基于反向传播神经网络的变型设计变异点快速定位

为了对产品进行有效变型设计,针对产品模型的最小模块,提出了变异点概念,并在分析产品结构的基础上,将反向传播神经网络引入到变型设计中,建立了快速定位变异点的反向传播人工神经网络模型,较好地解决了人为确定变异点的杂乱性与欠准确性问题.最后进行了实证分析,结果表明,采用反向传播人工神经网络快速定位变异点是可行的.     

基于均匀设计和遗传算法的神经网络软测量模型及应用

运用基于均匀设计（UD）和遗传算法（GA）的神经网络（NNs）构造法，构建一个能够用于木糖醇补料分批发酵过程的、可超前预测和实时估算木糖醇浓度的软测量模型。实验表明，该模型可实现在线预估和软测量。     

基于遗传算法和神经网络的零件图像识别研究

从用遗传算法优化神经网络和以零件图像的相对边缘像素系数作为零件特征的方法出发,提出了零件图像识别的方法.首先,对零件图像分别进行小波多尺度边缘检测,获取零件图像的相对边缘像素系数作为特征样本.然后,应用遗传算法优化神网络的连接权值,用特征样本进行网络训练,获取遗传神经网络并对零件图像进行识别.实验结果表明,文中提出的方法是有效的.     

基于知识模型的自适应变型设计方法研究

为了在产品设计过程中实现知识的管理和重用,提出一种基于知识模型的自适应变型设计方法,该方法首先建立一种知识模型,将产品设计知识分为基本类型、概念集合、实体模型和参数信息,再通过XML语言对知识模型进行表示与存储,同时,为了能用统一的方式表达与调用产品的参数,将参数信息分为参数表知识、规则知识和公式知识3种形式;其次,产品的自适应变型设计过程是以关键参数为驱动,通过知识模型查询、推理,计算出整个产品的核心尺寸及参数,以驱动设计模板完成自适应变型设计;最后,基于该方法,在SolidWorks软件环境下开发了电站锅炉风门自适应变型设计平台,能够通过电站锅炉风门的关键参数,自动生成该产品的三维模型及二维图样,验证了该方法的有效性。     

基于遗传算法优化神经网络的技术研究

为克服传统BP算法的收敛速度慢和容易陷入局部极小值的缺点,提出了一种基于遗传算法优化的BP神经网络智能诊断技术:采用基于实数编码的遗传算法优化神经网络权值和阈值,代替了原BP网络随机设定的初始权值和阈值,然后再用BP算法对网络进行精确搜索。实验仿真结果表明,用此法优化过的神经网络的训练步数明显减少,诊断准确率达91.7%,泛化能力也得到提高。     

基于模糊神经网络和遗传算法的智能控制器

PID控制算法简单、鲁棒性强,但其参数整定过程繁琐,整定时需要控制对象的精确数学模型,而且整定往往是针对某一种具体工况进行的,缺乏自学习和自适应能力.模糊神经网络则兼备了模糊逻辑和神经网络的优点,具有函数逼近功能,具有较强的自适应、自学习能力、容错能力和泛化能力.借助于遗传算法对全局性参数进行优化设计,借助于BP算法对局部性参数进行优化,将模糊神经网络和遗传算法引入PID控制参数的整定过程,构造出一种基于模糊神经网络和遗传算法的智能PID控制器.     

基于遗传算法的神经网络控制器

本文介绍了一种用遗传算法训练神经网络控制器的设计方法,并将该控制器应用在对倒立摆的控制中,仿真实验显示了良好的控制效果.     

基于神经网络和遗传算法的机床床身优化设计研究

机床的床身的动态特性和静刚度直接影响加工精度、生产效率以及机床的使用寿命,目前机床正朝着高速、高精度、复合化以及高自动化的方向发展,因此研究机床床身的动态特性和静刚度十分必要。为提高某机床床身和横梁的动态特性和静刚度,综合运用结构动态优化原理,神经网络和遗传算法,对床身和横梁进行了结构动态特性分析,提出了该床身结构的优化方案。分析结果表明,优化方案的床身和横梁的动态性能和静刚度得到了明显提高。可供相关机床床身优化设计参考。     

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.     

