基于遗传算法的压气机叶片的多目标三维优化

为了提高轴流压气机的效率,需要研究一种新的高性能的转子叶片.采用人工神经网络与遗传算法寻优相结合的方法对某单级轴流压气机亚音速叶片进行三维叶片型线优化设计.优化目标是尽可能的提高转子叶片的总压比、流量和等熵效率.优化仿真结果显示,流动分离区明显后移,损失显著降低,等熵效率提高了0.48%,同时总压比和流量也都得到了提高,优化叶片的气动性能较原型叶片明显提高.结果表明,优化方法能很好的完成亚音速叶片的优化设计,是获得低损失高效率性能的叶片的有效途径.     

基于人工神经网络的轴流压气机可调导叶系统辨识

本文针对低速轴流压气机,采用神经网络方法辨识不同导叶角度时流量与压气机效率之间的关系,给出了详细的辨识过程,采用神经网络BP算法辨识出流量和效率的关系,结果表明,辨识效果良好,能够很好的获得相同转速下不同流量时最大效率所对应的最优导叶角度,而且不同导叶角度时,流量的范围也不同,为实现在线闭环控制提供解决思路。     

网络流量组合预测模型研究

研究优化网络管理系统,高精度的短期负载预测对提高网络性能和服务质量意义重大.为了解决各种传统的单一预测方法在网络流量预测中存在不能有效利用资源的问题,提出了一种BP神经网络最优组合的预测方法.将单一预测方法所得到的预测值作为BP神经网络的输入样本,相应历史流量数据的实际值作为样本的输出,经过样本训练达到期望精度,应用BP神经网络模型进行预测.仿真实验结果表明,新模型具有良好的预测效果,比传统的单一预测模型具有更高的预测精度和更好的自适应性.     

基于BP神经网络的涡扇发动机机载模型

针对发动机机载的工程需求,利用BP神经网络建立一种涡扇发动机机载模型。本文利用部件级模型建立起两个部件“输入参数-输出参数”数据集,并采用BP神经网络算法对数据集进行训练,建立足以替换部分旋转部件和全部尾喷管的BP神经网络。并在设计点状态对建立的机载模型进行仿真验证,结果表明,风扇部件离线神经网络模型较热力学模型节省约40%的耗时,压气机部件离线神经网络模型较热力学模型节省约50%的耗时,尾喷管部件节省耗时达70%以上。在精度比较上,离线建立的神经网络输出与基于气动热力学建立的部件级模型基本精度一致,具有一定的实际使用价值。     

跨音级轴流压气机转子轮毂非轴对称造型研究

关于优化提高压气机效能问题,由于压气机通道的二次流流动会造成流动损失,引起效率下降.为了解决上述问题,通过改变轮毂端壁结构,可以控制二次流流动,以提高压气机效率.采用人工神经网络及遗传算法的叶轮机械三维优化建模方法,使在最高效率工况下可以保持流量不变,压比不低于优化前.对压气机转子轮毂结构进行了优化,得到新型非轴对称端壁结构,并进行仿真.结果表明,降低了转子通道内的相对总压损失,抑制了下游静叶角区分离,可使压气机提高效率,并能有效控制端壁附近的流动损失,提高压气机效率.     

基于最小熵产的飞机环境控制系统优化分析

针对飞机环境控制系统的优化分析问题,提出采用以热力学第二定律为基础的熵产分析方法。选取起飞、加速爬升和高空超音速巡航为设计点,以系统熵产最小为目标函数,将热交换器效率、压气机和涡轮压力比、引气质量流量作为设计变量,建立优化模型。在优化计算结果的基础上分析设计变量对系统熵产的影响,该分析结果对飞机环境控制系统的优化设计具有一定指导作用。     

基于多遗传算法的BP神经网络人脸识别

人脸识别应用十分广泛,在实际问题中较高的识别率十分重要,其中BP神经网络模型广泛用于人脸识别.然而在现实应用中,BP神经网络结构和权值阈值的选取往往依靠经验值,这使得BP神经网络存在容易陷入局部最优和收敛速度慢等问题。针对该问题,提出了一种基于多遗传算法优化BP神经网络结构和权值阈值的人脸识别方法。利用主成分分析算法对人脸图像进行降维,快速独立成分分析算法对人脸图像进行特征提取,以组合算法的方式使得处理后的人脸图像特征更加明显。通过第一层遗传算法优化BP神经网络的结构,第二层遗传算法优化BP神经网络的权值阈值,以此解决BP神经网络陷入局部最优和收敛速度慢等问题。基于ORL人脸库进行仿真验证,实验结果表明该算法具有较高的识别率。     

