BP神經(jīng)網(wǎng)絡(luò)的冗余驅(qū)動串并聯(lián)機(jī)構(gòu)結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計(jì)

從bp網(wǎng)絡(luò)的工作原理出發(fā),利用多水平正交表選取bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練樣本,通過正向傳播和誤差反向傳播建立bp網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)。對二級減速器bp網(wǎng)絡(luò)模型進(jìn)行了結(jié)構(gòu)修正與優(yōu)化計(jì)算。實(shí)驗(yàn)表明在機(jī)械優(yōu)化設(shè)計(jì)領(lǐng)域針對實(shí)體結(jié)構(gòu)的動態(tài)分析計(jì)算,采用bp神經(jīng)網(wǎng)絡(luò)可以提高了優(yōu)化收斂速度和精度,這表明神經(jīng)網(wǎng)絡(luò)理論與傳統(tǒng)的數(shù)值方法相結(jié)合的方法具有重要的現(xiàn)實(shí)意義。

應(yīng)用基于人工神經(jīng)網(wǎng)絡(luò)技術(shù)和正交試驗(yàn)法結(jié)合的優(yōu)化方法,本文對座便器虹吸管道結(jié)構(gòu)參數(shù)進(jìn)行了優(yōu)化設(shè)計(jì)。作者運(yùn)用計(jì)算流體動力學(xué)仿真技術(shù)得到樣本,在matlab環(huán)境中建立神經(jīng)網(wǎng)絡(luò)模型,并通過正交試驗(yàn)得到新樣本,最終建立神經(jīng)網(wǎng)絡(luò)模型,代替數(shù)值模擬,并對虹吸管道進(jìn)行了優(yōu)化。結(jié)果表明,將cfd數(shù)值模擬、正交試驗(yàn)、神經(jīng)網(wǎng)絡(luò)三者結(jié)合用于座便器虹吸管道的基本結(jié)構(gòu)參數(shù)設(shè)計(jì)中,可以縮短優(yōu)化時(shí)間,提高設(shè)計(jì)效率。

針對傳統(tǒng)方法單獨(dú)采用bp神經(jīng)網(wǎng)絡(luò)算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò),并將其應(yīng)用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,用遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始值,使bp網(wǎng)絡(luò)快速收斂到最優(yōu)解,避免了由初始值的隨機(jī)選取而帶來的檢測誤碼。仿真結(jié)果表明所提出的方法在誤碼率方面有比較好的性能。

綜合利用有限元法、正交試驗(yàn)法、bp神經(jīng)網(wǎng)絡(luò)以及遺傳算法對大重型數(shù)控轉(zhuǎn)臺的花盤結(jié)構(gòu)系統(tǒng)進(jìn)行優(yōu)化研究。首先對花盤結(jié)構(gòu)系統(tǒng)進(jìn)行諧響應(yīng)動力學(xué)分析,找出對結(jié)構(gòu)動態(tài)特性影響最大的模態(tài)頻率,并確定bp神經(jīng)網(wǎng)絡(luò)的輸入變量,然后利用正交試驗(yàn)法和有限元分析法確定出bp神經(jīng)網(wǎng)絡(luò)樣本點(diǎn)數(shù)據(jù),建立反映花盤結(jié)構(gòu)特性的bp神經(jīng)網(wǎng)絡(luò)模型,最后利用遺傳算法對建立的bp神經(jīng)網(wǎng)絡(luò)優(yōu)化。仿真結(jié)果表明,花盤第一階固有頻率提高15.5%,其自重降低9.8%。

應(yīng)用人工神經(jīng)網(wǎng)絡(luò)與單純形優(yōu)化算法相結(jié)合的方法,對一種新型組合式非周期性缺陷接地結(jié)構(gòu)(cnpdgs)進(jìn)行優(yōu)化設(shè)計(jì)。與電磁場數(shù)值分析方法相比,以神經(jīng)網(wǎng)絡(luò)模型作分析單元,可以在保證精度的基礎(chǔ)上大大提高分析速度,因此在優(yōu)化設(shè)計(jì)中可用來替代fdtd分析方法作為結(jié)構(gòu)分析的計(jì)算單元。本文中以所要求的傳輸系數(shù)為期望目標(biāo),以可以使誤差函數(shù)達(dá)到極小化的結(jié)構(gòu)尺寸為輸出,經(jīng)單純形優(yōu)化算法尋優(yōu),進(jìn)行該具有雙阻帶特性cnpdgs的優(yōu)化設(shè)計(jì)。仿真設(shè)計(jì)和實(shí)驗(yàn)的對比結(jié)果表明了這一方法的有效性。

