基于小波包分析和Elman网络的切削表面粗糙度预测方法

提出了一种基于松散型小波网络的切削表面粗糙度预测方法。结合切削参数和切削振动理论,建立了预测网络结构,为避免频域混叠,采用小波包改进算法来实现振动信号去噪。根据振动加速度及切削参数,利用Elman网络的非线性映射和学习机制,实现切削表面粗糙度的实时在线预测。为减少训练时间,用遗传算法对网络权重进行预先优化。实验表明,该方法的预测误差小于3%。     

动态物流网络多目标优化模型及求解算法

针对动态物流网络优化问题,构建了多阶段三级物流网络模型。为了同时保证物流网络的效益和效率,以产品供应总成本最小和供应总时间最短为目标建立多目标优化模型。针对该模型多目标、多约束且存在时变参数的特点,提出了动态自适应多目标差分进化算法(DSMODEA)对模型进行求解。DSMODEA算法为元启发式智能优化算法,通过比较种群个体的Pareto支配关系和拥挤度距离来判断个体优劣,采用差分进化策略不断迭代收敛。同时,提出了环境变化检测算子、环境变化响应策略和自适应策略以保证算法能很好地求解动态优化问题。算例表明,DSMODEA算法能够求得各阶段物流网络的最佳可行供应方案,且所采用的响应策略和自适应飞行策略大大提高了算法的性能。     

基于进化神经网络的电火花铣削加工电极损耗预测

针对电火花铣削加工的时变非线性特性,提出基于神经网络的电火花铣削加工电极损耗预测模型,利用该网络预测加工速度和工具的相对损耗,从而可在加工中实时计算出工具实际损耗量,为实现电极损耗的在线动态补偿打下基础。针对神经网络传统训练算法-BP算法的不足,提出了一种自适应调节变异率和变异量的进化算法来优化网络权值和网络结构,提高了网络的逼近精度和进化速度。     

神经网络与进化策略在结构优化设计中的结合

利用BP神经网络对有限元计算出的样本数据训练出一种参数映射关系，从而获得进化策略求解结构优化问题的目标函数值，进一步获得问题的优化解，5杆结构表明此方法使用较少的有限元分析次数就能有效地求出最优解。     

Free-form型机床切齿优化(二)--混合进化遗传算法

针对Free -form型机床优化目标函数多维及非线性的特性 ,提出了一种混合进化遗传算法。该方法把遗传算法的全局搜索能力与参数线投影法的局部搜索能力结合起来。并在十进制为基因串的编码基础上 ,对遗传算子做了改进 ,使计算量减少 ,目标直观 ,优化性能显著提高。最后的例子也鲜明地表示出该优化方法的先进性。     

基于差分进化小波神经网络的刀具磨损状态识别

提出应用小波神经网络进行刀具磨损状态识别的方法,给出了具体的识别流程。构建了小波神经网络,并实现了差分进化对网络参数的优化。通过检测加工现场的切削力和切削声音信号,将其进行信号处理后作为小波神经网络的训练样本,将差分进化应用于小波神经网络结构和参数的优化中,最终实现刀具磨损状态的识别。仿真结果表明差分进化小波神经网络能够有效避免神经网络不收敛的缺点,提高学习速度,采用差分进化小波神经网络进行刀具磨损状态识别,具有较高的诊断精度和效率。     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中，通常一个订单中包含多个工件。为满足客户交货期和方便管理，来自同一订单的工件需要连续生产，就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题，是典型的NP-hard问题。为解决该问题，通过对工序约束、订单间、订单内约束等的深入分析，基于准时制生产模式，以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性，基于分解与协同进化框架，提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群，然后对两个种群分别采用离散差分进化策略和遗传进化策略，并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性，设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试，计算结果显示，与GA,DDE和IG相比，协同进化方法具有更好的求解质量和鲁棒性，而在协同进化方法中，CoHGA-DDE具...     

基于进化神经网络的刀具寿命预测

为预测道具寿命,引入人工神经网络技术,建立了刀具寿命预测神经网络模型,同时对切削参数进行优化选择.在刀具寿命预测中,针对反向传播算法存在收敛速度慢、容易陷入局部极小值及全局搜索能力弱等缺陷,采用遗传算法训练反向传播神经网络,设计了进化神经网络的学习算法.实验和仿真结果表明:基于进化计算的反向传播神经网络可以克服单纯使用反向传播网络易陷入局部极小值等难题,刀具寿命的预测精度较高,从而为刀具需求计划制定、刀具成本核算,以及切削参数制定提供理论依据,节约了制造执行系统中的生产成本.     

一种用于多目标约束优化的改进进化算法

当前求解多目标优化的进化算法主要考虑如何处理相互冲突的多个目标间的优化,很少考虑对约束条件处理的问题.对此,给出了一种基于双群体搜索机制的改进差分进化算法,以求解多目标约束优化问题.采用两个不同种群,分别保存可行个体与不可行个体的双群体约束处理策略,利用基于Pareto的分类排序多目标优化技术,完成对进化个体解的评价.并通过群体混沌初始化、自适应交叉和变异操作来提高基本差分进化算法的性能.对三个经典测试函数的仿真结果表明,文中算法在均匀性、逼近性及收敛速度三方面均优于非支配排序遗传算法,而收敛速度也优于另两种改进进化算法.     

