基于NN-GA的优化设计方法

针对优化设计中,传统的建模方法无法建立复杂系统的精确模型和传统优化算法无法获得满意优化效果的问题,将神经网络(NN)和遗传算法(GA)应用到设计中,构成一种基于NN-GA的优化方法.利用神经网络建立系统的数学模型,用遗传算法对参数进行优化,得出系统的最优值,并经过计算实例验证取得了较好效果.     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

基于GA-ANN的非线性半参数建模方法

为结合参数模型与非参数模型各自的优势,提高建模精度,将非线性半参数模型引入到工业过程建模中.提出基于遗传算法和神经网络的非线性半参数模型的建模方法及结构方案,并给出同时估计参数模型部分和非参数模型部分的交叉循环迭代的算法步骤.对算法中的神经网络的设计和遗传算法进行了改进研究,重点讨论了在增加精英保留策略、增加算法的记忆功能、提出新的适应度计算方法和交叉变异策略等方面的改进措施.采用聚乙烯装置的现场工业数据对方法的有效性进行了验证.结果表明：半参数模型比传统的参数模型有更好的预测精度,并能够较好地跟踪过程变化.     

基于APSO-BP耦合算法的岩体力学参数反馈研究

提出了基于自适应粒子群优化(APSO)与误差反向传播(BP)神经网络耦合反馈分析模型(APSO-BP).模型实现对网络结构、权重、阈值的同时优化,借助自适应粒子群算法全局优化能力强、收敛速度快的特点,提高了模型运算效率.采用Schaffer基准函数对该模型和传统遗传算法、BP神经网络、粒子群与BP神经网络组合算法进行测试对比.结果表明该模型更为优越.应用该模型对索风营水电站地下岩体力学参数进行反馈分析,计算位移值与实测值吻合较好,平均误差0.22 mm.     

遗传算法优化模糊神经网络的入侵检测模型

针对目前大多数的入侵检测系统存在的局限性,依据通用入侵检测框架CIDF,提出了一种利用遗传算法优化网络参数的基于模糊神经网络的入侵检测模型,分析了入侵模糊特征、模糊神经网络的学习优化问题,给出了此模型中模糊神经网络模块的训练算法．仿真实验结果表明,该检测算法可以有效地进行入侵检测,检测效率达到95％以上．     

基于最小二乘支持向量机的时变信道建模

基于2.55 GHz市区微蜂窝多输入多输出信道实测数据,将机器学习中的最小二乘支持向量机（LS-SVM）算法应用于时变信道参数的建模中,建立了基于遗传算法（GA）优化的LS-SVM信道参数预测模型,对信道参数如时延扩展、接收端的水平角度扩展和垂直角度扩展的数据特征进行了学习,并实现了准确预测;同时通过与反向传播神经网络模型以及传统的LS-SVM模型进行比较,验证了算法的有效性.基于GA优化的LS-SVM模型能够在有限数据量下对信道参数的变化有着良好的适应性,可实现非线性时变信道参数的准确预测.     

基于神经网络与遗传算法的结构优化设计方法

从神经网络和遗传算法的原理出发,利用遗传算法和神经网络相结合的策略对结构参数进行优化.在确定结构优化的目标函数和设计变量集合的基础上,用神经网络学习算法建立货架结构设计参数与结构重量、结构最大应力、最大位移等的非线性全局映射关系,获得遗传算法求解结构优化问题所需的目标函数,用遗传算法进行优胜劣汰的寻优搜索运算,从而求出所需最优解.以货架结构的优化为例说明了上述方法的应用.遗传算法和神经网络的优化结果是在正交设计法确定的训练样本足够大的基础上得出的,具有较强的可靠性.     

一种无监督学习型神经网络的无人机全区域侦察路径规划

针对不确定信息条件下的无人机全区域侦察路径规划问题,提出了一种基于遗传算法的神经网络无监督学习方法.构建了环境模型、无人机模型与评价指标,并建立了无人机全区域侦察路径规划的神经网络模型.在此基础上,考虑到路径规划神经网络训练样本难以获取的问题,采用遗传算法对神经网络参数的无监督训练进行了优化.相对于传统方法,文中构建的...     

基于神经网络集成的挥发分近红外回归模型

针对煤炭光谱特征信息分散的现象,提出了基于神经网络集成的挥发分近红外回归模型.该模型引入集成学习的思想,综合SOM,RBF,BP和Elman神经网络学习算法的优势,通过求各子模型的输出均值获得最终的预测结果.为了减小因算法参数设置不当而引起的学习误差,根据各网络算法的特点,利用经验知识、交叉验证和遗传算法优化模型参数.研究结果表明:经相同算法优化后,集成学习模型的性能明显优于单一神经网络,其最大误差小于3%,比单一神经网络小1～2倍.该方法有效地提高了模型的学习精确度,且具有较好的泛化性,适用于复杂多变的非线性煤质近红外回归问题.     

基于自适应GA-ANN的拉延筋阻力优化

以某汽车的侧壁板的拉深成形为例,研究了基于神经网络的拉延筋阻力(DBRF)的优化和拉延筋反向设计方法.以反映拉深成形效果的参数最大等效应力、最大等效应变和板厚最大减薄率作为神经网络的输入参数,记为:x1,x2,x3.以拉延过程中不同位置拉延筋的拉延阻力为输出参数,利用Dynaform进行有限元分析,为神经网络提供训练样本,利用训练好的神经网络模型对给定的成形性能指标进行计算,从而获得了优化的拉延筋阻力分布状态,表明根据等效拉延筋阻力的解析模型结合优化算法可以反求拉延筋几何参数.为了克服BP算法训练神经网络具有收敛速度慢和易于陷入局部最优的缺陷,采用遗传算法(GA)训练神经网络,以提高网络计算精度.针对简单遗传算法(SGA)采用固定交叉率和变异率在处理非线性问题时效果不好的缺陷,作者在进行遗传运算时采用自适应交叉率和变异率,组成自适应GA-ANN以提高训练算法的收敛速度和求解精度.有限元仿真实验证明,通过这种方法进行DBRF优化有利于提高板料的成形质量和稳定性,利用该方法获得的设计参数可以对实际设计起到重要的指导作用.     