使用pcl(patrancommandlanguage)實(shí)現(xiàn)了patran環(huán)境下的機(jī)翼參數(shù)化模型。其優(yōu)化模型包含兩類設(shè)計(jì)變量:幾何位置變量和幾何尺寸變量。在采用nastran軟件實(shí)現(xiàn)幾何尺寸優(yōu)化的基礎(chǔ)上,結(jié)合均勻試驗(yàn)設(shè)計(jì)方法,利用神經(jīng)網(wǎng)絡(luò)的高度非線性映射功能,建立了目標(biāo)函數(shù)與位置設(shè)計(jì)變量的映射關(guān)系。在matlab環(huán)境下,編寫了使用改進(jìn)的可行方向法的優(yōu)化程序,并對翼梁位置完成優(yōu)化,最終完成了整個(gè)機(jī)翼的布局優(yōu)化設(shè)計(jì)?？梢钥闯?將參數(shù)化建模與神經(jīng)網(wǎng)絡(luò)功能結(jié)合進(jìn)行結(jié)構(gòu)優(yōu)化,能更好地發(fā)揮神經(jīng)網(wǎng)絡(luò)的映射功能,使優(yōu)化結(jié)果更加精確、高效。所提方法可以解決在patran環(huán)境下的復(fù)雜結(jié)構(gòu)位置變量優(yōu)化問題,彌補(bǔ)了該軟件的不足之處,具有很好的應(yīng)用推廣價(jià)值。

研究了人工神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)疲勞可靠性分析和結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用。結(jié)構(gòu)的疲勞壽命與各影響因素之間呈高度的非線性關(guān)系,或隱函數(shù)關(guān)系,傳統(tǒng)的結(jié)構(gòu)可靠度分析方法計(jì)算困難。采用神經(jīng)網(wǎng)絡(luò)響應(yīng)面法模擬結(jié)構(gòu)的極限狀態(tài)函數(shù)及其偏導(dǎo)數(shù),從而進(jìn)行疲勞可靠性分析,在此基礎(chǔ)上采用神經(jīng)網(wǎng)絡(luò)法對結(jié)構(gòu)進(jìn)行疲勞可靠性優(yōu)化設(shè)計(jì),通過算例說明其適用性及可行性。

闡述了基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計(jì)原理，利用神經(jīng)網(wǎng)絡(luò)的模擬退火算法對結(jié)構(gòu)優(yōu)化設(shè)計(jì)作了一些探討。通過鋼屋架結(jié)構(gòu)的優(yōu)化設(shè)計(jì)算例驗(yàn)證了神經(jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)優(yōu)化的有效性與準(zhǔn)確性。

針對傳統(tǒng)目標(biāo)威脅估計(jì)方法和bp神經(jīng)網(wǎng)絡(luò)的不足,在bp神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上,建立了基于動態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)的目標(biāo)威脅估計(jì)模型。該模型通過在權(quán)值向量更新公式中引入沖量函數(shù),加快了網(wǎng)絡(luò)的搜索速度和精度,保證了網(wǎng)絡(luò)獲得全局最優(yōu)值;通過實(shí)時(shí)調(diào)整隱含層節(jié)點(diǎn)數(shù)目,可以將網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化,極大地提升了網(wǎng)絡(luò)的靈活性。仿真結(jié)果表明,與傳統(tǒng)目標(biāo)威脅估計(jì)方法和bp神經(jīng)網(wǎng)絡(luò)相比,動態(tài)變結(jié)構(gòu)bp神經(jīng)網(wǎng)絡(luò)具有更好的預(yù)測能力和收斂速度,可以快速、準(zhǔn)確地完成目標(biāo)威脅估計(jì)。

文章論述了基于主成分分析法的bp模型結(jié)構(gòu),用新的方法來改進(jìn)科研績效評價(jià)系統(tǒng)統(tǒng)計(jì)的合理性和正確性。

