bp神经网络优化遗传算法

,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,列车运行齿轮箱振动幅,值,寻优,一、问题背景,1、争论内容：,齿轮箱作为轨道运营车辆的重要组成部件，但其自身简洁产生不平稳振动并可通过转向架传递振动，属于故障多发件。同时车辆的振动 也会给乘客带来不舒适的感觉。,2.目标,依据BP神经网络遗传算法计算后找到最优的振动点，即幅值最低点,依据其对应的属性啮合频率和轴向力确定最优振动点的属性值,进而可以把握其属性值使得其运行更优,对于实质一样背景不同的问题是同样适用的,算法实质：寻优问题,一、问题背景,3,.,数据来源：,实时,采集的轨道列车运行数据,一、问题背景,第一列是轴向力,其次列为啮合刚度,前两列作为输入,第三列作为输出数据为纵向振动幅值,1,、算法原理,BP,神经网络优化的遗传算法,2,、算法,步骤,BP,神经网络优化的遗传算法,运行bp文件，产生构造体net inputps outputps,b.运行Genetic主程序，产,生最优输入值，输出值，,适应度曲线变化,其中使用fun函数找到最优适应度，然后进展选择穿插和变异，并将最优适应度进展存储，调用bp1函数对最优输入进展测试，找到最优输出值。,3,、算法程序,BP,神经网络优化的遗传算法,1,2,3,、算法程序,BP,神经网络优化的遗传算法,3,轮盘法,随机选择穿插,随机选择变异,3,、算法程序,BP,神经网络优化的遗传算法,4,5,输出最优值,4,、算法,工作,BP,神经网络优化的遗传算法,原程序,转变,思路：,程序的读取数据只要格式一样就可，可将自己的数据代替原有的程序随机产生的数据,4,、算法,工作,BP,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，红色为参与转置,4,、算法,工作,BP,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,、算法,工作,BP,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,、算法结果,BP,BP,神经网络优化的遗传算法,errorsum,=,2.8403,Elapsed time is 12.658025 seconds.,5,、算法结果,BP,BP,神经网络优化的遗传算法,5,、算法结果,遗传,BP,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 45.9915啮合刚度,最优输出值：-,5,、算法结果,遗传,BP,神经网络优化的遗传算法,5,、算法结果,遗传,BP,神经网络优化的遗传算法,5,、算法结果,遗传,BP,神经网络优化的遗传算法,将,数据变大,108,后结果,6,、算法结论与疑问,BP,神经网络优化的遗传算法,1.并非迭代次数与种群规模越大越好；,2.不限定界限后寻优结果有时会更差；,3.当迭代次数小，种群未全部选中时寻优结果较差；,4.当输入数据较大时，最优适应度值为横线或者寻优较慢，该方法不适合数值较大时使用。,初始化时的m,n作用不清晰，不用也可以;,适应度函数。,感谢大家！,