基于BP神经网络和遗传算法的钢丝拉拔优化设计

针对钢丝在拉拔成形后表面轴向残余应力过大的问题,建立有限元模型,并确定钢丝拉拔过程变量优化范围;利用正交试验法确定网络训练样本,根据变量设计安排各因素及水平,组成L25(55)正交表;利用ANN的高度非线性映射能力建立拉拔过程参数与钢丝表面最大轴向残余应力映射模型,同时将神经网络与遗传优化算法相结合。优化后摩擦因数为0.09,工作锥角为8°,定径带长度为0.66 mm,部分压缩率为4%,拉拔速度为3 820mm/s,在此组合参数下,采用FEM计算表面轴向残余应力为65.37 MPa,神经网络预测结果为67.58 MPa,模拟结果相对误差为3.5%;相对于正交试验中平均轴向残余应力202.1 MPa,降低67.6%,优化效果明显,显著降低了钢丝的表面轴向残余应力。     

基于路面识别的电磁混合式悬架自适应模糊控制EI北大核心CSCD

为改善不同路面等级上主动悬架动态性能与馈能特性适应性差的问题,设计了一种基于路面等级识别的电磁混合式悬架自适应模糊控制。采用天牛须搜索(beetle antennae search, BAS)算法优化了神经网络权值阈值,建立了BAS-BP(beetle antennae search-back propagation)路面识别模型;设计了自适应模糊PID(proportional integral derivative)控制器,针对不同路面等级设计了三种目标函数并引入了主动力反馈调整论域;仿真分析了悬架动态性能与馈能特性,并进行了台架试验。仿真结果表明,相比于模糊PID控制,自适应模糊控制的悬架系统在A级、B级路面簧载质量加速度均方根值分别降低了13.28%、13.84%,在B级、C级、D级路面轮胎动载荷均方根值分别降低了9.09%、16.07%、15.54%,并实现了42.8 W的振动能量回收。试验结果表明,与仿真分析相比,各路面等级上时域、频域的相对误差均在16%以内,验证了仿真结果的正确性和系统的实用性。