用优化参数降低芳烃抽提过程中丁烷的损耗量

针对如何降低芳烃抽取过程中的丁烷消耗问题，提出优化过程操作参数的解决方法．其中优化问题的模型用人工神经网络来描述，优化方法采用遗传算法．介绍了人工神经网络建模的过程和遗传算法寻优的步骤．     

Optimization of Processing Parameters of Power Spinning for Bushing Based on Neural Network and Genetic Algorithms

A neural network model of key process parameters and forming quality is developed based on training samples which are obtained from the orthogonal experiment and the finite element numerical simulation. Optimization of the process parameters is conducted using the genetic algorithm (GA). The experimental results have shown that a surface model of the neural network can describe the nonlinear implicit relationship between the parameters of the power spinning process:the wall margin and amount of expansion. It has been found that the process of determining spinning technological parameters can be accelerated using the optimization method developed based on the BP neural network and the genetic algorithm used for the process parameters of power spinning formation. It is undoubtedly beneficial towards engineering applications.     

基于 ANN 的 FMS 故障诊断模型及其学习算法

讨论了基于前馈型神经网络的ＦＭＳ故障诊断模型，并提出一种用于前馈型神经网络训练的改进ＢＰ算法和基于遗传算法的网络初始点获取策略，给出一种通用前馈型神经网络结构和学习参数自整定学习算法，最后应用上述方法建立了基于前馈型神经网络的ＦＭＳ机器人故障诊断模型，并用所提出的新的学习算法对网络进行了学习，与传统ＢＰ算法比较，学习速度较快，且不易陷入局部极小点     

Optimization of Process Parameters for Cracking Prevention of UHSS in Hot Stamping Based on Hammersley Sequence Sampling andBack Propagation Neural Network-Genetic Algorithm Mixed Methods

In order to prevent cracking appeared in the work-piece during the hot stamping operation, this paper proposes a hybrid optimization method based on Hammersley sequence sampling (HSS), finite analysis, back-propagation (BP) neural network and genetic algorithm (GA). The mechanical properties of high strength boron steel are characterized on the basis of uniaxial tensile test at elevated temperatures. The samples of process parameters are chosen via the HSS that encourages the exploration throughout the design space and hence achieves better discovery of possible global optimum in the solution space. Meanwhile, numerical simulation is carried out to predict the forming quality for the optimized design. A BP neural network model is developed to obtain the mathematical relationship between optimization goal and design variables, and genetic algorithm is used to optimize the process parameters. Finally, the results of numerical simulation are compared with those of production experiment to demonstrate that the optimization strategy proposed in the paper is feasible.     

GA优化的RBF神经网络外骨骼灵敏度放大控制

为改善外骨骼机器人灵敏度放大控制(SAC)性能,结合遗传算法(GA)与径向基函数(RBF)神经网络建立在线计算外骨骼机器人的精确动力学模型.用GA优化RBF神经网络的中心矢量与基宽度,并对RBF网络的权值实时更新,在线学习外骨骼机器人动力学模型中的参数矩阵,进一步推导出SAC控制律.仿真结果表明:GA优化后的RBF网络,可以在线学习外骨骼的动力学模型,基于该模型的SAC能够实现精确的人体轨迹跟踪,相比于优化前,人体轨迹跟踪误差以及人机交互信息会快速减小并收敛到0的微小邻域内,可实现人机协调运动.     

基于遗传小波网络的舰船购置费预测研究

为克服人工神经网络算法的缺陷，将遗传算法、小波分析、人工神经网络结合起来，用遗传算法来学习小波网络层间的权值、尺度函数和位置函数；建立了基于遗传小波网络的舰船购置费预测模型。实验表明：该模型具有较高的预测精度。     

基于MWGANN模型的旋转机械趋势预测

为保证旋转机械注水泵机组安全、稳定运行,应采用合适的预测模型对其状态评定参数进行预测。提出基于均值函数新息加权的遗传算法优化神经网络预测模型(MWGANN模型),用此模型能够优化神经网络结构参数,并可利用时间序列数据新旧程度的不同提高预测的精度和实时性。工业现场采集大型旋转注水泵机组振动烈度时间序列数据,应用MWGANN模型和基于人工经验设定神经网络结构参数的模型分别对其进行预测并比较,结果表明MWGANN模型在预测精度、预测实时性方面取得了较好的效果。     

氧乐果合成反应温度的模糊神经网络控制方法

氧乐果合成反应温度控制过程具有参数时变、非线性、大滞后等特点,采用传统的控制方法难以达到预期的控制效果。针对此问题,文章设计了基于遗传算法的模糊神经网络控制器。首先确定与模糊系统结构等价的神经网络,从而将模糊控制规则和隶属函数的参数搜索优化问题转化成网络参数优化问题;其次利用改进的遗传算法实现网络参数快速全局寻优,从而提高控制器性能。仿真结果表明,优化后模糊神经网络控制器对一类具有参数时变、时滞、非线性的系统具有良好的控制性能。