材料非线性问题的遗传算法与神经网络耦合分析

基于遗传算法的全局最优化功能以及BP网络的非线性映射功能，提出了用于结构非线性分析的遗传算法与神经网络耦合分析方法。该方法是利用遗传算法的全局优化功能搜索BP网络各神经元之间的连接权值。以受内压的厚壁圆筒为数值算例，利用建立的遗传算法与神经网络的耦合分析方法进行弹塑性分析。计算结果表明该方法是有效的，具有较高的计算精度和计算效率。     

塑封焊球阵列焊点三维形态预测及其"整体"近似优化设计

针对传统优化技术进行焊点三维形态优化时费时耗力且浪费计算资源等缺点，提出采用“整体”近似优化技术，结合线性最小二乘方法，BP（Back Propagaiton）神经网络，在整个设计变量空建立问题函数近似面，利用该函数近似面来求取目标函数最大值，并得到相应的设计变量值，达到爆点三维形态优化设计的目的，最后对线性最小二乘模型，BP神经网络拟合非线性函数的能力和近似优化能力进行了比较讨论，结果表明，利用“整体”近似优化技术来优化设计焊点形态是简便可行的，且BP网络模型拟合“整体”近似函数面比线性回归模型具有更高的精度，所得的近似优化结果更理想。     

基于BP神经网络模型的磨床部件动态灵敏度分析

利用ANSYS的APDL语言建立磨床部件的参数化模型，计算出磨床部件的动态特性，快速采用得到BP神经网络模型的学习样本，建立基于BP神经网络的动态分析模型，将磨床部件结构参数与其动态特性之间的关系反映为神经网络模型的网络输入与网络输出之间的数学关系，从而方便地，快速地对磨床部件进行了动态灵敏度分析，结果表明，在BP神经网络模型上进行磨床结构优化要比在有限元模型上方便，快速，该方法特别适用于对大型复杂结构的优化设计计算。     

“巨”型负磁导率材料的优化设计

针对单回路＂巨＂型负磁导率材料结构和设计要求,基于神经网络和遗传算法理论进行了结构优化设计.通过正交实验法选出了负磁导率材料结构参数样本;利用HFSS得到的仿真实验样本对BP神经网络进行训练,建立了结构参数和结构性能之间的映射关系;根据设计要求定出相应的适应度函数表达式,经过遗传进化得到了优化的负磁导率材料结构参数.     

基于RBF神经网络的结构动力响应预测

介绍了径向基函数(RBF)神经网络学习速度快,动态仿真性强,具有较强的输入输出映射功能和全局最优逼近的结构特点.针对快速预测结构动力响应有助于克服结构振动控制中时滞效应的特点及BP网络存在的问题,应用RBF网络对结构的位移、加速度进行了预测,并采用BP网络作对比研究.仿真结果表明RBF神经网络训练速度快,精度高,可及时为主动控制建筑结构响应提供较为准确的优化性能指标,从而为实现在线实时控制结构响应提供优良的保证.     

基于多策略改进神经网络的力学性能近似估算

介绍了应用于Q235焊接力学性能的神经网络近似分析方法,开展了焊接力学性能的样本数据对神经网络近似估算的实验研究,为提高估算的准确度,提出了一种新的基于融合多策略混合粒子群优化BP算法(MSBPA)应用于焊接性能数据的非线性映射处理,建立了估算模型。将估算模型应用于Q235焊接力学性能估算分析。为验证算法的有效性,分别运用了融合多策略混合粒子群优化BP算法、遗传算法优化BP算法和传统BP算法对焊接性能近似估算问题进行对比仿真分析。结果表明:基于融合多策略混合粒子群优化BP估算模型对Q235焊接力学性能有较好的非线性拟合能力,估算值与实验值间最大相对误差仅为3. 5%,具有较优的估算准确性。     

基于遗传神经网络的插铣铣削力建模与分析

本文首先对插铣铣削力进行了理论分析,并基于正交试验方法对铣削力进行了测量试验,然后利用遗传算法对BP神经网络的权值和阈值进行优化,建立了预测铣削力的遗传神经网络模型,最后将经过遗传算法优化的BP网络与未优化的进行对比分析.结果表明,经遗传算法优化后BP网络模型预测误差明显减小,网络的计算精度和收敛速度有了显著提高.     

