基于SA-RBF神经网络的冲压成形拉延筋优化

为提高神经网络预测精度,利用模拟退火算法对基于k-均值聚类的RBF(radical basis function)神经网络进行了结构优化.首先,以NUMISHEET 02翼子板冲压成形为研究对象,以6条等效拉延筋力作为输入变量,基于Spearman相关分析和拉丁超立方抽样抽取相关性系数较小的数据作为SA-RBF(simulated annealing-RBF)神经网络的训练样本;其次,将训练样本进行Dynaform数值仿真,以起皱缺陷和拉裂缺陷建立的成形质量评价函数为目标函数,通过SA-RBF神经网络建立等效拉延筋力与目标函数间的非线性映射关系;再次,利用NSGA-II算法对其进行求解得到Pareto最前沿,通过灰色关联分析理论确定最佳拉延筋力;第三,利用优化的拉延筋力对翼子板成形进行数值仿真分析,成形极限图结果表明,优化后的成形件起皱显著减少,而且塑性变形更加均匀,提高了成形质量.     

基于PSO优化RBF-NN的磁浮车间隙传感器温度补偿

针对高速磁浮列车悬浮间隙传感器的温度漂移现象,建立了基于RBF（radial basis function）神经网络的间隙传感器温度补偿模型.通过对全局最优粒子执行梯度下降寻优,将粒子群优化算法与梯度下降算法结合得到一种寻优能力更强的混合算法,并将该方法用于RBF温度补偿模型参数优化,提高了间隙传感器的补偿精度,最后,使用现场可编程门阵列FPGA（field-programmable gate array）实现了该补偿模型并进行了实验.实验结果表明:该方法能够较好地对间隙传感器进行温度补偿,补偿后的传感器输出不受环境温度影响,全量程范围内最大误差为0.45 mm,8~12 mm工作间隙范围内误差为0.16 mm.      

基于RBF神经网络的单塔斜拉桥模型修正

为获得某单塔双索面斜拉桥换索过程中的工作状态,建立了一种联合子结构与径向基神经网络的有限元模型修正新方法.根据模型参数修正理论,通过分析设计参数的相对灵敏度确定需要修正的参数;为满足参数离散性要求,在模型修正过程中引入了子结构方法,并认为每一子结构中的设计参数是不变的.采用径向基(RBF)神经网络作为模型修正优化算法.将子结构与RBF神经网络相结合,从而将有限元模型修正的反问题转化为正问题;同时,对子结构的划分、RBF神经网络构建以及输入输出参数的确定进行了讨论.以某单塔斜拉桥为例,验证了所提的联合模型修正方法.结果表明:计算值与测量值之间的误差,在有限元模型修正前后有很大改善.     

插电式四驱混合动力汽车控制策略设计及优化

为有效识别驾驶员的驾驶意图,在保障插电式四驱混合动力汽车动力性的基础上,提高其燃油经济性,提出了一种转矩识别系数计算方法,设计了基于发动机输出转矩最优能量管理控制策略,讨论了每种工作模式的判别条件以及转矩分配方法.为避免单一优化算法运算时间长、容易陷入局部最优的固有缺陷,使用优拉丁超立方的方法进行试验设计,利用径向基函数神经网络(radial basis function, RBF)建立近似模型,使用多岛遗传算法对近似模型进行了优化.研究结果表明:对优化后的控制策略进行离线仿真得出,混合动力汽车在满足动力性能的前提下,百公里油耗降低了16.4%;将优化后的控制策略在dSPACE上进行硬件在环试验表明,所制定的控制策略,可以实现基本的能量管理,且加入转矩识别之后平均车速误差降低了39.9%,百公里油耗降低了8.5%.      

