斗轮堆取料机门座架受力分析及结构优化

针对传统斗轮堆取料机门座架强度和刚度差、耗材、存在安全隐患等问题,对门座架进行详细受力分析,在此基础上提出了新的门座架结构形式,以环形梁代替联结座圈,新的门座架受力好、节省材料、节省加工工序及加工量、安全可靠性高,可为斗轮堆取料机门座架的设计提供指导和参考.     

销齿传动式斗轮机构轮体结构的受力分析与优化

销轮销齿传动是斗轮堆取料机斗轮机构常用的驱动方式之一,具有结构简单、造价低、拆修方便等优点,但部分斗轮机构的轮体在使用过程中出现刚性不足、变形较大、振动剧烈等问题,文中应用有限元软件ALGOR对销轮销齿传动的斗轮机构的轮体结构进行建模和力学分析,并提出优化改进方案。     

基于神经网络与PSO算法的发动机装配工艺参数优化

针对汽车发动机装配过程中缸体泄漏问题,结合Back Propagation(BP)神经网络及粒子群优化(Particle Swarm Optimization, PSO)算法,提出了一种发动机装配工艺参数优化方法。首先,使用BP神经网络建立了生产工艺参数与质量指标之间的非线性映射关系,并以此作为泄漏率预测模型。其次,根据实际生产需求,应用皮尔逊相关性分析法求解得到相关性最强的部分工位工艺参数,并以其作为后续优化对象。最后,以BP神经网络预测模型作为适应度函数,使用粒子群优化算法求解得到工艺参数的最优值。使用400台发动机的实际生产数据进行试验。试验结果显示,BP神经网络具有较准确的预测效果,结合粒子群优化算法得到了优化后的工艺参数值,显著降低了发动机的泄漏率,具有一定的指导意义。     

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。     

PSO算法优化BP神经网络的EIT图像重建算法

针对阻抗断层图像重建这个严重病态的非线性的逆问题,提出一种基于PSO优化BP神经网络的EIT图像重建算法。该算法在基本BP算法的误差反向传播调整权值的基础上,再引入PSO算法进行权值修正。该算法不仅能很好地适应EIT的病态非线性特性,而且可以克服基本BP算法收敛速度慢和易陷于局部极值的局限。实验结果表明该方法速度快并且能够有效提高图像分辨率。     

带收缩因子的PSO算法在齿轮箱故障诊断中的应用

应用带收缩因子的粒子群优化算法训练神经网络的权值矩阵，使神经网络的收敛速度大大提高，避免了其陷入局部最优解的缺陷；根据振动实验室齿轮箱实验数据，分析研究故障信号的特点，提取相应的特征参数，应用训练后的神经网络诊断齿轮箱的故障，实验表明故障诊断率较高。     

基于BP神经网络的四轮胎压监测算法研究

4个车轮同时缺气时,传统滚动半径法很难监测出轮胎压力值,导致误报率较高.为解决该问题,提出了一种基于BP神经网络的间接式四轮胎压缺气监测方法,通过采集轮速脉冲数对BP神经网络进行训练,实现对4个车轮同时缺气时的胎压识别.实验结果表明:训练后的BP神经网络可以有效识别4个车轮同时缺气时的压力值,误报基本消除,该方法为4个...     

基于APDL及粒子群优化算法的摩天轮优化设计

为降低摩天轮建造成本,提高摩天轮经济性,优化设计摩天轮,基于Visual Basic.NET、ANSYS APDL及Matlab平台,设计摩天轮参数化设计系统。通过系统对摩天轮进行参数化建模,基于粒子群算法进行优化。针对基本粒子群算法易陷入早熟收敛问题,通过多项措施改进算法,有效地提高算法的稳定性。以摩天轮总质量为优化目标,以摩天轮大立架、转轮内环和转轮外环的杆件截面为优化变量,以材料应力安全系数和变形安全系数为约束条件进行优化。优化结果表明：优化后的摩天轮在满足刚度和强度要求下,可达到摩天轮优化设计要求,对摩天轮设计具有指导意义。     

基于PSO的摆线液压马达摆线轮的优化修形

针对摆线液压马达优化修形的问题,提出一种以总效率为目标函数的基于粒子群算法(PSO)的优化修形方法.以某型号摆线液压马达为优化对象,建立了摆线针轮行星机构的容积效率、机械效率及总效率的数学模型,并以总效率为目标函数,对其使用PSO进行优化搜索最优修形值.结果表明,该方法可以使效率达到98.55%,比传统优化方法提高4%.     