基于GA优化BP神经网络的WSN数据融合技术研究

为减少无线传感器网络中节点的数据通讯量,降低能量消耗,达到数据融合的目的,设计了一种基于遗传算法优化BP神经网络的数据融合算法(BPGA),阐述了数据融合原理、BP神经网络和遗传算法,介绍了遗传算法优化BP神经网络的数据融合方法,利用遗传算法优化神经网络的权值、阀值及隐含层结构,然后通过优化后的神经网络提取无线传感器网络中原始数据的特征信息,并将特征信息发送给汇聚节点,从而提高网络数据采集效率,延长网络生命周期。最后通过与LEACH、BPNDA算法进行仿真实验比较,证明了其有效性。     

DNA优化的BP神经网络在故障诊断中的应用

针对BP神经网络收敛速度慢和容易陷入局部极小值问题,将DNA算法和神经网络有机结合,利用DNA算法的全局搜索能力,优化网络的初始权值和阈值,解决其本身固有的两个缺陷,进而提高了BP神经网络诊断故障时的准确性和快速性。以道岔控制电路的故障诊断为研究对象,建立了基于DNA优化的BP神经网络的故障诊断优化模型,使用MATLAB仿真软件对故障诊断模型进行了仿真分析。结果表明,DNA算法优化的BP神经网络的泛化能力、诊断精确性都要优于BP神经网络。     

基于粒子群优化的BP神经网络预测方法及其应用研究

本文提出了一种基于粒子群优化的BP神经网络预测方法.该方法利用粒子群优化算法全局搜索BP神经网络的权值和阈值,并利用优化后的BP网络建立预测模型对经济指标进行预测.仿真实验结果表明,该方法克服了传统BP神经网络本身所存在的局部最小值和训练速度慢等不足,能够较好应用于定量经济指标预测,有效提高了预测的精度.     

Samples Selection for Artificial Neural Network Training in Preliminary Structural Design

An artificial neural network (ANN) is applied in the preliminary structural design of reticulated shells. Major efforts are made to enhance the generalization ability of networks through well-selected training samples. Number-theoretic methods (NTMs) are adopted to generate samples with low discrepancy, i.e.uniformly scattered in the domain, where discrepancy is a quantitative measurement of the uniformity. The discrepancy of the NTM-based sample set is 1/6-1/7 that of samples with equal spacing. In a case study,networks trained by NTM-based samples are compared with those trained by equal-spaced samples in generalizing performance. The results show that both the computational precision and stability of the former ANNs are more satisfactory than those of the latter. It is concluded that the flexibility of ANNs in generalizing can be effectively increased by use of uniformly distributed training samples rather than simply piling data.More reliable uniformity should be obtained, however, through NTMs instead of equal-spaced samples.     

多层前馈神经网络的误差特性分析

为分析人工神经网络（ＡＮＮ）的品质或性能对权值扰动及输入误差的容忍特性,文章基于输入及权值的随机模型,采用统计学的方法,得到了由ｓｉｇｍｏｉｄ型神经元构成的任意多层前馈神经网络在任意大小且具有任意相关性的输入误差与／或权值扰动下,输出误差特性的通用算法。仿真及对比理论计算结果表明了所提算法是正确的。     

MW-OBS： An Improved Pruning Method for Topology Design of Neural Networks

Introduction Artificial neural networks(ANNs)have been widely used in many areas in recent years.In practical prob-lems,the first step of a typical ANN applying process is to design the neural network structure,including the number of layers,the number of…     

