共查询到20条相似文献,搜索用时 93 毫秒
1.
以汽车转向螺杆类杯-杆件的温挤压凹模为例进行模具磨损分析及其寿命预测。以影响温挤压凹模磨损的4个主要因素,即凹模入口处圆角大小、模具初始硬度、模具初始温度、摩擦因子作为工艺参数,并分别选取4个不同水平值,确定四因素四水平的32组温挤压凹模磨损试验方案,通过Deform 3D有限元数值模拟软件进行成形过程的数值模拟。以不同影响因素和对应模具的磨损量为样本训练BP神经网络,建立4个主要因素与凹模磨损量之间的映射关系,以温挤压凹模磨损量为目标函数,通过遗传算法对4个影响因素进行组合优化,使凹模磨损量最小、寿命最长。 相似文献
2.
3.
论文综合利用BP神经网络、遗传算法有限元法以及正交试验法对吊车结构系统进行优化研究。利用遗传算法和BP神经网络建立复杂结构系统动态优化的计算模型,该模型可代替系统原来的有限元模型。首先对吊车起重机结构系统进行模态分析及谐响应动力学分析,找出对结构动态特性影响最大的模态频率,再利用灵敏度分析,确定对动态特性较敏感的设计变量作为神经网络的输入变量,并利用正交试验法确定神经网络训练样本,用有限元模型计算出样本点数据,建立反映结构振动特性的人工神经网络模型,最后利用遗传算法对所建立的神经网络模型寻优,得到使结构动态性能最优的设计参数。 相似文献
4.
针对滚动轴承的故障诊断问题,提出了一种基于遗传算法的BP神经网络滚动轴承故障诊断方法。以BP神经网络的误差为目标函数,利用遗传算法进行BP神经网络的权值和阈值优化,并用优化后的BP神经网络进行故障诊断。通过MATLAB仿真,结果表明遗传算法优化的BP神经网络相比传统的BP神经网络具有更好的诊断效率和准确度。 相似文献
5.
基于遗传优化的BP神经网络 总被引:6,自引:0,他引:6
人工神经网络的优化学习是其研究中的一个重要课题。将遗传算法用于BP神经网络的学习,将遗传算法的全局搜索和BP神经网的局部搜索相结合,并设计一网络实例加以训练,达到了比较满意的效果。 相似文献
6.
7.
以Moldflow软件模拟得到的不同工艺参数下飞机机头雷达罩模型的翘曲变形量为训练样本,在雷达罩模型成型工艺参数与其翘曲变形量间建立反向传播(Back Propagation,BP)神经网络模型,然后采用遗传算法对工艺参数进行优化,得到使雷达罩模型翘曲变形量最小的工艺参数并进行试验验证.结果表明:在相同工艺参数下由BP神经网络得到的雷达罩模型翘曲变形量与采用Moldflow软件模拟得到的翘曲变形量相近,相对误差小于4%,证明了BP神经网络的可靠性;模拟得到雷达罩模型的最优成型工艺参数为注塑温度295℃、模具温度80℃、注塑时间0.75 s、保压时间8 s、保压压力125 MPa,此时翘曲变形量最小,为0.1213 mm;在最优成型工艺参数下进行注塑成型后得到的雷达罩模型最大翘曲变形量为0.1260 mm,试验结果与预测结果间的相对误差小于3.7%,验证了BP神经网络与遗传算法相结合方法的准确性. 相似文献
8.
以高炉煤气为主要研究对象,针对钢铁企业高炉煤气发生量波动大、无规律等特点,提出基于改进遗传算法优化的BP神经网络模型,通过改进遗传算法中交叉概率和变异概率的自适应选取,达到在全局与局部同时具有较强的寻优能力.由仿真结果可知:改进遗传算法优化的BP模型比普通的BP神经网络模型能更精确地预测煤气发生量,并解决了遗传算法(G... 相似文献
9.
10.
11.
12.
基于BP网络和遗传算法的铝型材挤压模工作带优化模型 总被引:3,自引:0,他引:3
建立了改进的BP神经网络、数值仿真和遗传算法相结合的铝型材挤压模工作带长度优化模型。将型材截面划分单元 ,由正交试验法得到单元工作带长度值作为网络训练样本的输入值 ,模型目标值为变形后质点速度均方差。采用基于有限体积法的数值仿真技术获得样本目标值。模型的全局优化解由遗传算法求得。计算实例给出了模型实现和求解的完整过程 相似文献
13.
14.
针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法(GA)确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM(Levenberg-Marquardt)算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。 相似文献
15.
16.
基于BP网络和Pareto遗传算法的多目标协同优化 总被引:1,自引:0,他引:1
多学科设计优化(MDO)问题往往是多目标的。Pareto遗传算法(PGA)所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题,提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点,构造具有全局近似能力的各学科优化神经网络响应面,进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明,所提出的方法能有效近似该问题的Pareto最优前沿.、 相似文献
17.
采用人工鱼群算法与BP神经网络相结合的方法建立了分块压边力与成形质量的映射关系。首先以分块压边力为设计变量,通过基于最大最小原则的拉丁超立方取样设计方法抽取了BP神经网络的训练样本,并将通过仿真软件获得的成形质量指标作为BP神经网络的训练输出;其次通过人工鱼群算法优化的BP神经网络建立了分块压边力与成形质量的映射关系;然后采用粒子群算法对该映射函数关系式进行优化,得到最优分块压边力;最后将该最优分块压边力成形效果与整体压边力成形效果进行对比,结果表明成形效果大大改善。研究表明,采用该方法可以快速计算最优分块压边力,克服了分块压边力计算困难的缺点。 相似文献
18.
19.
Mechanical Properties Prediction of the Mechanical Clinching Joints Based on Genetic Algorithm and BP Neural Network 总被引:1,自引:0,他引:1
LONG Jiangqi LAN Fengchong CHEN Jiqing YU Ping 《机械工程学报(英文版)》2009,22(1):36-41
For optimal design of mechanical clinching steel-aluminum joints, the back propagation (BP) neural network is used to research the mapping relationship between joining technique parameters including sheet thickness, sheet hardness, joint bottom diameter etc., and mechanical properties of shearing and peeling in order to investigate joining technology between various material plates in the steel-aluminum hybrid structure car body. Genetic algorithm (GA) is adopted to optimize the back-propagation neural network connection weights. The training and validating samples are made by the BTM(R) Tog-L-Loc system with different technologic parameters. The training samples' parameters and the corresponding joints' mechanical properties are supplied to the artificial neural network (ANN) for training. The validating samples' experimental data is used for checking up the prediction outputs. The calculation results show that GA can improve the model's prediction precision and generalization ability of BP neural network. The comparative analysis between the experimental data and the prediction outputs shows that ANN prediction models after training can effectively predict the mechanical properties of mechanical clinching joints and prove the feasibility and reliability of the intelligent neural networks system when used in the mechanical properties prediction of mechanical clinching joints. The prediction results can be used for a reference in the design of mechanical clinching steel-aluminum joints. 相似文献