欢迎来到天天文库
浏览记录
ID:52242495
大小:255.09 KB
页数:3页
时间:2020-03-25
《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.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第9期组合机床与自动化加工技术NO.92013年9月ModularMachineTool&AutomaticManufacturingTechniqueSep.2013文章编号:1001—2265(2013)09—0039—03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付涛,王大镇,弓清忠,张文光(集美大学机械工程学院,福建厦门361021)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Ns.GA—II遗传算法的机械零件多目标优化设计方法
2、,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1l%,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;多目标优化中
3、图分类号:TH16;TG65文献标识码:AMechanicalPartsMulti-objectiveOptimizationBasedonImprovedBPNeuralNetworkandNSGA.1IGeneticAlgorithmFUTao,WANGDa—zhen,GONGQin-zhong,ZHANGWen—guang(CollegeofMechanicalEngineering,JimeiUniversity,XiamenFujian361021,China)Abstract:Accor
4、dingtotheshortageoftraditionalmechanicalpartsmulti—objectiveoptimizationalgo-rithm.thisthesisdevelopedamechanicalpartsmulti.objectiveoptimizationdesignmethodbasedonim.provedBPneuralnetworkandNSGA一Ⅱgeneticalgorithm.ThismethodusesworkbenchtoanalyzeDartst
5、ogetexperimentaldata,trainstheexperimentaldatathroughimprovedBPneuralnetworkandestabli-shesmulti-objectiveoptimizationmode1.thenusesNSGA一Ⅱgeneticalgorithmtomulti—objectivelyopti—mizethemode1.Asisshownbytheresults,underthecircumstanceofmeetinguseconditi
6、onsoftheOp—timizedparts,themaximumrelativeerrorofthequalitythatcomesfromthismethodis11%,themaxi-mumrelativeerrorofdeformationis3.36%,provingtheeffectivenessandreliabilityofthismethod.Theresultsofthismethodwerecomparedwithmulti—objectiveoptimizationresu
7、ltsbasedontraditionalworkbench,showingthatthismethodissuperiortotraditionalworkbenchoptimizationmethod.Keywords:BPneuralnetwork;NSGA一Ⅱgeneticalgorithm;Multi-objectiveoptimization一定的局限性。而NSGA.I1多目标优化算法,具O引言有全局搜索和处理大规模搜索空间的能力,具有较实际工程产品的优化设计问题大多数都是多目高的通用性
8、和并行性,一次求解可得到多个Pareto标优化问题,与单目标优化问题不同,多目标优化问最优解,能够有效的克服传统多目标优化算法的局题的最优解是由Pareto解或非劣解所组成的集合。限性。但是在应用NSGA-Ⅱ算法进行多目标优化传统的多目标优化算法大都是将各个子目标通过加设计时,由于机械零件的加工工艺复杂和影响因素权系数的方法变为单目标优化问题进行解决,加权较多,使得多目标优化的数学模型较难建立。而BP系数数值的选取由决策者决定,由于不同的加权系神经网络可以直接使用样本
此文档下载收益归作者所有