双转子涡喷发动机气动性能优化控制研究

航空发动机的控制规律作用巨大,它决定了发动机能否获得设定的稳态工作下性能指标,同时保证工作过程中的压气机和涡轮的气动稳定性;双转子涡喷发动机气动性能优化控制的目的就是有效地挖掘发动机的使用潜力;研究方法采用部件特性法对发动机进行稳态建模,并针对某双转子涡喷发动机的稳态模型进行三种不同稳态控制规律下的仿真,得到发动机性能参数的不同变化趋势,并对其进行了详细的分析;结果表明:保持低压转子转速不变的情况下,随着压气机进口总温的增加,高压转子转速上升,涡轮前温度升高,发动机推力增加;保持涡轮前温度不变的情况下,随着压气机进口总温的升高,低压压气机气动负荷变重,低压转子转速降低;高压转子转速也下降,但是下降幅度很小;燃油流量增加;保持高压转子转速不变的情况下,随着压气机进口总温的升高,燃油流量有一定的增加,低压转子转速有所降低;推力受多重因素的影响,推力值变化趋势较为复杂。     

铜转炉生产操作模式智能优化

为了提高铜转炉的操作水平,采用操作模式来描述一组需要在线决策的一组操作参数,提出了基于神经网络和带混沌变量的混沌遗传算法的铜转炉生产过程操作模式智能优化方法.首先,从历史样本集中筛选优化的样本;然后采用BP(Back-Propagation)神经网络来学习优化样本集的优化目标与工艺参数的函数关系;最后采用带混沌变量的混沌遗传算法来寻求优化的操作模式.将该方法应用到铜转炉操作参数的实时优化,工业现场运行结果表明,该方法使转炉产量提高了6%,冷料处理量提高了7.8%.     

高负荷跨音速轴流压气机的叶型优化设计

研究轴流压气机优化设计问题,在高负荷跨音速轴流压气机相应的叶型优化设计工作中,针对压气机等熵效率过低,由于转子叶顶通道出现流动分离,导致损失过大。为提高等熵效率,结合人工神经网络与遗传算法对压气机转子的吸力面50%叶展以上叶型进行调整。优化后的新叶型可以有效地改善叶顶流动结构,抑制分离,在总压比基本不变的情况下使压气机峰值效率提升约1.7试验证明,叶型优化设计有显著效果,同时也指出了单一优化方案的局限性。     

压气机叶片扭曲规律的多目标三维气动优化

为了提高轴流压气机的等熵效率和总压比,采用基于人工神经网络及遗传算法的叶轮机械叶片三维优化设计方法,开发了一种高性能的动叶片。优化目标是在流量不减小的情况下,尽可能的提高转子叶片的总压比和等熵效率。优化仿真结果显示,优化后所获得的扭曲叶片可以有效地改善叶根处的流动分离,流动分离区明显后移,损失显著降低,在整个工作范围,等熵效率提高了1.27%-7.08%,流量和总压比也都得到了大幅度的提高。结果表明,对亚音叶片进行扭曲规律优化效果很明显,优化方法是获得高性能转子叶片的有效途径。     

基于灰色神经网络的烧结矿碱度组合预测

针对钢铁生产过程中烧结矿碱度检测的难题,利用灰色预测的GM(I,1)模型与BP神经网络进行组合,建立了灰色神经网络的烧结矿碱度组合预测模型,选取10W与矿碱度有关的输入变量,对这些变量分别进行灰色GM(1,1)预估,再进行BP神经网络预测,获得烧结矿碱度预测结果,仿真结果的相对误差小于0.005%.     

布谷鸟搜索算法优化BP神经网络的网络流量预测

为了提高预测精度,提出一种布谷鸟搜索算法优化BP神经网络的网络流量预测模型(Cuckoo Search BP neural network Flow Prediction,CS-BPNN)。根据混沌理论建立网络流量学习样本,采用BP神经网络对学习样本进行训练,将模型参数当一个鸟巢,通过模拟布谷鸟寻窝产卵的行为找到最优模型参数,最后采用网络流量数据进行仿真实验,测试模型性能。仿真实验表明:所提出模型较好的解决了BP神经参数优化问题,能够获得更加理想的网络流量预测结果。     

基于BP神经网络的红外目标识别技术

论文主要研究的是基于BP神经网络的红外目标识别技术,红外目标的检测识别是红外搜索与跟踪系统、精确制导系统、红外预警系统等的一项核心技术.论文重点是介绍对空中飞机目标的识别,空中目标识别是防空作战辅助决策的关键环节之一.根据红外目标的各种属性,提取构建样本特征库,从而建立基于BP神经网络原理的空中目标识别模型.利用BP神经网络的训练函数采集样本特征数据,得到稳定的权值和阈值,为后续的目标识别分类提供依据.该模型主要利用神经网络的记忆、联想、容错功能,进一步提高目标识别的稳定性和可信度,降低了个别误判而造成目标识别错误的概率.     