針對六自由度機(jī)械臂耦合性強(qiáng)、時(shí)變、非線性等性能,基于拉格朗日動力學(xué)建模方法,文章采用bp神經(jīng)網(wǎng)絡(luò)逼近模型,實(shí)現(xiàn)高精度軌跡跟蹤。該方法根據(jù)六自由度機(jī)械臂本體采集的數(shù)據(jù)進(jìn)行黑箱辨識建模解耦,建模過程采用bp神經(jīng)網(wǎng)絡(luò)逼近,提升建模精度、簡化建模過程。針對解耦后的系統(tǒng),還需建立pid閉環(huán)控制器進(jìn)一步實(shí)現(xiàn)軌跡跟蹤控制。仿真及實(shí)驗(yàn)結(jié)果表明,基于bp神經(jīng)網(wǎng)絡(luò)的pid控制器能夠改善系統(tǒng)的魯棒性和穩(wěn)定性,并有效抑制抖動。

分析人工神經(jīng)網(wǎng)絡(luò)適用與工程結(jié)構(gòu)優(yōu)化的主要特征,建立結(jié)構(gòu)優(yōu)化設(shè)計(jì)的神經(jīng)網(wǎng)絡(luò)方法流程,討論了人工神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)優(yōu)化中的應(yīng)用,給出了十桿桁架的動力優(yōu)化實(shí)例。算例表明,神經(jīng)網(wǎng)絡(luò)求解結(jié)構(gòu)優(yōu)化問題,避免了不必要的結(jié)構(gòu)分析,減少了計(jì)算花費(fèi),提高了收斂速度。

由于地下工程巖土力學(xué)參數(shù)的復(fù)雜性,在實(shí)際工程設(shè)計(jì)和施工中,要想得到比較準(zhǔn)確的巖土力學(xué)參數(shù)是比較困難的,而巖土參數(shù)對地下工程的設(shè)計(jì)和施工的成敗具有很重要的意義。本文利用遺傳神經(jīng)網(wǎng)絡(luò)優(yōu)化算法結(jié)合數(shù)值模擬試驗(yàn)對地下工程巖土力學(xué)參數(shù)進(jìn)行優(yōu)化反分析,并取得了良好的效果。

基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測及其網(wǎng)絡(luò)參數(shù)優(yōu)化——基坑變形人工神經(jīng)網(wǎng)絡(luò)預(yù)測受網(wǎng)絡(luò)參數(shù)的影響較大，選取適當(dāng)?shù)木W(wǎng)絡(luò)參數(shù)才能得到較優(yōu)的預(yù)測結(jié)果。本文介紹了人工神經(jīng)網(wǎng)絡(luò)原理及其網(wǎng)絡(luò)參數(shù)的優(yōu)化方法。以擋土樁樁頂水平位移預(yù)測為例，說明其具體預(yù)測步驟及網(wǎng)絡(luò)參數(shù)優(yōu)...

提出了一種用水平導(dǎo)軌上4個(gè)滑塊作為原動件的4自由度并聯(lián)平臺機(jī)構(gòu),該機(jī)構(gòu)的動平臺能夠?qū)崿F(xiàn)兩個(gè)方向的移動以及繞兩個(gè)方向軸線的轉(zhuǎn)動,同時(shí)研究了該機(jī)構(gòu)的運(yùn)動學(xué)建模方法,給出了運(yùn)動學(xué)正、逆解,并闡述了其應(yīng)用前景。

shaffer函數(shù)定義域在[-10,10]區(qū)間內(nèi),bp神經(jīng)網(wǎng)絡(luò)擬合該函數(shù)訓(xùn)練時(shí)間長,且無法達(dá)到期望精度,說明bp神經(jīng)網(wǎng)絡(luò)擬合復(fù)雜非線性函數(shù)能力需改善.文章提出了一種改進(jìn)的bp神經(jīng)網(wǎng)絡(luò),先對網(wǎng)絡(luò)的輸入進(jìn)行k-means聚類,bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練采用大規(guī)模節(jié)點(diǎn),聚類輸入分別激活部分節(jié)點(diǎn)進(jìn)行訓(xùn)練,每組聚類使用不同的節(jié)點(diǎn),通過子網(wǎng)絡(luò)訓(xùn)練聚類樣本,減少了網(wǎng)絡(luò)擬合難度.經(jīng)測試改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)達(dá)到了精度.最后,用改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)進(jìn)行了軸徑的最優(yōu)計(jì)算.

