资源描述：
《基于混合神经网络与遗传算法方法的注塑参数优化》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24卷第2期计算机应用Vol.24,No.22004年2月ComputerApplicationsFeb.,2004文章编号:1001-9081(2004)02-0091-04基于混合神经网络与遗传算法方法的注塑参数优化郑生荣,辛 勇,杨国泰,何成宏(南昌大学机电工程学院,江西南昌330029)(zsrcm@163.com)摘 要:建立了基于混合神经网络与遗传算法方法的注塑工艺参数优化系统,用Matlab语言编制了应用程序,对神经网络的参数预测与遗传算法的优化过程进行求解。将网络预测结果与CAE模拟结果进行比较和误差分析,显示出BP网络的稳定性和可靠
2、性;优化结果经CAE模拟和实验验证,证明是正确的,表明基于混合神经网络与遗传算法方法的注塑工艺参数优化方法是可行的。关键词:人工神经网络;遗传算法;混合方法;Matlab;CAE;参数优化中图分类号:TP183文献标识码:AOptimizationofInjectionParametersBasedonHybridNeuralNetworkandGeneticAlgorithmZHENGSheng2rong,XINYong,YANGGuo2tai,HECheng2hong(MechanicalandElectronicEngineeringColleg
3、e,NanchangUniversity,NanchangJiangxi330029,China)Abstract:Inthispaper,anoptimizationsystemisestablishedbasedonahybridneuralnetworkandgeneticalgorithmapproach.TheapplicationprogramiscompiledinMatlabengineeringcomputinglanguage,whichisusedincalculatingtheparametervaluepredictedbyn
4、euralnetworkandtheresultofgeneticalgorithmoptimization.ThecomparisonanderroranalysishasbeencarriedoutbetweentheresultspredictedbynetworkandCAEsimulatedresults,whichshowsthattheBPnetworkisstableandreliable.Theoptimizedoutcome,afterverifiedbyCAEsimulationandtestedbyexperiment,hasb
5、eenprovedtobecorrect.Ithasbeenindicatedthattheinjectionparameteroptimizationmethodbasedonthehybridneuralnetworkandgeneticalgorithmapproachisfeasible.Keywords:artificialneuralnetwork;geneticalgorithm;hybridapproach;Matlab;CAE;parameteroptimization表现出的易于实现及健壮性等特点,使它在许多领域,特别是1 前言近年
6、来在机器学习、模式识别、智能控制和最优化等领域得到人工神经网络(ANN)是人类在对大脑神经网络认识理了广泛应用[5]。解的基础上人工构造的、由多层神经元经连接而成,能实现某应用混合神经网络与遗传算法方法进行注塑工艺参数的种功能的、理论化的数学模型,是基于模仿大脑神经网络结构优化,对于迅速准确地获得工艺参数最优值,减少参数调试时[1]和功能而建立的一种信息系统。它实际上是由大量简单元间,减少人工、材料的浪费,提高工效和制品质量具有实际意件(称为神经元)相互连接而形成的复杂网络,能够进行复杂义。的逻辑操作和模拟复杂的非线性系统,实现函数的非线性映本文探讨了
7、混合神经网络与遗传算法方法在注塑工艺参射。BP网络是目前大量采用的一种网络模型,它具有自组数优化中的应用。织、自学习和联想记忆等功能,同时容错性能也很好,是新一[2]2BP网络的模型代信息处理工具。在隐层神经元数量足够的情况下,带有偏差、具有至少一个S型隐层加上线性输出层的BP网络能BP网络通常采用输入层、隐层和输出层的结构模式,层[3,4]够逼近任意复杂的非线性函数。与层之间的神经元进行全加权连接。由于结构的复杂性,隐[6]遗传算法(GA)是一种借鉴生物界自然选择和自然遗传层一般取1～2层。网络的输出精度与隐层神经元的个数机制的高度并行、随机、自适应
8、搜索算法。遗传算法利用简单有密切关系,适当增加隐层神经元的个数可以提高网络输出的编码技术和繁殖
