机械优化设计的 Hopfield 神经网络算法

迄今为止,Ｈｏｐｆｉｅｌｄ网络主要应用于线性规划、组合优化等问题的求解,在机械优化设计领域的应用尚不多见。本文阐述了Ｈｏｐｆｉｅｌｄ网络求解机械优化问题的基本原理,探讨了其在机械约束优化问题求解中的适用性。计算实例表明,Ｈｏｐｆｉｅｌｄ网络应用于机械优化设计领域是有效的,特别适合于大规模复杂机械系统优化问题的求解。     

基于模拟退火算法优化分析与研究

通过对模拟退火算法(简称SA)的机理与流程分析,找出其优点与缺点,指出了决定SA优化结果的关键因素,给出了设计原则和方法及改进方式,并设计出一种对退火过程和抽样过程进行修改的两阶段改进策略;还根据SA的发展趋势,分析了SA并行设计的意义和可行性,给出了三种可行的并行SA设计方案;最后,针对TSP问题和状态产生函数,设计了优化问题的改进方案.     

基于Hopfield神经网络的滚动轴承优化设计方法

在分析论述Hop fie ld神经网络优化原理的基础上,提出了应用Hop fie ld神经网络优化原理对滚动轴承结构尺寸进行优化设计的方法。算例结果表明优化得到的设计优于经验设计,是一种有效的滚动轴承优化方法。     

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DE算法的双波长光纤F-P传感系统结构优化

DE算法全局搜索能力强,收敛速度快,鲁棒性好,易于使用,能有效的解决复杂优化问题。针对光纤F-P传感器易偏离工作点问题,提出了双波长稳定技术,建立双波长稳定系统的数学优化模型,采用DE算法进行结构优化。结果表明,DE算法能在较短的运行时间内得到全局最优解,优化目标下降98.375%;证明该算法正确可行,高效可靠,能很好的用于光纤F-P传感器的结构优化设计。     

基于Hopfield神经网络的单级直齿圆柱齿轮减速器优化设计

提出了应用Hopfield神经网络优化原理对圆柱齿轮结构尺寸进行优化设计的方法.算例结果表明,此优化方法效果显著,较其他优化方法提高了优化程度和稳定性,是解决有约束、非线性优化问题的有效方法.     

基于微分进化算法的双波长光纤F-P传感系统结构优化

针对光纤法布里-珀罗(F-P)传感器在实际应用中易偏离工作点,造成输出信号衰减,信噪比降低问题,提出了双波长稳定技术,建立了双波长稳定系统的数学优化模型.采用全局搜索能力强,收敛速度快,鲁棒性好,能有效解决复杂优化问题的微分进化算法(DE)进行了全局结构优化.结果表明,DE算法能在较短的运行时间内得到全局最优解,误差＜10-3,优化目标下降了89.46%,且运行时间有所减少;证明该算法正确可行,高效可靠,为光纤F-P传感器的结构优化设计提供了实验基础.     

基于改进型Hopfield神经网络的潜污泵故障诊断方法

为了实现对潜污泵运行时的故障问题进行精准诊断,提出一种改进型Hopfield神经网络(HNN)故障诊断方法。利用BP神经网络进行编码操作,克服HNN神经网络的编码缺陷,并通过粒子群优化算法(PSO)对HNN神经网络连接权值进行优化,提高改进型神经网络的全局收敛能力,得到改进型HNN神经网络模型。基于现场实验,获得潜污泵故障运行时的振动信号特征向量,将特征向量作为样本数据对改进型神经网络进行训练,并对潜污泵的故障类型进行诊断。研究结果表明:改进型HNN神经网络全局收敛能力较好,对潜污泵典型故障的诊断准确率达到90%以上,可以实现对潜污泵运行时的故障进行精确诊断。     

小波分析在结构优化中的应用

简要介绍了小波算法,利用它在奇异性检测中的优越性,将其引入到结构优化设计的算法中,并详细分析了基于小波分析的结构优化的原理。通过算例表明,小波算法可以较好地求得结构优化中的全局最优解或最佳初始迭代点。     

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。     

微粒群优化倒立摆神经网络控制器设计研究

将微粒群算法和多层前馈神经网络相结合,提出了一种利用微粒群算法代替BP算法训练多层前馈神经网络权值,以实现神经网络控制的方法,并对非线性模型的辨识问题和一级直线倒立摆的控制问题进行了仿真研究。仿真实验表明：微粒群算法在神经网络控制及非线性模型辨识方面效果良好,具有良好的应用前景。     

车辆悬架阻尼的神经网络优化设计与试验研究

建立了整车八自由度模型,提出了一种车辆悬架阻尼的神经网络优化设计方法。以某汽车为例,采用径向基函数神经网络对后悬架的阻尼进行了优化。在可调减振器的设计基础上,分别对车辆阻尼优化前后进行了试验,分析了车身与驾驶员座椅处的振动特性,计算与试验基本吻合。结果表明,阻尼优化后的车辆平顺性得到明显改善,为半主动悬架及控制系统的进一步研究奠定了基础。     

基于BP网络和Pareto遗传算法的多目标协同优化

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．、     

基于遗传算法的机床主轴动态特性优化设计

机床主轴的设计除了要考虑其强度和刚度外,尚须考虑其动态特性。机床主轴的动态特性设计可归结为特征值反问题的求解。本文研究了基于人工神经网络和遗传算法的机床主轴动态特性结构优化设计的求解方法,利用人工神经网络实现机床主轴动态特性的近似分析,借助遗传算法实现给定固有频率下的最小重量设计。计算结果表明了该方法的有效性。     

基于离散型Hopfield神经网络的供应商评价模型

供应商评价是供应链管理中一项重要的研究内容，为此，提出并建立了一种基于离散型Hopfield神经网络的供应商评价模型。该模型结合层次分析法，实现了采购供应链中供应商的多指标评价，提高了供应商选择过程的客观性；根据评价指标权重对神经元分组，克服了离散型Hopfield神经网络难以表达指标权重的缺点；最后，用实例对模型进行了验证。     

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。     

基于模糊理论、遗传算法和神经网络的切削参数混合智能优化

提出一种基于模糊理论、遗传算法和神经网络的混合智能优化技术,给出优化目标的优化数学模型,详细叙述了遗传算法的寻优过程,模糊理论的应用及神经网络的训练和学习获取优化切削参数的技术,并给出各种优化目标下的切削参数混合智能优化与普通搜索方法的对比实例。     

基于神经网络的智能叶片优化设计系统的研究

为给叶轮机械叶片设计人员提供一个操作灵活、专业性强、功能齐全的叶片设计软件，应用神经网络技术开发了一套具有智能化功能的叶片优化设计系统。利用某三级轴流压气机静子叶片2以及某两级风扇压气机转子叶片2的叶片优化改型设计对软件进行了验证，优化设计前后两个叶片流场气动性能的对比分析结果表明，该软件界面友好，功能齐全，具有一定的智能功能，能够满足叶片设计以及优化设计的基本要求。