bp神經網絡優(yōu)化遺傳算法-文檔資料

1、列車運行齒輪箱振動幅列車運行齒輪箱振動幅值值尋優(yōu)尋優(yōu)一、問題背景一、問題背景1 1、研究內容：、研究內容：齒輪箱作為軌道運營車輛的重要組成部件齒輪箱作為軌道運營車輛的重要組成部件，但其自身容，但其自身容易產生不平穩(wěn)振動并可通過轉向架傳遞振動，屬于故障易產生不平穩(wěn)振動并可通過轉向架傳遞振動，屬于故障多發(fā)件。多發(fā)件。同時車輛的振動同時車輛的振動 也會給乘客帶來不舒適的感覺。也會給乘客帶來不舒適的感覺。2 2. .目標目標l 根據根據BPBP神經網絡遺傳神經網絡遺傳算法算法計算計算后找到最優(yōu)的振動點，即幅值后找到最優(yōu)的振動點，即幅值最低點最低點l 根據根據其對應的屬性（嚙合頻率和軸向力）確定最優(yōu)振動

2、點的其對應的屬性（嚙合頻率和軸向力）確定最優(yōu)振動點的屬性屬性值值l 進而進而可以控制其屬性值使得其運行更可以控制其屬性值使得其運行更優(yōu)優(yōu)l 對于實質相同背景不同的問題是同樣適用的對于實質相同背景不同的問題是同樣適用的算法實質：尋優(yōu)問題算法實質：尋優(yōu)問題一、問題背景一、問題背景3 3. .數據來源：數據來源：實時實時采集的軌道列車運行數據采集的軌道列車運行數據一、問題背景一、問題背景第一列是軸向力第一列是軸向力第二列為嚙合剛度第二列為嚙合剛度前兩列前兩列作為輸入作為輸入第三列作為輸出數據第三列作為輸出數據為縱為縱向振動幅向振動幅值值1 1、 算法原理算法原理BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化

3、的遺傳算法2 2、 算法算法步驟步驟BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法a. 運行bp文件，產生結構體net inputps outputpsb. 運行Genetic主程序，產 生最優(yōu)輸入值，輸出值， 適應度曲線變化其中使用fun函數找到最優(yōu)適應度，然后進行選擇交叉和變異，并將最優(yōu)適應度進行存儲，調用bp1函數對最優(yōu)輸入進行測試，找到最優(yōu)輸出值。3 3、 算法程序算法程序BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法3 3、 算法程序算法程序BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法輪盤法隨機選擇交叉隨機選擇變異3 3、 算法程序算法程序BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)

4、化的遺傳算法輸出最優(yōu)值4 4、 算法算法工作工作BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法原程序改變思路：程序的讀取數據只要格式相同就可，可將自己的數據代替原有的程序隨機產生的數據4 4、 算法算法工作工作BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法思路：報錯說程序位數不同，檢查各個數據的維數，實驗修改后成功，紅色為加入轉置4 4、 算法算法工作工作BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法思路：通過已經訓練好的數據網絡來測試生成的最好的輸入數據4 4、 算法算法工作工作BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法思路：原先maxgen值為100，sizepop為20；Bo

5、und為-5,5；-5,5根據實際情況更改盡可能多的選擇到4000個個體及盡可能使數值在數據范圍內5 5、 算法結果算法結果BPBPBP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法020406080100-0.4-0.3-0.2-0.100.10.20.3神經網絡預測誤差errorsum = 2.8403Elapsed time is 12.658025 seconds.02040608010000.20.40.60.811.21.4樣本輸出BP網絡預測輸出 預測輸出期望輸出5 5、 算法結果算法結果BPBPBP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法5 5、 算法結果算法結果遺傳遺傳BP

6、神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法0501001500.0150.020.0250.030.0350.04X: 66Y: 0.0168適應度變化曲線進化次數適應度適應度變量： 0.0167 最優(yōu)輸入值：-74.3680 （軸向力） 45.9337（嚙合剛度）最優(yōu)輸出值： -0.0993934696767140501001502002503003500.0150.020.0250.030.0350.04X: 177Y: 0.01651適應度變化曲線進化次數適應度適應度變量： 0.0165最優(yōu)輸入值： -88.7460 （軸向力） 45.9915（嚙合剛度）最優(yōu)輸出值： -0.12939

7、34696767145 5、 算法結果算法結果遺傳遺傳BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法5 5、 算法結果算法結果遺傳遺傳BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法0204060801001201401606.2596.2596.2596.2596.2596.2596.2596.259適應度變化曲線進化次數適應度5 5、 算法結果算法結果遺傳遺傳BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法將數據變大108后結果6 6、 算法結論與疑問算法結論與疑問BP神經網絡優(yōu)化的遺傳算法神經網絡優(yōu)化的遺傳算法1.1.并非迭代次數與種群規(guī)模越大越好；并非迭代次數與種群規(guī)模越大越好；2.2.不限定界線后尋優(yōu)結果有時會更差；不限定界線后尋優(yōu)結果有時會更差；3.3.當迭代次數小，種群未全部選中時尋優(yōu)結果較差；當迭代次數小，種群未全部選中時尋優(yōu)結果較差；4.4.當輸入數據較大時，最優(yōu)適應度值為