針對bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的訓(xùn)練時(shí)間較長、完全不能訓(xùn)練或容易陷入局部極小值等問題,提出基于遺傳克隆選擇算法(cloga)優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的流程,克服bp算法的一些缺陷。并通過湖北省人口預(yù)測問題進(jìn)行效果檢驗(yàn),得到滿意的結(jié)果。

優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產(chǎn)品質(zhì)量和改善電網(wǎng)環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學(xué)模型的基礎(chǔ)上；通過改進(jìn)雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)權(quán)值和閾值的智能控制方法；分析網(wǎng)側(cè)電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺進(jìn)行仿真計(jì)算.結(jié)果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應(yīng)速度快、超調(diào)量小、抗干擾性強(qiáng)等優(yōu)點(diǎn).

針對工業(yè)控制系統(tǒng)入侵檢測模型對各類攻擊的檢測率和檢測效率不高的問題,提出一種adaboost算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的入侵檢測模型.首先利用主成分分析法對原始數(shù)據(jù)集進(jìn)行預(yù)處理,消除其相關(guān)性；其次利用adaboost算法對訓(xùn)練樣本的權(quán)重進(jìn)行不斷調(diào)整,從而獲得bp神經(jīng)網(wǎng)絡(luò)最優(yōu)權(quán)重和閾值；最后再通過adaboost算法將bp弱分類器組合成bp強(qiáng)分類器,從而實(shí)現(xiàn)工業(yè)控制系統(tǒng)的異常檢測.實(shí)驗(yàn)結(jié)果表明該方法在對各攻擊類型的檢測率和測試時(shí)間明顯優(yōu)于其他算法模型.

基于對08膠印機(jī)中偏心擺動式遞紙機(jī)構(gòu)運(yùn)動過程的分析,根據(jù)遞紙機(jī)構(gòu)的運(yùn)動要求,對遞紙牙的運(yùn)動規(guī)律進(jìn)行模擬,得到遞紙牙的運(yùn)動方程。在此基礎(chǔ)上,運(yùn)用復(fù)數(shù)矢量法,對機(jī)構(gòu)中各桿件進(jìn)行分析,得到各桿件的位移、速度和加速度在一個(gè)運(yùn)動周期內(nèi)的值,進(jìn)而利用反轉(zhuǎn)解析法,設(shè)計(jì)出了驅(qū)動凸輪的輪廓曲線。在matlab環(huán)境下,以機(jī)構(gòu)中遞紙牙運(yùn)動的邊界條件,滾筒轉(zhuǎn)速和機(jī)構(gòu)幾何參數(shù)為初始參量,編制了參數(shù)化的驅(qū)動凸輪輪廓設(shè)計(jì)軟件,根據(jù)不同的輸入?yún)⒘?可得到不同的凸輪輪廓,并進(jìn)行壓力角校核,為偏心擺動式遞紙機(jī)構(gòu)的研究開發(fā)提供了一種便捷的工具。

本文結(jié)合住宅房地產(chǎn)的價(jià)格理論和相關(guān)網(wǎng)站上的數(shù)據(jù),科學(xué)地選取影響商品住宅價(jià)格的影響指標(biāo)為人均gdp、人均可支配收入、人口數(shù)量、房地產(chǎn)開發(fā)投資額和商品住宅建筑面積,并以此建立hedonic商品住宅價(jià)格影響因素模型。依照bp神經(jīng)網(wǎng)絡(luò)預(yù)測的實(shí)現(xiàn)步驟,探索bp神經(jīng)網(wǎng)絡(luò)在預(yù)測?？谑猩唐纷≌瑑r(jià)格的應(yīng)用,得到2018年6月-2019年5月商品住宅價(jià)格預(yù)測值,對?？谑猩唐纷≌瑑r(jià)格的研究具有一定的指導(dǎo)作用。

利用matlab建立bp神經(jīng)網(wǎng)絡(luò),將影響建筑能耗的18個(gè)因素作為網(wǎng)絡(luò)的輸入,進(jìn)行學(xué)習(xí)訓(xùn)練,最后通過測試樣本點(diǎn)數(shù)據(jù)預(yù)測建筑能耗,與dest-h模擬計(jì)算得到的結(jié)果比較,發(fā)現(xiàn)相對誤差在3.5%以內(nèi),并通過實(shí)例驗(yàn)證了該網(wǎng)絡(luò)模型的準(zhǔn)確性。該方法使建筑人員在設(shè)計(jì)階段就能快速且準(zhǔn)確地獲得設(shè)計(jì)建筑的能耗。