hjpso-bp算法在齿轮热处理预测中的应用

《hjpso-bp算法在齿轮热处理预测中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、HJPSO-BP算法在齿轮热处理预测中的应用韩月娇，董华（南昌航空大学信息工程学院，江西南昌330063）摘要：本文将HJPSO算法引入BP神经网络中并建立优化的BP网络模型，克服了标准BP网络在实际应用预测中易陷入局部极小点、收敛速度慢的缺点。通过本模型对汽车齿轮热处理进行了预测研究。研究结果表明优化后的BP网络比标准BP网络具有较高的预测能力和稳定性。关键词：BP神经网络；粒子群算法；Hooke-Jeeves模式搜索法；齿轮热处理PredictiveApplicationofGearHeatTreatmentBa

2、sedonHJPSO-BPAlgorithmHANYue-jiao，DONGHua(NanchangHangkongUniversity,InformationEngineeringCollege,Nanchang,Jiangxi330063)Abstract：TheneuralnetworkmodelbasedonHooke-JeevesParticleSwarmOptimization(HJPSO)isproposedinthispaperforovercomingsomeshortcomingsofBPneur

3、alnetworkthatisslowattheconvergencerateandeasytotrapinlocalminimum.Thismodelhasutilizedpredictionofgearheattreatment.TheexperimentaldatashowstheeffectoftheimprovedBPneuralmodelismuchbetterthanstandardBPneuralnetworkintermofthepredictingabilityandstability.Keywo

4、rds：BPneuralnetwork;PSOalgorithm;Hooke-Jeevespatternsearchmethod;Gearheattreatment0引言齿轮是汽车传动系统中的重要部件。传统研究方法是通过改变齿轮的材料和工艺技术来改善齿轮的硬化层[1]。李新城等人将专家系统引入热处理工艺中[2]，然而由于传统的专家系统存在着缺陷，如知识表达形式单一、知识获取的“瓶颈”、严重依赖专家经验的问题，限制了它的推广。齿轮热处理过程是一个高度复杂的非线性过程，涉及因素众多。BP神经网络能够有效地逼近输入、输出函

5、数之间的非线性关系。但其本身也存在一些缺点：算法容易陷入局部极值点，收敛速度慢等[3]，这样限制了BP算法在实际中的应用。本文引入了HJPSO-BP算法来优化BP神经网络，建立优化后BP网络模型并将其应用于齿轮热处理的实际预测中，有效地克服了BP神经网络易陷入局部极值的缺点，提高了BP算法的预测精度和收敛速度。1HJPSO算法优化的BP网络本文将具有强局部收敛能力但收敛效果依赖于初始值的Hooke-Jeeves模式搜索方法作为一个算子嵌入到PSO中，提出HJ-PSO算法并用其优化和训练BP神经网络。利用HJ算法的强收

6、敛能力来提高PSO的收敛速度和求解精度，利用PSO算法的全局收敛性能给HJ算法提供一个好的初始值，保证HJ算法的收敛效果[4,5]。利用PSO算法具有的无穷逼近能力，搜索得到一个接近最优位置向量作为BP神经网络的初始权值和阈值。由此得到一组接近最优的网络权值与阈值后，再使用BP算法根据这些权值和阈值进一步寻优，从而得到网络权值和阈值的最优值。HJPSO训练BP网络的算法流程图如图1所示：---------------------------------收稿日期：2011-07-12；修返日期：基金项目：国家自然科学基

7、金项目（60963002）；江西省教育厅青年科学基金项目（GJJ11165）作者简介：韩月娇（1987-），女，山东烟台人，硕士研究生，主要研究领域为神经网络与模式识别；董华（1975-），女，博士研究生，副教授，主要研究领域为质量控制、信号与信息处理图1HJPSO训练BP网络的算法流程图2HJPSO-BP网络函数逼近为了检验算法的性能，下面用BP神经网络、PSO-BP网络和HJPSO-BP网络对非线性函数进行函数逼近，并对结果进行比较。其中参数设置如下：惯性权重；；加速度系数，变异概率设为，HJ算法的最大迭代次数设

8、为。为了更好地评价算法的收敛性能，本文算法对非线性函数运行500次所得的函数平均迭代次数、均方误差和逼近结果进行比较分析。表1BP、PSO-BP和HJPSO-BP平均训练次数比较网络类别平均训练次数BPPSO-BPHJPSO-BP833624从上表可以看出，BP网络的平均训练次数是PSO-BP网络的平均训练次数的2倍多，是HJPSO-BP网络的