基于遗传算法和神经网络算法的吊车结构优化设计与实现

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。     

基于遗传算法和神经网络的塔机结构动态优化设计

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,用于振动系统的快速重分析。首先对塔式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。     

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%。     

基于遗传算法和BP神经网络的裙座锻造结构优化设计

裙座锻造结构几何参数是影响其力学性能指标的重要因素,它们之间的关系既无先验公式表征,又为非线性,一般采用分析设计方法,但耗时长也未必达到优化目的。神经网络法具有超强非线性映射能力,可自动总结出数据之间的函数关系,遗传算法可多点群体搜索,并可不陷入局部最优点。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,建立反映结构特性的人工神经网络模型。最后用遗传算法对所建立的神经网络模型寻优,得到较好的结果。     

机床横梁结构神经网络与算法优化研究

通过正交试验法确定网络训练样本,在MATLAB中利用神经网络对有限元分析得出的样本数据建立了激光切割机横梁结构设计参数与各输出参数的非线性全局映射,利用模糊解法得到多目标优化模型的目标函数,并通过遗传算法对激光切割机横梁进行结构优化。仿真结果表明,采用基于神经网络和遗传算法,并与模糊解法相结合的多目标优化技术,可实现激光切割机横梁结构设计的优化,使得横梁的质量和刚度得到改善。     

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。     

某型三轮汽车车架的结构优化设计

针对三轮汽车减重、降低生产成本的需求,将多岛遗传算法和有限元分析法相结合,对某型三轮汽车车架进行了优化设计。建立了车架的优化数学模型和参数化有限元模型,利用正交试验法筛选出设计变量,并利用多岛遗传算法进行了优化设计,在保证车架刚、强度前提下,减重11.6%。该方法对于其它类型车架的轻量化研究具有一定的参考价值。     

基于遗传传算法和神经网络的架桥机主梁优化设计

以900T步履式箱梁架桥机主梁质量为优化的对象,设计相应变量,再利用均匀实验法确定神经网络训练样本,利用有限元模型分别计算各工况下的最大应力和挠度,以此作为神经网络模型的约束条件并计算相应质量,作为神经网络输出变量,然后用遗传算法对神经网络进行寻优,总质量比优化前下降8.35%.最后对优化后的尺寸进行了有限元分析,证明了结果的正确性.     

基于神经网络和遗传算法的薄壳件注塑成型工艺参数优化

建立基于神经网络和遗传算法并结合正交试验的薄壳件注塑成型工艺参数优化系统.正交试验法用来设计神经网络的训练样本,人工神经网络有效创建翘曲预测模型;遗传算法完成对影响薄壳塑件翘曲变形的工艺参数(模具温度、注射温度、注射压力、保压时间、保压压力和冷却时间等)的优化,并计算出其优化值.按该参数进行试验,效果良好,可以有效地减小薄壳塑件翘曲变形,其试验数值与计算数值基本相符,说明所提出的方法是可行的.     

基于多目标优化的乘用车后排座椅轻量化设计

提出第二代非劣排序遗传算法(NSGA-II)结合响应面法(RSM)-径向基神经网络方法(RBF)混合近似模型和逼近理想解排序(TOPSIS)方法对某乘用车后排座椅进行结构-材料一体化多目标轻量化设计研究。结合有限元理论建立仿真模型,并通过行李箱碰撞试验验证仿真模型的正确性,根据工程经验和座椅靠背骨架吸能分析确定了6个优化部件厚度、材料的设计变量及取值范围;采用RSM-RBF混合近似模型方法拟合设计变量与响应之间的关系;利用NSGA-Ⅱ算法对优化问题进行求解,得到Pareto最优解集。最后采用基于熵权TOPSIS方法对Pareto最优解集进行排序确定最佳折中解。结果表明:在满足各项安全性能法规的前提下,乘用车后排座椅减重3.57 kg。     