基于粒子群优化的神经网络训练算法在产品种类预测中的应用

市场环境的变化导致产品更新换代加快，产品种类预测成为新的难题。传统的线性预测方法只能对产品需求的数量或价格等数值进行预测，而无法对产品的发展趋势和未来种类做出正确预测。通过对产品种类预测、数据挖掘和粒子群优化算法的研究，建立种类预测模型，利用基于粒子群优化的神经网络训练算法进行产品种类预测，并以手机为例进行预测，结果证明该方法是有效的。     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题,采用粒子群算法求解该类调度问题,提出了一种2维粒子表示方法,通过对粒子位置向量进行排序生成有效调度,并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后,通过计算验证了混合粒子群算法的有效性。     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

改进粒子群算法在治疗型关节炎护膝中的应用

为保证治疗型关节炎护膝中升压电路的优良性能，必须对其中的电路参数进行优化。本文采用一种改进的粒子群算法对升压电路中控制强度的参数进行优化，保证平稳的升压性能。同时为了保证粒子群在搜索过程中目标函数的可计算，采用神经网络对升压电路进行建模，通过实验数据对神经网络进行训练并测试。最后分别在粒子群优化后的参数与原有参数下，对升压电路性能进行比较，验证了该算法所确定的参数可以保证升压过程更平稳，电路具有更好的性能。     

一种改进粒子群的无线传感网络能量优化模型设计

针对传统无线路由算法节点选择存在很大的随机性,一旦选择边沿节点将造成长距离通信,从而降低通信效率的问题,设计了一种基于改进粒子群算法的能量优化模型.该模型利用改进粒子群算法对簇头选择进行优化,并综合考虑簇头能量、簇头传输距离、簇头分布等因素,设计新的适应度函数,从而在大范围内降低网络传输的能量损耗.此外还针对无线网络节点过早死的问题,提出一种基于最小能耗的单级跳和多级跳结合的通信方式,从而均衡整个无线网络能量,延长整个网络的寿命.最后通过仿真验证了模型的可行性.     

Performance evaluation of two different neural network and particle swarm optimization methods for prediction of discharge capacity of modified triangular side weirs

Technical design of side weirs needs high accuracy in predicting discharge coefficient. In this study, discharge coefficient prediction performance of multi-layer perceptron neural network (MLPNN) and radial basis neural network (RBNN) were compared with linear and nonlinear particle swarm optimization (PSO) based equations. Performance evaluation of the model was done by using root mean squared error (RMSE), coefficient of determination (R²), mean absolute error (MAE), average absolute deviation (δ) and mean absolute relative error (MARE). Comparison of the results showed that both neural networks and PSO based equations could determine discharge coefficient of modified triangular side weirs with high accuracy. The RBNN with RMSE of 0.037 in test data was found to be better than MLPNN with RMSE of 0.044 and multiple linear and nonlinear PSO based equations (ML-PSO and MNL-PSO) with RMSE of 0.043 and 0.041, respectively. However, due to their simplicity, PSO based equations can be sufficient for use in practical cases.     

基于量子微粒群的BPNN在转炉炼钢静态模型中的应用

针对转炉炼钢静态模型终点命中率较低的问题,首先分析了影响转炉炼钢终点命中率的各种因素,确定了BP神经网络(BPNN)的拓扑结构,并依此建立了转炉炼钢静态模型.然后把量子微粒群算法(QPSO)应用于BP网络的学习中,并比较了QPSO、基本微粒群优化算法(PSO)、梯度下降法的学习性能.最后,基于某炼钢厂的历史数据进行了仿...     

翻斗式雨量计左右斗平衡判别方法* .txt

摘要：为了判别TBR左右斗平衡,提出了差值判别法和差值率判别法。差值判别法以左右斗平均每斗水量的差值为判别指标,并记α为差值限;差值率判别法以左右斗差值的绝对值与左右斗测量值的平均值之比作为判别指标,并记β为差值率限。以JDZ05和JDZ10两款TBR开展实验分析,结果表明：1）对于JDZ05,α可取01 g,β可取1%;对于JDZ10,α可取02 g,β可取1%。2）左右斗不平衡时,不利于JDZ05和JDZ10监测的雨量范围分别为0~55 mm和0~19 mm;经过左右斗调平后,不利于JDZ05和JDZ10监测的雨量范围分别为0~35 mm和0~7 mm。3）经过左右斗调平后,可减少左右斗差值、左右斗差值率和计量误差的离散程度,提高计量误差的重复性,有助于提高测量降雨的准确度。研究成果可对制定TBR左右斗平衡判别准则和改进翻斗式雨量计率定流程提供参考。 .txt     

基于粒子群和BP混合算法的土壤有毒重金属含量预测

利用当前重金属的含量去预测未来有毒重金属的含量,就可以采取有效的措施预防,对人们的健康有着重大意义.该文主要应用粒子群和BP混合算法的神经网络对甘肃某地区的土壤进行了预测,得到的预测数据和实际的基本相符,因此,该预测算法应用到土壤的预测中具有良好的效果,有良好的应用和推广前景.