遺傳算法和BP神經(jīng)網(wǎng)絡(luò)的花盤結(jié)構(gòu)優(yōu)化設(shè)計

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軟件為平臺進行仿真計算.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、抗干擾性強等優(yōu)點.

為提高機槍的射擊精度,需要對機槍槍架的結(jié)構(gòu)參數(shù)進行優(yōu)化設(shè)計?；赾ae軟件的結(jié)構(gòu)優(yōu)化有其自身的局限性,所以提出了一種新的優(yōu)化方法,即聯(lián)合應(yīng)用bp網(wǎng)絡(luò)和遺傳算法。以此為基礎(chǔ),根據(jù)機槍有限元模型,對槍架結(jié)構(gòu)參數(shù)進行了優(yōu)化設(shè)計,結(jié)果表明:bp網(wǎng)絡(luò)和遺傳算法相結(jié)合的方式可適用于多設(shè)計變量的槍架參數(shù)優(yōu)化設(shè)計,為其它復(fù)雜結(jié)構(gòu)的參數(shù)優(yōu)化提供了新的思路。

采用遺傳算法對建筑設(shè)計進行優(yōu)化,是建筑設(shè)計領(lǐng)域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應(yīng)度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復(fù)雜性,提出一種神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法的建筑優(yōu)化設(shè)計方法.研究結(jié)果表明：與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設(shè)計的效率.

在彎管前安裝擾流子，可以減小彎管處二次流強度，降低能量損失，并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算。以l9（33）正交試驗以及4組補充試驗作為bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離3個結(jié)構(gòu)參數(shù)的非線性映射關(guān)系；擾流子節(jié)能效率最大值作為目標(biāo)函數(shù)，再結(jié)合遺傳算法進行結(jié)構(gòu)參數(shù)優(yōu)化。最終得到在不同雷諾數(shù)下擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離的最佳組合形式，并利用有限元方法對結(jié)果驗證。結(jié)果表明，這種優(yōu)化方案具有可行性；合適的結(jié)構(gòu)參數(shù)的擾流子具有良好的節(jié)能效果。

在彎管前安裝擾流子,可以減小彎管處二次流強度,降低能量損失,并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算.以l9(33)正交試驗以及4組補充試驗作為bp神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離3個結(jié)構(gòu)參數(shù)的非線性映射關(guān)系;擾流子節(jié)能效率最大值作為目標(biāo)函數(shù),再結(jié)合遺傳算法進行結(jié)構(gòu)參數(shù)優(yōu)化.最終得到在不同雷諾數(shù)下擾流子葉片轉(zhuǎn)角、葉片長度、安裝距離的最佳組合形式,并利用有限元方法對結(jié)果驗證.結(jié)果表明,這種優(yōu)化方案具有可行性;合適的結(jié)構(gòu)參數(shù)的擾流子具有良好的節(jié)能效果.

采用遺傳算法對建筑設(shè)計進行優(yōu)化,是建筑設(shè)計領(lǐng)域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應(yīng)度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復(fù)雜性,提出一種神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法的建筑優(yōu)化設(shè)計方法.研究結(jié)果表明:與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設(shè)計的效率.

神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)量的選擇以及權(quán)重值的確定對訓(xùn)練算法的收斂性有很大影響,為了解決神經(jīng)網(wǎng)絡(luò)(ann)訓(xùn)練過程中結(jié)構(gòu)復(fù)雜的問題,提出了一種基于遺傳算法(ga)的網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化方法。試驗結(jié)果表明,在訓(xùn)練樣板數(shù)量較大時,優(yōu)化后的ann能夠計算出隱藏層的最佳數(shù)量,從而提高整體的性能,具有較好的泛華能力。

提出了將溫差發(fā)電器對內(nèi)燃機排氣背壓的影響納入溫差發(fā)電器的優(yōu)化設(shè)計過程的觀點,設(shè)計了一套新的溫差發(fā)電器優(yōu)化方案。以發(fā)電器尺寸參數(shù)為設(shè)計變量,以排氣背壓、質(zhì)量作為約束條件,以發(fā)電片溫差為目標(biāo)進行優(yōu)化設(shè)計。利用中心復(fù)合設(shè)計法選取試驗點,對試驗點進行cfd仿真,采用高預(yù)測精度的改進bp神經(jīng)網(wǎng)絡(luò)擬合設(shè)計變量與目標(biāo)函數(shù)間的關(guān)系,再利用遺傳優(yōu)化算法在設(shè)計空間尋找最佳設(shè)計點。優(yōu)化后消除了發(fā)電器對排氣背壓的影響,溫差提高了8.8%,質(zhì)量降低了6.7%。

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,減少了計算花費,提高了收斂速度。

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)進行優(yōu)化設(shè)計。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)計中可用來替代fdtd分析方法作為結(jié)構(gòu)分析的計算單元。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),進行該具有雙阻帶特性cnpdgs的優(yōu)化設(shè)計。仿真設(shè)計和實驗的對比結(jié)果表明了這一方法的有效性。

闡述了基于神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化設(shè)計原理，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)計作了一些探討。通過鋼屋架結(jié)構(gòu)的優(yōu)化設(shè)計算例驗證了神經(jīng)網(wǎng)絡(luò)用于結(jié)構(gòu)優(yōu)化的有效性與準(zhǔn)確性。

