基于遗传算法和神经网络的远程减速机故障诊断系统的设计

通过对减速机故障形式的分析,采用BP神经网络建立故障诊断模型,利用遗传算法优化神经网络权值、阈值、网络结构,将遗传神经网络模型应用到远程减速机的故障诊断的设计中,比较单一的神经网络和遗传神经网络的训练误差曲线,得出遗传神经网络在训练速度和准确性上远远高于神经网络训练模型。     

应用遗传算法和神经网络预测粮食总产量

摘要:通过对我国二十个省市粮食总产量的调查,分析影响粮食总产量的主要因素（农业机械总动力,有效灌溉面积,化肥施用量,农业从业人员）建立GA-BP神经网络模型,获得粮食总产量数学模型。同时,对此模型进行检测。在模型处理的过程中,应用遗传算法优化BP神经网络模型权值和阈值,获得优化后的网络模型,经过比较得出GA-BP神经网络模型在速度和精度上都高于BP神经网络的粮食总产量预测模型。     

基于改进遗传算法的神经网络优化

针对在神经网络应用中,存在结构设计及权值训练算法的不足,提出一种新的基于混合编码方案的遗传算法.在算法中设计了用遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,改进了适应度函数的设计和采用自适应的交叉和变异方法.试验结果表明本算法能有效地对神经网络的权值和结构同时优化,提高了训练效率.     

遗传算法设计神经网络的一种新方法

提出了一种基于平均风险误差准则的遗传算法优化设计前向神经网络的方法,遗传算法的适应度函数并不采用基于传统的最小均方误差准则,而是由最小平均风险误差准则所决定.这种方法在计算神经网络输出与期望输出之间误差的同时,还要考虑神经网络对每一类训练样本产生的这种误差所引起的风险损失.这种方法优化得到的神经网络不但可以准确地再现训练样本集合的期望输出,对训练样本集合外样本的预测能力也有明显的提高.     

遗传算法在神经网络权值优化中的应用

讨论了基于遗传算法的神经网络权值优化问题.并通过实验仿真将该算法与BP算法进行比校,从而验证了该算法的可行性与有效性.     

基于遗传算法的人工神经网络学习算法

为了克服和改进BP算法的不足，提出了一种基于遗传算法的神经网络学习算法，仿真结果表明，该算法具有无比的优越性，可避免BP算法易于陷入局部极小值，训练速度慢、误差函数必须可导、受网络结构的限制等缺陷。     

基于GA-IBP神经网络的故障诊断方法

针对BP(Back Propagation)神经网络在进行故障诊断时准确度低、收敛速度慢等问题,设计了一种基于误差指针改进的BP(Improved Back Propagation,IBP)神经网络,并通过遗传算法(Genetic Algorithm,GA)对这种改进后的神经网络进行优化,从而建立了基于GA-IBP神经网络的故障诊断模型.使用典型三相逆变电路中IGBT开路故障数据作为样本,对所设计的模型进行了仿真分析.结果表明:改进后的网络模型收敛速度优于典型BP神经网络和基于GA算法优化的典型BP神经网络,故障诊断精度分别提高15%和4.5%.     

基于遗传算法的RBF神经网络设计

采用了遗传算法自动构造ＲＢＦ网络,把网络结构的形式作为一个子集选择问题来解决,并提出了新的遗传操作算子来改进遗传算法,加快了收敛速度,提出了算法的实用性,文中介绍了遗传算法的结构与优化原理,并给出了ＲＢＦ网络结构的生成方法,用仿真结果证明了本算法的可行性。     

基于遗传算法的神经网络优化

神经网络和以遗传算法为代表的进化算法都是仿效生物处理模式来获得智能信息处理功能的理论,其中,神经网络已被广泛应用于智能控制系统优化,信号及信息处理,模式识等领域,而遗传算法则是模拟生物的进化现象（处然淘汰,交叉,变异等）,不表现复杂现象的一种概率搜索方法,以达到快速有效地解决各种困难问题。但神经网络和遗传算法目标相近而方法各异,因此,将这两种方法相互结合,必能达到取长补短的作用,近年来,在这方面已经取得了不少研究成果,形成了以遗传算法与神经网络相结合的进化神经网络（ENN）。本文以综述的形式总结了遗优越传算法在神经网络训练中的应用情况。     

神经网络的BP算法在发动机建模中的应用

人工神经网络独特的结构和处理信息的方法使其在实际应用领域中取得了越来越显著的成效.介绍了神经网络的基本概念和神经网络系统在发动机工程问题中的解决方法,并建立了JL474Q1发动机输出转矩神经网络模型,为实现发动机与车辆传动系统共同工作的匹配控制奠定了理论基础.     

