《bp神经网络优化遗传算法优秀PPT.pptx》由会员分享，可在线阅读，更多相关《bp神经网络优化遗传算法优秀PPT.pptx（21页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、列车运行齿轮箱振动幅列车运行齿轮箱振动幅值值寻优寻优一、问题背景一、问题背景1 1、探讨内容：、探讨内容：齿齿轮轮箱箱作作为为轨轨道道运运营营车车辆辆的的重重要要组组成成部部件件，但但其其自自身身简简洁洁产产生生不不平平稳稳振振动动并并可可通通过过转转向向架架传传递递振振动动，属属于于故故障障多发件。同时车辆的振动多发件。同时车辆的振动 也会给乘客带来不舒适的感觉。也会给乘客带来不舒适的感觉。2.2.目标目标依依据据BPBP神神经经网网络络遗遗传传算算法法计计算算后后找找到到最最优优的的振振动动点点，即即幅幅值值最最低点低点依依据据其其对对应应的的属属性性（啮啮合合频频率率和和轴轴向向力力）确
2、确定定最最优优振振动动点点的的属属性值性值进而可以限制其属性值使得其运行更优进而可以限制其属性值使得其运行更优对于实质相同背景不同的问题是同样适用的对于实质相同背景不同的问题是同样适用的算法实质：寻优问题算法实质：寻优问题一、问题背景一、问题背景3 3.数据来源：数据来源：实时实时采集的轨道列车运行数据采集的轨道列车运行数据一、问题背景一、问题背景第一列是轴向力第一列是轴向力其次列为啮合刚度其次列为啮合刚度前两列作为输入前两列作为输入第第三三列列作作为为输输出出数数据据为为纵纵向振动幅值向振动幅值1 1、算法原理算法原理BP神经网络优化的遗传算法神经网络优化的遗传算法2 2、算法算法步骤步骤B
3、P神经网络优化的遗传算法神经网络优化的遗传算法a.运行bp文件，产生结构体net inputps outputpsb.b.运行Genetic主程序，产c.生最优输入值，输出值，d.适应度曲线变更e.其中运用fun函数找到最优适应度，然后进行选择交叉和变异，并将最优适应度进行存储，调用bp1函数对最优输入进行测试，找到最优输出值。3 3、算法程序算法程序BP神经网络优化的遗传算法神经网络优化的遗传算法3 3、算法程序算法程序BP神经网络优化的遗传算法神经网络优化的遗传算法轮盘法随机选择交叉随机选择变异3 3、算法程序算法程序BP神经网络优化的遗传算法神经网络优化的遗传算法输出最优值4 4、算法算
4、法工作工作BP神经网络优化的遗传算法神经网络优化的遗传算法原程序变更思路：程序的读取数据只要格式相同就可，可将自己的数据代替原有的程序随机产生的数据4 4、算法算法工作工作BP神经网络优化的遗传算法神经网络优化的遗传算法思路：报错说程序位数不同，检查各个数据的维数，试验修改后成功，红色为加入转置4 4、算法算法工作工作BP神经网络优化的遗传算法神经网络优化的遗传算法思路：通过已经训练好的数据网络来测试生成的最好的输入数据4 4、算法算法工作工作BP神经网络优化的遗传算法神经网络优化的遗传算法思路：原先maxgen值为100，sizepop为20；Bound为-5,5；-5,5依据实际状况更改尽
5、可能多的选择到4000个个体及尽可能使数值在数据范围内5 5、算法结果算法结果BPBPBP神经网络优化的遗传算法神经网络优化的遗传算法errorsum=2.8403Elapsed time is 12.658025 seconds.5 5、算法结果算法结果BPBPBP神经网络优化的遗传算法神经网络优化的遗传算法5 5、算法结果算法结果遗传遗传BP神经网络优化的遗传算法神经网络优化的遗传算法适应度变量：0.0167 最优输入值：-74.3680（轴向力）45.9337（啮合刚度）最优输出值：-0.099393469676714适应度变量：0.0165最优输入值：-88.7460（轴向力）45.9
6、915（啮合刚度）最优输出值：-5 5、算法结果算法结果遗传遗传BP神经网络优化的遗传算法神经网络优化的遗传算法5 5、算法结果算法结果遗传遗传BP神经网络优化的遗传算法神经网络优化的遗传算法5 5、算法结果算法结果遗传遗传BP神经网络优化的遗传算法神经网络优化的遗传算法将数据变大108后结果6 6、算法结论与疑问算法结论与疑问BP神经网络优化的遗传算法神经网络优化的遗传算法1.1.并非迭代次数与种群规模越大越好；并非迭代次数与种群规模越大越好；2.2.不限定界线后寻优结果有时会更差；不限定界线后寻优结果有时会更差；3.3.当迭代次数小，种群未全部选中时寻优结果较差；当迭代次数小，种群未全部选中时寻优结果较差；4.4.当当输输入入数数据据较较大大时时，最最优优适适应应度度值值为为横横线线或或者者寻寻优优较较慢慢，该该方法不适合数值较大时运用。方法不适合数值较大时运用。初始化时的初始化时的m,nm,n作用不清晰，不用也可以作用不清晰，不用也可以;适应度函数。适应度函数。