基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化 |
| |
作者姓名: | 付涛 王大镇 弓清忠 张文光 |
| |
作者单位: | 集美大学机械工程学院,福建厦门,361021 |
| |
基金项目: | 福建省产学研重大项目资助,福建省自然科学基金计划资助项目 |
| |
摘 要: | 文章针对传统的机械零件多目标优化算法的不足,提出了一种基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化设计方法,该方法首先利用Workbench对零件进行分析得到实验数据,然后用改进型BP神经网络对实验数据进行训练并建立起多目标优化的模型,采用NSGA-Ⅱ遗传算法对模型进行多目标优化.结果表明,在满足优化零件使用条件的情况下,运用该方法求得质量的相对误差最大为11%,变形的相对误差最大为3.36%,验证了该方法的有效性和可靠性.并将该方法得出的结果与传统Workbench得出的多目标优化结果进行了比较,证明了该方法优于传统Workbench优化方法.
|
关 键 词: | BP神经网络 NSGA-Ⅱ遗传算法 多目标优化 |
本文献已被 万方数据 等数据库收录! |
|