神经网络在毛坯形状预测中的应用

从影响冲压成型结果的因素和有限元网络映射法反算毛坯形状的方法出发,提出了基于神经网络预测毛坯形状模型的方法。选取凸模圆角半径、凹模圆角半径、压边力和摩擦系数等作为影响冲压成型结果的因素,利用正交表和随机法产生径向基神经网络的学习样本,用有限元网络映射法反算的毛坯的长度作为神经网络的输出,通过影响冲压成型结果因素的随机样本对神经网络进行检测。实验表明,提出了预测毛坯形状模型的方法是有效的。     

基于BP神经网络的破碎机主轴系统参数优化

为了优化破碎机主轴系统的主要工作和结构参数,采用离散变量型正交试验法得到部分参数水平组合,并利用有限元分析软件ANSYS进行分析,得到在这些组合下主轴系统各个性能指数,应用层次分析法和综合评价法得到了主轴系统的综合性能指数,用以上数据训练反向传播(BP)神经网络,并利用完成训练的BP神经网络,预测在其余参数水平组合下的主轴综合性能数指数。根据主轴系统性能指标,优选出利于提高破碎机主轴系统的综合性能的结构和工作参数水平组合,实现废金属破碎机主轴系统参数优化。     

复合材料加筋结构的神经网络响应面优化设计

针对复合材料加筋结构优化设计的复杂性,提出利用人工神经网络结构近似分析响应面来反映结构设计输入与结构响应输出的全局映射关系的优化方法。通过正交试验设计选取合适的结构有限元分析样本点,进行神经网络响应面的构建和训练;将神经网络响应面作为目标函数或者约束条件,汇同其他常规约束条件完成优化模型的建立,并应用遗传算法(GA)进行优化,从而形成一套适应性强的的高效优化方法。以复合材料翼身融合体帽型加筋板的质量优化为实例,建立加筋板模型的重量响应面目标函数、强度和翘曲稳定性响应面约束条件;通过PATRAN/NASTRAN有限元软件进行有限元计算,获取用于响应面训练的样本点数值。算例结果表明,该方法能以很少的有限元分析次数取得高精度的响应面近似模型,并且使优化计算耗时大为减少,优化效率大大提高。     

低周疲劳失效的涡轮盘可靠性灵敏度设计

将有限元方法、低周疲劳模型、径向基函数神经网络技术与可靠性理论相结合,给出了涡轮盘低周疲劳可靠性灵敏度设计方法。应用径向基函数神经网络拟合得到随机设计变量与失效寿命之间的函数关系式,根据随机摄动法与可靠性灵敏度技术进行灵敏度设计。径向基函数神经网络技术的引入克服了工程实际无法给出极限状态函数显式的问题,而灵敏度技术使各变量对可靠度的影响得以定量表达,具有很好的指导意义。     

基于神经网络和有限元法的“V”型件翻边成形性能研究

翻边是一种重要的金属成形工艺 ,曲面翻边的成形性能与几何尺寸及材料参数等因素有很大关系。本文将有限元模拟与人工智能相结合 ,建立了基于改进的BP神经网络的“V”型件翻边成形性能与几何尺寸及材料参数关系的数学模型。与单纯采用有限元法相比 ,该模型具有计算时间短和易使用的优点。与数值模拟和实验结果的比较证实了本模型的有效性。     

基于改进粒子群算法和小波神经网络的高强钢扭曲回弹工艺参数优化*

针对高强钢复杂件冲压后出现的扭曲回弹现象,运用有限元仿真软件DYNAFORM对复杂件的冲压、回弹过程进行数值模拟,提出了评价复杂件扭曲回弹程度的指标,并运用试验设计和小波神经网络代理模型方法对扭曲回弹进行了优化研究。以某弯曲梁为研究对象,以扭曲回弹为成形目标,通过正交试验设计筛选出对扭曲回弹影响较大的工艺参数作为影响因素。利用拉丁超立方对影响因素进行抽样,通过数值模拟获得样本数据,建立影响因素与成形目标之间的小波神经网络代理模型,利用改进的粒子群算法对该模型迭代寻优获得最优参数。结果表明：采用优化后的工艺参数能有效地减小该弯曲梁的扭曲回弹,该方法为减小复杂件的扭曲回弹提供一种有益的指导。