一种基于遗传算法的模糊神经网络控制器的设计

提出了一种基于遗传算法的模糊神经网络控制器的设计.该设计通过改进的遗传算法实现了控制规则和隶属函数的优化.算法中引入了优良模式自学习算子,改善了遗传算法的性能.通过对典型的非线性对象CSTR控制,仿真结果表明该方法是有效的.     

基于SVM和NN的空管手写符号的识别研究

针对空管手写符号识别进行研究,使用支持向量机(SVW)与神经网(NN)的方法提出了双层的分类方法,第一层使用支持低分类率的NN分类器,使用一个强拒绝准则,应用了一个易提取的较小特征集.而被拒绝的模式再加上一些更复杂的附加特征和均衡的拒绝准则一起用于第二层的SVM分类器,其中附加特征包括具有强分类能力的空管手写符号的头部和尾部特征.实验结果表明,用这种方法可以得出一个更快的分类器,在相同特征下分类的时间比单个SVM更少,错误识别率为0.1%,具有很好的鲁棒性.     

基于遗传算法的汽车变速箱轻量化设计

文章利用近似模型方法和遗传算法对某变速箱进行轻量化设计.在满足变速箱刚度强度及振动模态要求的基础上,采用拉丁方法进行试验设计,基于高斯径向基函数建立近似模型,最后利用遗传算法进行全局寻优设计.优化后箱体质量降低了21％.结果表明,该方法对汽车变速箱结构轻量化设计具有一定的指导意义.     

神经网络模型的结构和算法的分离

研究神经网络模型的结构和算法的分离与结合理论及结合神经网络结构描述语言实现底层代码的重用,通过对多种神经网络的比较,总结出规律,论证了结构和算法分离的可行性,给出了分离的理想界线和各部分的适当描述方式及合成的具体方法,只要用户输入对新结构的描述,选择算法库中一种合适的算法就能通过软件自动生成神经网络程序,目前采取这种结构和算法相相分离的方式,被认为是具有一定优势和意义的。     

基于组合GA的双向物流网动态优化设计与求解

为实现整合正/逆向物流网络的动态优化,建立了随机环境下多品种、多周期、有容量限制的整合正/逆向物流网络动态优化模型,并设计了组合遗传算法(genetic algorithm,GA)进行模型求解.对整个规划期拆分成多个决策期,进行生产工厂与物流中心的准确定位,对物流网络中各节点间的流量合理优化,基于随机机会约束规划建立了物流网络动态优化模型,设计了相应的组合遗传算法.采用8个消费域,2类产品,5个备选物流中心,3个生产工厂和3个规划期数进行数值模拟仿真.结果表明,该方法可以得到设施布局决策变量最优值,能够灵活实现不同需求下物流网络的最优布局,可以有效用于物流网络的动态优化.该模型根据现实情况的需求进行合理的物流网络布局,同时可以进行灵活变换,具有重要的实用价值.     

发酵过程状态预估的BP神经网络模型实现

论述了利用改进的BP神经网络实现发酵过程状态预估模型的设计原理和方法,包括BP神经网络的拓扑结构选取、学习和测试样本的选择及处理,变步长引入动量项BP神经网络的训练方法以及全局收敛法的实现等。此外,用VC实现了发酵过程BP神经网络建模平台。经聚赖氨酸发酵过程验证,其模型具有良好的收敛性能和泛化性能,可应用于发酵过程状态参数的在线预估和测量。     

基于 RBF 神经网络的活性污泥模型的应用

对RBF神经网络模型进行仿真,验证了活性污泥系统的有关规律,表明了模型的有效性.在此基础上,将模型应用于污水处理厂的运行管理和工程设计.在运行管理中分析了模型在预测和运行控制方面的作用和意义;在工程设计中,通过与传统方法比较,显示了在确定反应池容积上的有效性.通过实例,证明了模型在运行管理和工程设计上有效应用所产生的经济效益.     

温度与赤霉素对紫罗兰生育及其开花的影响

利用自然光人工气候室,设置3个不同温度(低温区昼20℃/夜15℃,中温区昼25℃/夜20℃,高温区昼30℃/夜25℃)对紫罗兰中晚熟品种'彼岸王'栽培试验;并使用植物生长调节剂赤霉素(GA)(浓度25×10-5)进行3、4、5次喷雾处理.结果显示,低温区GA喷雾处理开花率达100%,对照没有开花.中温区与高温区对照与各处理均未见开花.3个温度区赤霉素GA喷雾处理分别比对照区株高,节数少.