根據(jù)某建筑中央空調(diào)系統(tǒng)的工作參數(shù),創(chuàng)建bp神經(jīng)網(wǎng)絡(luò)模型,得到輸入輸出的映射關(guān)系.利用遺傳算法尋找中央空調(diào)系統(tǒng)的最佳工作參數(shù),對遺傳算法的優(yōu)化結(jié)果進行分析.利用圖形分析法驗證遺傳算法得到的結(jié)果是全局最優(yōu)解.當(dāng)冷卻水進口溫度為室外溫度、冷水出口溫度為設(shè)置范圍內(nèi)的最大值時,空調(diào)功耗最小.

針對bp神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中的訓(xùn)練時間較長、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)測問題進行效果檢驗,得到滿意的結(jié)果。

為有效gis設(shè)備放電故障診斷的快速性和準(zhǔn)確性,采用近幾年出現(xiàn)的遺傳算法對bp神經(jīng)網(wǎng)絡(luò)進行優(yōu)化,減少了bp神經(jīng)網(wǎng)絡(luò)算法陷入局部最優(yōu)解的風(fēng)險,顯著增強了bp神經(jīng)網(wǎng)絡(luò)的泛化能力和全局尋優(yōu)能力。對比發(fā)現(xiàn),遺傳算法優(yōu)化后的bp神經(jīng)網(wǎng)絡(luò)模型具有比較好的快速性和準(zhǔn)確的診斷能力。測試結(jié)果表明,遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)對gis設(shè)備放電故障診斷具有可行性和有效性。

針對壓電陶瓷驅(qū)動器的蠕變誤差隨時間呈現(xiàn)非線性變化,會嚴(yán)重影響其定位精度的問題,提出遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的壓電陶瓷蠕變預(yù)測算法。采用遺傳算法優(yōu)化了bp神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,構(gòu)建了基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)(ga-bp算法)的蠕變預(yù)測模型。用ga-bp算法對壓電陶瓷蠕變進行了預(yù)測仿真,并將結(jié)果與實測數(shù)據(jù)進行了對比。結(jié)果表明,獲得的蠕變預(yù)測結(jié)果與實驗數(shù)據(jù)的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5%,最大均方誤差僅為0.0046,因此,ga-bp預(yù)測模型可作為預(yù)測壓電陶瓷蠕變誤差的一種有效手段。

針對壓電陶瓷驅(qū)動器的蠕變誤差隨時間呈現(xiàn)非線性變化,會嚴(yán)重影響其定位精度的問題,提出遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的壓電陶瓷蠕變預(yù)測算法.采用遺傳算法優(yōu)化了bp神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值,構(gòu)建了基于遺傳算法的bp神經(jīng)網(wǎng)絡(luò)（ga-bp算法）的蠕變預(yù)測模型.用ga-bp算法對壓電陶瓷蠕變進行了預(yù)測仿真,并將結(jié)果與實測數(shù)據(jù)進行了對比.結(jié)果表明,獲得的蠕變預(yù)測結(jié)果與實驗數(shù)據(jù)的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5％,最大均方誤差僅為0.0046,因此,ga-bp預(yù)測模型可作為預(yù)測壓電陶瓷蠕變誤差的一種有效手段.

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點。算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題。這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法。

通過對遺傳算法的二進制編碼和實數(shù)編碼的機理分析,結(jié)合2種編碼的優(yōu)點,從工程結(jié)構(gòu)優(yōu)化實際問題出發(fā),提出了一種可以任意控制離散度的改進實數(shù)編碼遺傳算法.該算法利用實際工程結(jié)構(gòu)問題中對尺寸設(shè)計變量精度要求的放松,在編碼過程中加上\"隱約束\

基于分級遺傳算法的離散變量結(jié)構(gòu)優(yōu)化設(shè)計——提出一種分級處理的遺傳算法，它采用微種群和附加變異算子來減少計算量、增加算法的局部搜索能力．算例表明，這種算法收斂平穩(wěn)、并取得了較好的效果?！　?/p>

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點.算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題.這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法.

提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時、高效、局部搜索能力強的特點,又發(fā)揮了遺傳算法全局性好的特點·算例結(jié)果表明,該方法能直接計算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題,也能處理同時具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計問題·這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長,棄二者之短的高效的理想優(yōu)化設(shè)計方法·

根據(jù)電力負(fù)荷的主要影響因素,考慮時間和天氣,建立了基于遺傳算法和反向傳播神經(jīng)網(wǎng)絡(luò)(bp)的短期負(fù)荷預(yù)測.從bp神經(jīng)網(wǎng)絡(luò)的理論入手,采用遺傳算法優(yōu)化bp神經(jīng)網(wǎng)絡(luò)的初始權(quán)值和隱層節(jié)點數(shù),從而避免了神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定和初始權(quán)值選擇的盲目性,提高了神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)短期負(fù)荷預(yù)測的效率和精度使得負(fù)荷預(yù)測在更加合理的網(wǎng)絡(luò)結(jié)構(gòu)上進行.