基于过程的优化算法的研究及应用

针对传统机械优化算法所存在的问题，提出了一种基于过程的优化算法。它利用人工神经网络，构造过程系统结构空间，采用随机涨落机制，以模拟退火方式，模拟自然界演化过程进行优化，以过程的收敛性作为全局最优性判据。最终，过程的收敛点即优化问题的最优解。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

基于粒子群算法的神经网络优化及其在镗孔加工中的应用

采用粒子群算法对镗孔加工尺寸误差人工神经网络预测模型进行优化。实验表明，与误差反传算法(BP)相比较，粒子群算法优化神经网络收敛速度更快，预测精度更高。     

基于竞选算法的模板匹配算法

图像匹配是计算机视觉领域的一个关键问题,同时也是难点.竞选算法是一种新型的启发式优化算法,其搜索机制模拟竞选活动中竞选人对最高支持率的追求动机.本文提出一种基于竞选算法的图像模板匹配算法,与传统的搜索方法相比较,其匹配速度具有显著的优势.     

基于人工神经网络的预报型汽车安全气囊点火算法

分析了几种常用的点火控制算法，并在此基础上提出了一种新算法。该算法利用人工神经网络建立了车身碰撞加速度和乘员头部位移关系的数学模型，通过模型的输出来判定是否触发气囊。     

人工神经网络的混合算法及其工程应用

为确定多层人工神经网络的权值和阈值建立了混合求解方法,即迭代前期采用BP算法而迭代后期采用梯度优化法进行计算。通过BP算法、梯度优化法和混合算法对相同实例网络权值和阈值的计算,验证了所提出的混合算法的有效性,实现了权值和阈值的快速准确计算。通过汽轮机故障诊断的实例计算,表明所提出算法的有效性和实际应用价值。     

基于人工神经网络和优化技术的连杆机构综合

本文探索了把人工神经网络与优化方法相结合起来综合一个合适的连杆机构，来实现用户要求的曲线运动轨迹。作为实例，着重讨论了平面铰链四杆机构的设计方法。     

基于人工神经网络和优化技术的连杆机构

该文研究了把人工神经网络与优化方法相结合起来综合一个合适的平面连杆机构，来设计用户要求的连杆曲线。重点讨论了连杆曲线的知识表示方法     

基于MATLAB的粒子群优化算法及其应用研究

分析了粒子群优化算法的原理、模型和算法实现过程,并应用该法对行星齿轮传动优化设计进行了实例仿真。仿真结果表明,基于Matlab的粒子群优化算法在机械优化设计中切实可行,该优化算法为复杂的机械优化设计提供了新的思路和方法。     

基于人工神经网络旋风分离器优化因子预测研究

定义了旋风分离器的优化因子(OF),通过人工神经网络算法(BP算法)研究旋风器几何结构参数和分离性能之间的复杂函数关系,从而提出旋风分离器优化因子的预测模型.结果表明,该模型的预测结果和实验结果较为吻合,提供了一种对于旋风分离器性能预测的新思路.     

时变回归神经网络应用于弹簧优化设计的研究

利用人工神经网络的理论 ,尝试将神经网络理论应用于机械优化设计。利用时变回归神经网络的可行性、渐近稳定性和最优性 ,通过神经网络系统的演化 ,使之演化到系统的平衡态 ,计算网络的 L yapunov函数 ,并将该函数与机械优化设计问题的最优解相对应 ,将人工神经网络在此时的网络参数与机械优化设计问题的设计变量相对应 ,从而实现机械优化问题的求解。描述了神经网络用于机械优化设计的仿真算法 ,并以弹簧为例进行了优化计算 ,仿真结果表明了神经网络优化算法应用于机械优化设计的可行性     

基于ANN和GA的机床结构优化设计

机床主轴是机床中的重要部件,其设计对机床性能影响很大。在对主轴设计的各项要求中,刚度和振动稳定性是主要考虑的指标,将其归纳在一个含区域和性能约束的主轴结构优化设计数学模型中。借助有限元软件可获得不同主轴尺寸下的各项性能指标,利用人工神经网络(ANN)实现主轴各项性能指标的近似分析,并采用遗传算法(GA)实现了性能指标为设计变量隐式表达下的机床主轴结构优化设计。     

基于神经网络与遗传算法的振动钻削仿真

将人工神经网络与遗传算法相融合,利用遗传算法优化多层前馈神经网络的结构和初始参数,利用多层前馈网络的映射能力进行振动钻削仿真,最后对训练好的神经网络稍加改造,利用BP网的逆映射进行参数优化。试验表明神经网络与遗传算法应用于振动钻削过程仿真是可行的,为振动钻削的研究提供了新的思路。     

基于人工神经网络珩磨加工参数智能选择方法的研究

利用人工神经网络鲁棒性、容错性好的特点,通过对珩磨加工工艺参数的分析研究,首先构建了基于人工神经网络的珩磨加工参数智能选择模型;在理论模型研究的基础上,进行了实验研究,并通过实验数据对模型参数进行了优化。研究证明该方法用于珩磨加工工艺参数的选择具有较好的智能、可靠性高、选择操作简单、实用性强等优点。     

基于神经网络和支持向量机的复合故障诊断技术

结合神经网络和支持向量机的优点,针对实际应用的不同阶段,提出了一套基于神经网络和支持向量机的复合故障诊断技术.该技术不但可以融入新的故障信息,而且可以使故障诊断模型始终处于最优识别状态,并以往复压缩机气缸系统常见故障的诊断为实例,验证了该技术的有效性.     

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。     

基于专家系统和人工神经网络的计算机辅助工艺系统

阐述了如何结合专家系统和人工神经网络技术来开发外圆车削加工的计算机辅助工艺系统。根据设计要求,专家系统的推理机制能从相应的知识库中寻找出适合的工艺流程和参数;另一方面,同样的人工神经网络结构能根据不同的训练数据提供不同的答案,因此弥补了专家系统灵活性不足的缺点。所以,一个集成了两者的复合系统必将提供更好的实用性。     

基于BP算法的人工神经网络建模研究

本项目研究的目的是建立管线表面温度值和热流值的标准化转换模型系统.该系统模型主要用来排除外界环境因素对热流值等测试结果的影响.根据项目要求拟采用基于人工神经网络BP算法的管线表面温度值和热流值的标准化转换模型.人工神经网络是一种模仿大脑神经网络行为特征,进行分布式并行信息处理的算法数学模型.这种网络依靠系统的复杂程度,通过调整内部大量节点之间相互连接的关系,从而达到处理信息的目的.     

基于神经网络联想记忆模型的数控机床故障诊断

提出了将一种改进的人工神经网络联想记忆模型应用于计算机数控机床的故障诊断方法。介绍了基于联想记忆模型的诊断算法，总结出数控机床的故障模式及故障分析表，然后将该样本向量进行HADAMARD预处理、存储记忆后，可据此模型进行样本和非样本的并行联想回忆，实现诊断功能。最后进行了数字仿真研究，并且还提出利用大规模现场可编程逻辑门阵列器件进行硬件实现的基本思路。