基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化

• 作者: 付涛 弓清忠 张文光 王大镇
• 来源期刊: 组合机床与自动化加工技术
• 学科: 工学
• 关键词: BP神经网络 NSGA-Ⅱ遗传算法 多目标优化
• 年，卷（期）: 2013,（9）
• 所属期刊栏目: 设计与研究
• 页码范围: 39-41
• 页数: 3页
• 分类号: TH16|TG65
• 字数: 1950字
• 语种: 中文

摘要

文章针对传统的机械零件多目标优化算法的不足,提出了一种基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化设计方法,该方法首先利用Workbench对零件进行分析得到实验数据,然后用改进型BP神经网络对实验数据进行训练并建立起多目标优化的模型,采用NSGA-Ⅱ遗传算法对模型进行多目标优化.结果表明,在满足优化零件使用条件的情况下,运用该方法求得质量的相对误差最大为11％,变形的相对误差最大为3.36％,验证了该方法的有效性和可靠性.并将该方法得出的结果与传统Workbench得出的多目标优化结果进行了比较,证明了该方法优于传统Workbench优化方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王大镇	集美大学机械工程学院	71	405	12.0	16.0
2	弓清忠	集美大学机械工程学院	21	135	7.0	11.0
3	付涛	集美大学机械工程学院	6	86	5.0	6.0
4	张文光	集美大学机械工程学院	4	24	3.0	4.0