基于BP神經(jīng)網(wǎng)絡(luò)遺傳算法水輪機(jī)修復(fù)專(zhuān)用機(jī)器人結(jié)構(gòu)優(yōu)化設(shè)計(jì).pdf

1、結(jié)構(gòu)優(yōu)化設(shè)計(jì)自60年代以來(lái)，隨著計(jì)算機(jī)技術(shù)、數(shù)學(xué)、生物學(xué)等學(xué)科的進(jìn)步而得到了迅速發(fā)展。優(yōu)化技術(shù)由最優(yōu)化理論、計(jì)算機(jī)技術(shù)及工程技術(shù)相結(jié)合而形成的一種現(xiàn)代設(shè)計(jì)方法與技術(shù)。在解決復(fù)雜的工程設(shè)計(jì)問(wèn)題時(shí)，優(yōu)化技術(shù)的應(yīng)用可以較快地實(shí)現(xiàn)設(shè)計(jì)方案的最佳化，提高設(shè)計(jì)效率。本文將神經(jīng)網(wǎng)絡(luò)和遺傳算法兩者相結(jié)合，成功的實(shí)現(xiàn)了將改進(jìn)型。BP神經(jīng)網(wǎng)絡(luò)和遺傳算法相結(jié)合應(yīng)用到機(jī)器人結(jié)構(gòu)優(yōu)化設(shè)計(jì)中。 首先系統(tǒng)地分析了優(yōu)化理論的發(fā)展和優(yōu)化設(shè)計(jì)應(yīng)用的現(xiàn)狀，探討神經(jīng)網(wǎng)

2、絡(luò)的發(fā)展及其在結(jié)構(gòu)優(yōu)化設(shè)計(jì)過(guò)程中的應(yīng)用，總結(jié)了傳統(tǒng)的優(yōu)化算法和現(xiàn)代優(yōu)化算法的優(yōu)缺點(diǎn)，并論證了基于遺傳算法的神經(jīng)網(wǎng)絡(luò)應(yīng)用的可行性和優(yōu)越性。 本文以Ansys Workbech軟件為工具，針對(duì)水輪機(jī)修復(fù)專(zhuān)用機(jī)器人在實(shí)際工作情況幾個(gè)代表性姿態(tài)，在滿足各種約束條件下進(jìn)行結(jié)構(gòu)靜力分析，得到水輪機(jī)修復(fù)專(zhuān)用機(jī)器人工作末端的位移和整體應(yīng)力分布情況，為基于BP神經(jīng)網(wǎng)絡(luò)遺傳算法的機(jī)器人結(jié)構(gòu)優(yōu)化的網(wǎng)絡(luò)訓(xùn)練、學(xué)習(xí)及檢測(cè)網(wǎng)絡(luò)性能提供代表性數(shù)據(jù)樣本。

3、 通過(guò)對(duì)BP網(wǎng)絡(luò)模型結(jié)構(gòu)的數(shù)據(jù)準(zhǔn)備、隱層節(jié)點(diǎn)數(shù)確定、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)等進(jìn)行分析和新的探討，針對(duì)其缺點(diǎn)，提出了改進(jìn)辦法，即通過(guò)引入動(dòng)量常量提高網(wǎng)絡(luò)收斂速度；引入遺傳算法避免了出現(xiàn)局部最小值，提出基于人工神經(jīng)網(wǎng)絡(luò)遺傳算法的算法。該算法綜合了遺傳算法的全局性和改進(jìn)型神經(jīng)網(wǎng)絡(luò)的快速收斂等特點(diǎn)，可克服遺傳算法最終進(jìn)化至最優(yōu)解較慢和神經(jīng)網(wǎng)絡(luò)易陷入局部解的缺陷，具有較好的全局性和收斂速度。利用在Ansys Workbech獲取的數(shù)據(jù)樣本，驗(yàn)證了該方法的