基于动量BP算法的过渡段路基沉降预测

利用动量BP算法改进了BP神经网络的收敛性,建立了过渡段路基沉降预测模型．该模型可克服传统BP神经网络收敛速度慢、易陷入局部最优等的缺点．结合津秦客运专线路桥过渡段路基沉降实测数据,将该优化模型与传统BP神经网络预测模型进行了对比．计算表明,利用动量BP算法改进的神经网络具有较高的预测精度,同时考虑了多个影响因素,因而具有广阔的应用前景．     

基于引力搜索RBF神经网络的柴油机故障诊断

为了解决RBF神经网络的参数选择问题,以便提高柴油机故障诊断的精度,提出了一种基于引力搜索算法和RBF神经网络相结合的智能故障诊断方法.该方法首先采用减聚类算法确定网络隐层单元数,然后提出改进引力搜索算法优化RBF神经网络的参数.利用国际标准样本集对该方法进行分类测试,并将该方法应用于柴油机故障的诊断,仿真实验验证了该方法对柴油机故障的分类和诊断效果.     

基于RBF神经网络的单塔斜拉桥模型修正

为获得某单塔双索面斜拉桥换索过程中的工作状态,建立了一种联合子结构与径向基神经网络的有限元模型修正新方法。根据模型参数修正理论,通过分析设计参数的相对灵敏度确定需要修正的参数;为满足参数离散性要求,在模型修正过程中引入了子结构方法,并认为每一子结构中的设计参数是不变的。采用径向基(RBF)神经网络作为模型修正优化算法。将子结构与RBF神经网络相结合,从而将有限元模型修正的反问题转化为正问题;同时,对子结构的划分、RBF神经网络构建以及输入输出参数的确定进行了讨论。以某单塔斜拉桥为例,验证了所提的联合模型修正方法。结果表明:计算值与测量值之间的误差,在有限元模型修正前后有很大改善。     

基于粒子群算法的斜拉桥恒载索力优化

为了优化斜拉桥恒载索力,将斜拉桥主梁与主塔的弯曲应变能之和作为目标函数,拉索索力、主塔与主梁的位移、应力等作为约束条件,建立斜拉桥恒载索力有限元模型,确定全桥各个单元内力、位移的高阶影响矩阵。利用罚函数法将目标函数与约束条件转变为无约束优化问题,利用粒子群算法找寻无约束目标函数的全局最优适应度,以此得出斜拉桥最优成桥索力。研究发现:粒子群优化算法能在给定约束条件下找寻结构最优状态,该方法简便、有效、实用性强,能降低人工调索的影响,容易获得接近真实成桥状态的索力。     

基于多种群并行遗传算法的板材拉深过程压边力优化

针对板材拉深成形过程,在增量法有限元数值模拟的基础上,以板料成形厚度变量作为目标函数,采用神经网络、多种群并行遗传算法对压边力进行了优化,对优化后结果进行了有限元模拟,取得很好效果。     

应用于质子交换膜燃料电池的数值优化方法

将具有全局搜索能力的遗传算法应用于质子交换膜燃料电池（PEMFC）扩散电极的性能优化,通过对PEMFC单体建立二维稳态数值计算模型,在ISIGHT-FD软件平台上利用径向基函数（RBF）神经网络拟和模型,在相应的设计空间内生成RBF拟和曲面,调用多岛遗传算法（MIGA）对RBF拟和进行遗传搜索,得到了阴极扩散层厚度、孔隙率和渗透率的最优值,通过优化前后的氧气浓度和输出性能比较,表明这些参数可改善气体扩散层的传质性能.     

基于RBF神经网络的城市互通立交短时交通量预测

根据实测数据,分析了城市互通立交交通流运行特性,研究了城市互通立交主线总交通量、交织流量比和第2车道大型车比例3种因素对合流区端部交通量的影响,应用神经网络原理建立了输入层为3个神经元,输出层为1个神经元的RBF神经网络,研究了该RBF神经网络的训练算法,应用实测数据进行了网络训练,对训练后的网络进行了仿真.仿真输出结果与实测数据之间的误差很小,证明应用RBF神经网络对互通立交合流区的短时交通量进行预测是一种可行的方法.此研究为分析互通立交内各功能区之间的相互影响,为研究互通立交桥的预先控制和运行状态分析提供了理论参考.     