基于视觉识别技术的移动式樱桃采摘机器人设计

为了降低樱桃采摘过程中的破碎率,提高采摘效率,设计一种新的基于视觉识别技术的移动式樱桃采摘机器人。将TI公司的32位数字处理器芯片TMS320F2812作为核心处理器设计移动式樱桃采摘机器人,本文给出硬件总体方案,并且通过SAA7105完成对视频图像的编码操作。软件设计主要包括樱桃的定位、机器人手眼标定和机器人路线规划。依据目标上多个点的三维位置信息对樱桃球模型进行重建,通过最小二乘法求出樱桃质心位置,实现樱桃的定位。将樱桃在机器人坐标系中的定位简化成求解摄像机坐标系和机器人坐标之间的映射矩阵,通过映射矩阵实现机器人手眼标定。考虑到樱桃的采摘要求,通过分段路径规划对机器人的运动进行控制。实验结果表明,所设计机器人图像处理性能强、定位精度高,在保证采摘精度的同时,有很高的采摘效率。     

寄存器传输级存储器工艺映射算法

给出了用库中的一组存储器模块来综合一个源存储器模块的方法，该方法支持使用高层次综合和设计再利用的现代VISI设计方法学。定义存储器的映射为端口映射、字长映射和字数映射。最后把这3个子问题综合起来形成完整的算法。实验结果表明，寄存器传输级工艺映射（RTLM）在高层次综合中对存储器的设计再利用是一种有效的方法。     

用动态神经网络解决粘度预测的方法

针对聚酯生产中粘度计测量滞后的问题,报告了用动态神经元网络进行粘度预测的方法,着重讨论了神经网络输入 变量的选择,构成动态神经网络的结构以及实现在线修正的方法。     

人工神经元网络辅助催化剂生产

本文提出了一种探索催化剂生产优惠操作条件的新方法，从而使最终产品的质量得以提高，并能节约人力、物力、寻优是依据数学模型离线进行的。模型采用人工神经元网络ＡＮＮ以实际上并不完全的历史数据训练后自动产生。     

Application of artificial neural networks in global climate change and ecological research: An overview

Fields that employ artificial neural networks (ANNs) have developed and expanded continuously in recent years with the ongoing development of computer technology and artificial intelligence. ANN has been adopted widely and put into practice by researchers in light of increasing concerns over ecological issues such as global warming, frequent El Niño-Southern Oscillation (ENSO) events, and atmospheric circulation anomalies. Limitations exist and there is a potential risk for misuse in that ANN model parameters require typically higher overall sensitivity, and the chosen network structure is generally more dependent upon individual experience. ANNs, however, are relatively accurate when used for short-term predictions; despite global climate change research favoring the effects of interactions as the basis of study and the preference for long-term experimental research. ANNs remain a better choice than many traditional methods when dealing with nonlinear problems, and possesses great potential for the study of global climate change and ecological issues. ANNs can resolve problems that other methods cannot. This is especially true for situations in which measurements are difficult to conduct or when only incomplete data are available. It is anticipated that ANNs will be widely adopted and then further developed for global climate change and ecological research.     

生命线工程网络抗震优化算法研究

以生命线工程网络系统造价为优化目标,网络拓扑结构为优化参数,网络节点抗震连通可靠度为约束条件,建立生命线工程网络系统的抗震拓扑优化模型.同时,介绍了利用递推分解算法来获得单元重要度的方法,进而利用遗传算法、模拟退火算法和遗传-模拟退火混合算法,进行了生命线网络系统的抗震拓扑优化分析.其中,遗传算法通过对种群选择、交叉和变异操作不断进化以获得优化解,模拟退火算法则通过扰动当前解产生新解来获得优化解,遗传-模拟退火混合算法则通过将遗传算法中的变异操作以模拟退火操作代替获得优化解.利用三种优化方法对两个算例进行生命线工程网络系统的抗震拓扑优化分析.计算结果对比表明,遗传-模拟退火混合算法具有最好的优化能力.     

一种基于人工神经网络的无线传感器网络定位算法

提出了一种基于人工神经网络(ANN)的无线传感器网络定位方法,RSSI的结果被用来作为人工神经网络的输入,采用遗传算法优化人工神经网络的结构.采用MATLAB进行仿真,模拟20 m×20 m室内静态网络环境下的8个已知位置节点.实验结果表明,该方法比传统方法的定位精度高、适应性强,效果较好.