基于混合选择的多目标进化算法及其在优化设计问题中的应用

为解决实际工程中复杂的多目标优化设计问题,提出一种基于混合选择的多目标进化算法(HSMEA)。该算法首先采用融合角度与距离的动态选择策略对个体进行划分,随后采用基于两种不同机制的混合选择的策略对解进行进一步筛选,从而使最终选择的目标解在具有良好的收敛性的同时最大程度地保留解集的多样性。算法与4个多目标优化算法在一系列测试函数上的结果表明,算法具有良好的多目标优化问题处理能力。此外,通过在实际工程优化设计问题的对比实验与分析,验证了所提算法在处理实际工程优化设计问题上具有良好的性能与潜力。     

Improved RBF network application in analog circuit fault isolation

One kind of steepest descent incremental projection learning algorithm for improving the training of radial basis function (RBF) neural network is proposed,which is applied to analog circuit fault isol...     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。     

Adaptive control of nonlinear system using online error minimum neural networks

In this paper, a new learning algorithm named OEM-ELM (Online Error Minimized-ELM) is proposed based on ELM (Extreme Learning Machine) neural network algorithm and the spreading of its main structure. The core idea of this OEM-ELM algorithm is: online learning, evaluation of network performance, and increasing of the number of hidden nodes. It combines the advantages of OS-ELM and EM-ELM, which can improve the capability of identification and avoid the redundancy of networks. The adaptive control based on the proposed algorithm OEM-ELM is set up which has stronger adaptive capability to the change of environment. The adaptive control of chemical process Continuous Stirred Tank Reactor (CSTR) is also given for application. The simulation results show that the proposed algorithm with respect to the traditional ELM algorithm can avoid network redundancy and improve the control performance greatly.     

大量程柔性铰六维力传感器静态解耦的研究

为提高大量程六维力传感器的测量精度,提出了一种新型的六维力传感器非线性静态解耦方法,该方法结合混合递阶遗传算法和小波神经网络的优点,采用递阶遗传算法与最小二乘法分别对小波神经网络隐层结构参数以及输出层权值进行优化,再将优化后的小波神经网络模型用于六维力传感器非线性解耦.建立了基于混合递阶遗传算法和优化小波神经网络的六维力传感器非线性解耦模型,设计了基于混合递阶遗传算法的小波神经网络结构及参数优化算法,给出了六维力传感器非线性解耦的具体实现流程.以最新研制的6-UPUR大量程柔性铰六维力传感器为对象进行实验,结果表明,采用该方法六维力传感器的Ⅰ类误差和Ⅱ类误差分别为1.25％和2.59％,比采用BP和RBF神经网络方法的测量精度高.     

基于小波神经网络的导弹武器装备研制费用预测

介绍了开展导弹武器装备研制费用预测的重要性,提出了基于小波神经网络的导弹武器研制费用预测模型,并研究了模型的算法;提出建立导弹武器研制费用预测模型库.     

基于小波神经网络的控制方法及其应用研究

提出一种基于小波神经网络的控制方法,该方法利用两个小波神经网络作为控制系统的辨识器和控制器来构成控制系统。小波神经网络辨识器能更准确逼近非线性对象,小波神经网络控制器能产生复杂的最佳控制规律。仿真结果表明系统具有逼近精度高、控制效果好、抗干扰能力强等优点。     

基于小波神经网络的非线性动态系统辩识

采用一种新型小波神经网络对非线性动态系统进行辨识。通过优化组合小波基元激励函数 ,大大减小了小波神经网络的规模 ,改善了网络学习特性。仿真结果表明 ,该网络结构及其学习算法简单有效 ,逼近精度高     

遗传小波网络在齿轮箱故障诊断中的应用

针对小波神经网络常用的反向传播算法普遍存在收敛速度慢,容易陷入局部极小点,网络参数的选取只能凭实验和经验来确定等缺点,提出了一种基于遗传算法优化的小波神经网络并应用于齿轮的故障诊断。仿真结果表明,该方法充分的发挥了遗传算法的全局寻优能力,小波分析的非线性逼近能力和神经网络的自学习特性,优化了系统的收敛速度和故障诊断的精度。     

基于改进型BP神经网络PID控制器在转台系统中的应用研究

为改善转台系统性能,针对传统的PID控制参数难以获得较理想的控制效果,设计了一种基于改进型BP神经网络的PID控制器。介绍了PID控制器的结构和BP神经网络算法描述,利用最小二乘法和神经网络建立被控对象的预测数学模型,并用该模型所计算的预测输出取代预测输出的实测值,对基于BP网络的PID控制器的权值调整算法进行改进。以某转台模型为对象,建立了转台控制系统的数学模型并对其进行仿真。仿真结果表明,改进型BP神经网络PID控制器具有良好的控制效果,跟踪精度高、性能稳定及鲁棒性强,能更为有效地应用到转台系统中。     

力觉临场感系统中操作环境动力学的小波神经网络模型

在力觉临场感系统中机器人操作环境经常是非线性的和未知的。为使本地操作者了解环境特性，需对操作环境进行建模。为此，进一步研究力觉临场感系统中机器人操作环境动力学模型，提出一种新的基于小波神经网络的环境非线性动力学模型的建立方法，分析网络的拓扑结构，给出网络参数训练和初始化方法。采用引入动量项的最速下降法训练网络权值、尺度因子和平移因子，将小波网络参数的初始化与小波类型、小波时频参数和学习样本等联系起来。结果表明，采用小波神经网络的力觉临场感系统中操作环境模型优于同等规模的BP网络，具有训练方法收敛速度更快、非线性逼近能力更强及建模精度更高等优点。