大型双圆弧齿轮传动的优化设计

为提高鞍钢第一初轧厂24″连轧机5000kW主减速器的承载能力、延长使用寿命,本文提出以先进的双圆弧齿轮代替单圆弧齿轮,并通过电子计算机对该双圆弧齿轮传动进行了优化设计。为鞍钢重大机械装备提供了切实可用的优化设计方案。     

双圆弧齿轮减速器的优化设计

本文针对双圆弧齿轮减速器应用中给定中心距和传动比的优化设计,阐述了迭代枚举,综合评判优化设计的基本思想和方法。大型抽油机双圆弧齿轮减速器优化设计证明该方法是正确可行的。     

应用遗传算法的齿轮传动优化设计

以一对齿轮机构分度圆柱体积之和最小为优化目标,建立了优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故通过神经网络方法拟合待求系数,结合遗传算法,应用matlab遗传算法工具箱寻求最优解,使求解过程得到简化,确保可靠地获得全局最优解。     

双圆弧齿轮传动的动力学模型

本文根据双圆弧齿轮的啮合原理和传动特点，建立了包括静态传递误差、时变啮合刚度、阻尼等影响因素的双圆弧齿轮传动的动力学模型，为开展双圆弧齿轮传动的动态特性研究提供了参考     

双圆弧齿轮减速器参数优化设计的研究

本文介绍了双圆弧齿轮减速器参数优化设计数学模型的建立及优化方法的选取，并提出一种产生优化初始点的新方法，优化效果显著，最后给出一实际算例。     

仪表圆弧齿轮优化设计方法

应用解析计算方法，分析仪表圆弧齿轮传动特性，提出此种齿形的优化设计方法。     

一种新的圆弧齿轮优化设计程序的研制

本文对双圆弧齿轮优化设计中的一系列问题进行了分析和论述，如数学模型的建立、优化初始点的确定、优化方法的选取及程序设计中数表和线图的处理等。     

基于模糊理论的双圆弧齿轮传动的随机可靠性设计

模糊可靠性设计是机械设计领域中一种较为先进的设计方法。根据模糊数学和可靠性设计理论,建立了双圆弧齿轮传动的模糊可靠性设计的数学模型,探讨了其计算方法,并结合实例进行了具体的模糊可靠性设计。结果表明,该方法是一种更具科学性、更符合客观实际的设计方法。     

双圆弧齿轮齿形参数的模糊优化

利用三维有限元方法和模糊优化设计方法，综合考虑优化模型中设计参数及约束条件，影响因素的随机性和模糊性，建立了双圆弧齿办 形参数优化的数学模型，并结合实际算例进行分析，结果表明，了模糊优化设计的可行性和实用性。     

基于遗传算法的神经网络分类器优化设计

依据神经网络分类器的设计原理，设计了一种有效的遗传算法，实验结果表明：算法优化后的神经网络分类器不但学习速度快，还能保证分类精度．     

基于遗传算法的神经网络学习算法研究

为了克服神经网络结构和参数设计的随机性及依赖于人的经验的缺点,提出了一种改进的基于遗传算法的BP神经网络学习算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性,首先利用遗传算法对神经网络结构、初始连接权和阈值以及学习率和动量因子进行全面进化设计,在解空间中定位出较好的搜索空间,然后在进化神经网络中用训练样本再次寻优。通过利用该算法对XOR问题求解,证明了该算法的有效性,其收敛速度和精度均优于基本BP算法和附加动量项的BP算法。     

基于遗传算法径向基神经网络的交通流预测

为提高径向基（RBF）神经网络预测模型对交通流预测的准确性,提出了一种基于遗传算法优化径向基神经网络的交通流预测方法。利用遗传算法优化径向基神经网络的权值和阈值,然后训练RBF神经网络预测模型以求得最优解,并将该预测方法与RBF神经网络和BP神经网络的预测结果进行对比。仿真结果表明,该方法对交通流具有较好的非线性拟合能力,预测精度高于径向基神经网络和BP神经网络。     

基于遗传神经网络的混合气体识别研究

针对误差反向传播(BP)算法和遗传算法各自的优点和不足,提出了遗传算法优化神经网络技术:利用遗传算法的全局搜索能力,对神经网络连接权进行优化,以遗传算法优化的初值作为BP神经网络的初始权值,再用BP算法训练网络.优化后的BP网络其误差的递减速度和收敛速度都比标准BP网络快,而且对学习速率调整要求更少.将遗传神经网络应用于混合气体定量识别的训练中,得到的最大误差由20.7 %降为12.1 %,平均误差从5.4 %降为3.5 %,识别效果得到了提高.     

基于遗传优化BP神经网络的员工绩效评估实证研究

首先介绍了基于BP神经网络的单位员工绩效评估模型,再通过遗传算法对BP神经网络的参数进行优化,提高了BP神经网络算法进行绩效评估的精度和效率。最后通过实证分析证明了此算法在单位员工绩效评估中的可行性和有效性。     

遗传算法优化BP神经网络的泊车位数量预测

为了提高停车场空余泊车位短时预测的精度,利用遗传算法优化BP(back propagation)神经网络的权值和阈值,建立了基于GABP(genetic algorithm back propagation)神经网络的有效泊车位数量的预测模型,并对该预测模型进行训练,最终得到最优解。实验结果表明,该方法对泊车位数量预测具有更高的预测精度,且非线性拟合能力显著。     

用混合遗传算法实现神经网络快速训练

快速神经网络训练算法的研究是人们所关注的问题之一。经过分析与研究 ,遗传算法是一种全局并行随机搜索优化算法 ,具有很强的全局搜索能力 ,而 BP算法的局部搜索能力较强。文章将两者结合起来 ,形成一种混合遗传算法 ,并就混合遗传算法的原理及其在实现时所涉及到的许多策略问题进行了分析比较 ,仿真结果表明它具有收敛速度快和不会陷入局部极小的特点。     

一种基于模糊神经网络和遗传算法的智能PID控制器

常规的PID控制器参数整定方法需要被控对象的精确数学模型,且整定出的参数不能进行在线调整.而模糊控制和神经网络均不依赖被控对象的数学模型,且具有较强的自适应和自学习能力;遗传算法则是一种新型的全局优化方法.鉴于此,提出将模糊控制、神经网络和遗传算法引入PID控制器的设计过程.首先,运用遗传算法优化隶属度函数的中心值和宽度,并借助模糊逻辑控制确定遗传算法中的交叉概率和变异概率.然后,再运用BP算法优化模糊神经网络的连接权系数.仿真结果表明,该方法提高了系统的自适应能力和抗干扰能力,增强了系统的鲁棒性.     

基于遗传算法和BP神经网络的圆柱壳大开孔接管结构优化研究

应用神经网络模拟GB150-2011《压力容器》标准中圆柱壳径向接管开孔结构参数与强度关系,以开孔接管结构用材最省为优化目标,采用遗传算法对圆柱壳大开孔接管结构进行优化设计研究.经神经网络拟合后,标准算图数据信息归一于一个三层的BP网络并应用于遗传算法程序中,与反复查图和有限元优化算法相比,此优化算法更节省设计时间.经验证,优化后的结构符合强度要求,优化结果满足工程设计需要.     

遗传算法在BP网络权值学习中的应用

针对BP算法学习神经网络权值收敛速度慢、易陷入局部最优等缺点 ,采用遗传算法学习BP网络的权值 ;并给出了“异或”(XOR)问题的仿真示例 ,通过比较 ,发现遗传算法不会陷入局部最优 ,有效地改善了收敛速度