基于神经网络-遗传算法的轮盘结构优化

基于有限元法精确模型进行优化设计非常耗时,因此采用代理模型代替精确模型来提高优化的效率。本文通过将神经网络和遗传算法相结合,进行了涡轮盘的优化设计。研究表明,基于神经网络和遗传算法的优化设计方法,可以有效地进行轮盘优化设计,具有良好的工程应用前景。     

基于遗传算法的BP神经网络在轻质路基沉降预测中的应用

为更好地掌握轻质路基施工过程中的沉降变形情况,选取宁芜保通线部分轻质路基沉降监测数据,在BP(back propagation)神经网络模型的基础上,采用遗传算法对其进行优化,并将优化后的模型应用于轻质路基沉降预测。结果表明：遗传算法优化的BP神经网络在全局搜索能力和收敛能力方面具有明显优势;在轻质路基沉降预测任务中,多数预测结果的相对误差集中在更低的范围内,监测点1和监测点2预测结果的模型评价指标MAE、RMSE、MAPE分别为0.017 mm、0.021 mm、0.679%和0.013 mm、0.016 mm、1.395%,预测结果拟合程度高,误差小,模型泛化能力强。因此,遗传算法优化的BP神经网络的沉降预测模型具有可靠的预测效果与预测精度,在实际工程中可行性较高,可作为轻质路基沉降预测和预警的一种辅助手段。     

基于QGA优化的BP神经网络的大坝渗流预报模型

针对BP神经网络的过拟合和收敛速度慢等问题,基于量子遗传算法（QGA）对网络初始权值、阀值进行优化,结合某电站实测资料建立了大坝渗流预报模型,通过对模型实例的比较,验证了模型的优越性．该模型在实际工程应用中有一定借鉴意义．     

神经网络与遗传算法应用于离子镀膜性能预报与工艺优化

以多弧离子镀（ＴｉＡｌ）Ｎ膜为例,建立了模层性能预报神经网络模型;将神经网络模型与遗传算法结合,建立了实现工艺参数优化（设计）的遗传算法模块．实验结果验证了性能预报神经网络模型与工艺优化遗传算法模块的可靠性,为解决离子镀膜性能预报与工艺优化设计问题提供了一条先进、合理的途径．     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。     

降雨径流模拟神经网络模型及应用

针对水文系统的非线性,构建了基于遗传算法和人工神经网络的降雨径流模拟神经网络模型(GA-BP模型).采用附加动量法和自适应学习速率对BP神经网络进行改进,遗传算法用于优化神经网络的初始权重.以大别山及皖南山区月潭流域为例,将GA-BP模型、BP模型以及新安江模型应用于水文日径流过程模拟,进行应用比较以及分析GA-BP模型在水文径流模拟过程中的难点及其可行性.结果表明,GA-BP模型优化了网络结构,加快了算法收敛速率;可以用于降雨径流过程模拟,也为今后类似研究提供一种模拟技术.在实际应用中可以根据流域资料情况选择合适的模型进行水文模拟作业.     

基于趋势检查法的遗传神经网络模型及工程应用

针对神经网络中模型可靠性问题,提出了趋势检查法的思路,采用评价指标中评价等级的影响趋势对模型进行检查,基本过程为不断调整模型参数、训练、趋势检查,直到获得最优模型。趋势检查法为一种通用方法,可用于任何基于先知经验方法的模型可靠性检查,为模型可靠性检查提供了一种新思路。对于神经网络学习样本贡献度不同的问题,采用样本加权的方法,对样本进行预处理,并将样本权值应用于神经网络的目标函数中,由此建立了加权神经网络目标函数。最后引入遗传算法来优化神经网络参数,建立了基于趋势检查法的遗传神经网络模型,并应用于实际工程中的围岩分类问题,结果表明该模型泛化能力强,具有较高的分类精度。     

基于遗传算法的烧结配料优化

针对烧结配料实验的复杂性和多变性,将遗传算法和广义回归神经网络相结合,发挥神经网络的泛化能力,使神经网络具有较快的收敛性和较强的学习能力,发挥遗传算法的鲁棒性。通过现场试验和优化分析,优化方法符合生产实际,为烧结配料优化生产提供有效的参数依据。     

正交试验法、神经网络和遗传算法的结合

用神经网络建模，遗传算法优化是求解工程优化问题的一种行之有效的方法。但由于神经网络、遗传算法自身的诸多问题，制约了其在较为复杂领域中的应用。正交试验法是一种进行多因素试验的科学方法，本文将它引入神经网络和遗传算法中，将三者结合起来，用正交试验法设计神经网络样本，并用遗传算法优化神经网络结构，较好地克服了各自的弱点，拓展了它们的应用。另外本文对正交试验法配置遗传算法参数做了介绍。     

基于小波包-GABP的滚动轴承故障诊断分析

为提高诊断滚动轴承故障的效率和准确率,本文将小波包变换、BP神经网络和遗传算法三者相结合,提出了一种基于小波包和GABP神经网络的故障诊断模型。由小波包的分解与重构在滚动轴承故障原始信号中提取有效的故障特征向量,并利用遗传算法优化BP神经网络,然后训练和诊断滚动轴承信号的故障类型。同时,运用Matlab软件把采集的数据进行仿真分析。仿真结果表明,相对于传统BP神经网络,利用遗传算法优化的神经网络对故障的诊断正确率更高,并且收敛速度较快,说明由遗传算法优化的BP神经网络在故障诊断方面具有较好的效果,而且遗传算法的引入使轴承故障诊断的适应度和准确率更高。该研究为滚动轴承的故障诊断提供了理论基础。