要素进行灰色关联分析,得到多几何要素影响下的系统几何要素与装配产品特性之间的关联程度,确定影响装配产品特性的主要几何要素。在此基础上,利用影响装配产品特性的主要几何要素建立系统的BP神经网络,简化BP神经网络模型,同时保证模型能较真实的反映系统的特性,实现对多几何要素影响下的装配产品特性的准确预测。以典型的多几何要素影响下的装配产品——液压偶件系统为例,通过对液压偶件系统多几何要素关联程度的研究,以影响系统的主要几何要素为输入量,构造简化的BP神经网络的预测模型,试验结果表明,利用主要几何要素建立的预测模型结构相对简单、收敛快、预测精度高。     

神经网络集成方法在产品完工期预测中的应用

针对单个神经网络模型易出现过拟合而导致泛化能力较弱的缺点,引入了神经网络集成方法,对传统的Bagging方法进行改进,提出了一种基于0.632误差聚类的Bagging方法.通过实验对比和假设检验,证实了该方法的优越性,并探讨了最佳聚类数目.最后,通过应用实例展示了利用集成神经网络进行产品完工期预测的全过程.实验结果显示,该方法明显地提高了预测精度.     

神经网络并行进化设计及其在短期电力负荷预测中的应用

针对神经网络模型进化设计问题的特点 ,提出了改进的并行遗传算法 (IPGA) ,并分析其全局收敛性与应用策略。应用此方法于短期电力负荷预测系统中 ,取得了更高的预测精度。该方法设计简单通用、模型性能评价全面合理、全局优化能力强。实际应用表明该方法是有效的 ,具有应用推广价值。