基于PDM的三维变型工艺设计系统的研究

针对企业已有产品资源重用和对具体的工序设计支持较弱的现状，从信息集成、产品资源重用和系统应具备的功能出发，对PDM平台数据模型进行了分析；以SolidWorks为设计环境，对系统的体系结构、主要功能和工艺设计的思路、流程进行了分析和论述。     

基于神经网络与杂交算法的机翼结构优化设计

以机翼结构为研究对象,提出了一种能同步解决元件位置优化与尺寸优化的杂交算法.利用MSC.NASTRAN进行尺寸优化,用遗传算法对位置设计变量进行优化,并将尺寸优化结果作为遗传操作的依据,最终实现了尺寸与位置的同步优化.为提高算法效率,利用神经网络的非线性映射功能,对MSC.NASTRAN的尺寸优化结果进行映射以取代其优化过程.算例结果表明,该方法高效、精确,具有很好的推广应用价值.     

基于神经网络的车辆主减速器混合遗传算法优化设计

车辆驱动桥的组成包括主减速器、差速器和半轴,其中汽车主减速器的结构和尺寸极大的影响着汽车的动力学性能和经济性,因此采用优化设计方法来设计汽车主减速器是非常重要的。在满足主减速器接触强度、弯曲强度和边界约束的条件下,建立了优化设计数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故通过神经网络方法拟合待求系数,应用遗传算法工具箱调用混合遗传算法寻求最优解,使求解过程得到简化,确保可靠地获得全局最优解。     

基于遗传神经网络的压铸机座板结构优化设计

在对压铸机合模机构进行结构设计时,利用神经网络的非线性映射能力,通过少量样本的有限元分析结果,训练出表述结构参数间函数关系的神经网络模型,然后利用遗传算法的全局寻优性找到神经网络模型表述的目标函数的最优结构参数,从而解决结构优化设计的瓶颈和智能问题,利用这种优化设计策略,设计了压铸机合模机构座板,结果表明了该方法的高效性。     

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%。     

基于神经网络的自适应控制方法

本文提出了一种新的自适应控制方法－基于神经网络的自适应控制,采用神经网络ＢＰ算法作为控制器来控制实际对象,动态地修改神经网络的权值作为自适应方法,使系统较好地适应负荷和外扰的变化,从而获得满意的控制质量。     

应用神经网络研究煤气鼓风机振动趋势预报

设计煤气鼓风机的振动状态监测方案,介绍神经网络的预测原理,选择4-4-1神经网络拓扑结构,采用改进共轭梯度算法进行网络训练,建立振动趋势预报模型,并运用于鼓风机的振动趋势预报。实验结果表明,基于神经网络的预报技术能准确、有效地预报机组的振动趋势。     

应用事例推理的门式起重机械关键零部件变型设计研究

装备开发过程是一个对产品的设计、制造、使用、维护等多层次性知识进行全方位加工的系统工程。从设计过程的实践出发,从知识工程的角度对门式起重机械设计过程开展研究,提出集成软事例推理与有限元分析的关键零、部件变型设计系统框架,并实现了其中的关键技术。该研究有助于提高起重机械设计过程的自动化水平。     

基于混沌神经网络行星齿轮传动的模糊可靠性优化设计

以渐开线行星齿轮传动机构为例,在考虑了机械传动各设计参数的模糊性和随机性的基础上,在运用神经网络求解优化方面问题的同时,引进全局耦合模型GCM(GlobaUy Coupled Mode)混沌神经网络,通过混沌遍历,可使神经网络在整个相空间进行搜索,从而避免网络在运行过程中陷入局部极小值.利用混沌神经网络能达到系统的稳定平衡点和能够提高优化速度和精度等特点,探讨了基于混沌神经网的行星齿轮传动机构模糊可靠性的优化设计,实例进行实验,结果显示混沌神经网络的优化获得了全局最优解.表现出了令人满意的结果.     

基于模糊神经网络和遗传算法的仿人智能PID控制器设计

阐述一种新型的模糊神经网络加遗传算法的智能PID控制器     

遗传优化神经网络在孔系加工中应用研究

提出一种遗传神经网络优化进行孔系加工路线优化的新算法,通过建立加工路线优化的数学模型,将改进的遗传算法和Elman神经网络相结合,采用Elman神经网络进行训练,充分发挥网络动态特性,,具体算例证明了算法的可行性和有效性.