基于粒子群算法的BP神经网络在催化裂化反应再生过程中的应用

催化裂化反应再生装置是一个高度非线性、强耦合的系统,工艺的复杂性使对其难以建立准确模型。基于BP神经网络强大的自适应、自学习、泛化和非线性映射能力,以加工负荷、操作条件为输入变量,柴油产出为输出变量,建立5-11-1的BP神经网络结构的催化裂化反应再生过程柴油产出关于加工负荷,操作条件的模型。然后利用粒子群算法寻优BP神经网络初始最优权值和阈值,提高神经网络的预测精度。结果证明:基于PSO-BP神经网络的催化裂化反应再生过程的预测模型在预测精确度比未经优化的BP神经网络大大提高。     

优化的BP网络在抽油井故障诊断中的应用研究

抽油井故障诊断系统是油井系统产量的关键,为了更好更快地对当前油井系统进行诊断以保证石油的产量,人们利用各种各样的技术来完成这一目标。BP神经网络技术就是新兴的油井故障诊断手段之一,但是由于其容易陷于局部最优解、收敛速度慢以及泛化能力差等缺点,运用融入免疫算法浓度概念的遗传算法对BP神经网络进行优化,并将优化后的BP神经网络算法应用于抽油机现场的故障诊断过程中,结果显示优化后的BP算法有更高的诊断率,更快的运行速度,因而优化后的BP算法的寻找全局最优点的能力更强,收敛速度更快。     

基于SAPSO-BP神经网络的井下自适应定位算法

针对基于传统BP神经网络的井下定位算法存在收敛速度慢、易形成局部极值、在煤矿井下强时变性电磁环境中定位误差大等问题,提出了一种基于模拟退火思想的粒子群优化算法加BP神经网络(SAPSO-BP)的井下自适应定位算法。采用SAPSO算法优化BP神经网络的初始权值和阈值,以加快训练收敛速度,使之到达全局最优;通过安装在井下巷道中的无线校准器采集目标点接收信号强度指示(RSSI)值,采用自适应动态校准方法对RSSI值进行实时校准,以减小强时变性电磁环境对定位精度的影响;最后利用SAPSO-BP神经网络估算出目标点位置坐标。实验结果表明,该算法的定位误差在2m内的置信概率为77.54%,平均误差为1.53m,定位性能优于未校准SAPSO-BP神经网络算法、PSO-BP神经网络算法、BP神经网络算法。     

薄壁管抗撞性能的多目标结构优化

以交通工具中部分锥形薄壁方管的安全装置作为研究对象,建立以薄壁管在碰撞过程中吸收能量最大化,比吸能最大化和初始碰撞力峰值最小化为多目标的优化问题.用锥形部分的几何参数作为设计变量,在保证不降低薄壁管吸能能力的情况下,通过对其结构的优化达到初始碰撞力峰值最小化的目的.论文采用有限元软件LS-DYNA得到不同几何参数模型的碰撞信息,用响应面法构造近似函数,同时引入权系数以表征各个目标在优化问题中的重要程度,并采用理想点法求解多目标优化问题,分析了锥形薄壁方管各几何参数对结构的能量吸收、比吸能和初始碰撞力峰值的影响,最终得到了给定权系数下的最优模型.     

城市道路单路口交通信号实时控制仿真设计

利用滞留车辆与绿信比的关系建立了以最短等待时间为优化目标的数学模型,并通过免疫遗传算法得到点上最优解,将混沌交通流序列再引入点问题模型中,运用指数平滑预测模型为BP神经网络模型提供学习所需数据,从而得到混沌交通流序列的实时配时方案。     

基于小波降噪和改进免疫优化的BP模型网络流量预测

为了实现大规模复杂网络的流量预测,并改善传统BP网络预测模型存在的收敛速度慢和容易陷入局部最优的缺陷,提出了一种基于小波降噪和改进人工免疫优化BP神经网络的网络流量模型;首先,描述了网络流量预测的基本原理;然后,采用小波包降噪法对网络流量原始采样序列进行降噪处理,在此基础上定义了采用BP网络进行网络流量预测的算法,在确定了神经网络的结构后,采用训练数据和改进的人工免疫优化算法对BP网络中的参数即权值和阀值进行优化,从而得到最终的BP网络流量预测模型;最后,采用1 800组样本中的1 200组训练数据对网络进行训练后得到最终的BP网络模型,再采用剩余的600组测试数据进行流量预测;实验结果证明结合人工免疫算法和BP网络的网络流量预测模型能实现大规模复杂网络的流量预测,且较传统方法相比,具有收敛速度快、训练时间短和预测精度高的优点。