Forming path optimization for press bending of aluminum alloy aircraft integral panel

Because of the light weight, high stiffness and high structural efficiency, aluminium alloy integral panels are widely used on modern aircrafts. Press bend forming has many advantages, and it becomes a significant technique in aircraft manufacturing field. In order to design the press bend forming path for aircraft integral panels, we propose a novel optimization method which integrates the finite element method (FEM) equivalent model based on our previous study, the artificial neural network response surface, and the genetic algorithm. First, a multi-step press bend forming FEM equivalent model is established, with which the FEM experiments designed with Taguchi method are performed. Then, the back-propagation (BP) neural network response surface is developed with the sample data from the FEM experiments. Further more, genetic algorithm (GA) is applied with the neural network response surface as the objective function. Finally, experimental and simulation verifications are carried out on a single stiffener specimen. The forming error of the panel formed with the optimal path is only 5.37% and the calculating efficiency has been improved by 90.64%. Therefore, this novel optimization method is quite efficient and indispensable for the press bend forming path designing.     

基于遗传优化的水面无人船艇神经网络智能控制

利用GA智能优化算法和RBF神经网络逼近算法设计了一种USV运动滑模理想跟踪控制方法.首先利用改进的遗传算法对RBF网络参数进行在线寻优以进而提高其逼近性能.其次,将学习速度较快的局部RBF神经网络对滑模控制设计中存在的船舶运动系统函数不确定项进行逼近,使得由于滑模面的不间断切换引起的控制输入抖振问题得到有效地解决.对比实验说明了在同等条件下,上述智能控制系统稳定时间更快,超调量更小,以及输入舵角更平滑.     

5A06铝合金板材热态本构模型及韧性断裂准则

为了获取材料在不同条件下成形性能指标,对5A06铝合金板材进行了热态单向拉伸试验,结合热态单向拉伸试验和韧性断裂试验结果,提出了一种修正Misiolek模型;利用修正模型的外插性能预测颈缩后板材流变应力,应用径向基函数神经网络算法建立了Cockroft-Latham韧性断裂阈值预测模型,并对该模型进行了预测精度评估.结果表明,流变应力对温度及应变速率敏感,对比径向基函数网络模型预测误差小于10.6%.      

遗传算法优化的RBF神经网络模型在公路隧道群交通事故微观预测中的应用

本文根据构建的遗传算法优化的RBF神经网络模型,提出了公路隧道群交通事故微观预测方法,对以任意断面为中心的单元长度内的交通事故率进行合理预测,为公路隧道群事故多发点的鉴别及预防管理措施的制定提供理论支撑。最后,以西汉高速公路隧道群区段为例,以调研所得的交通事故微观预测模型参数基础资料,运用本文构建的预测模型进行工程实践应用分析,同时与传统的RBF神经网络预测结果进行对比,分析说明遗传算法优化的RBF神经网络预测模型的科学性及可行性效果良好。     

Minimum resistance ship hull uncertainty optimization design based on simulation-based design method

In the ship hull optimization design based on simulation-based design (SBD) technology, low precision of the approximate model leads to an uncertainty form of optimization model. In order to enable the approximate model with finite precision to maximize the effectiveness, uncertainty optimization method is introduced here. Wave resistance coefficient approximation model, built by back propagation (BP) neural network, is represented as a form of interval. Afterwards, a minimum resistance optimization model is established with the design space constituted by principal dimensions and ship form coefficients. Double-level nested optimization architecture is proposed: for outer layer, improved particle swarm optimization (IPSO) algorithm with learning factor improvement strategy is used to generate design variables, and for inner layer, modified very fast simulated annealing (MVFSA) algorithm is used to solve the objective function interval with uncertainty region. Cases calculation proves the effectiveness and superiority of uncertainty optimization method for ship hull SBD optimization design, thus providing a good way for finding optimal designs.     

基于RBF的城市快速路交通异常事件自动检测算法分析

通过对城市快速路交通异常事件自动检测方法的分析,提出用MATLAB神经网络工具箱建立交通异常事件自动检测RBF模型,并通过采集的实测交通异常事件数据对RBF神经网络在自动检测算法中进行仿真研究。结果表明RBF神经网络算法具有检测率高、误报率低和检测速度快等优点。