遗传算法优化BP神经网络的GIS设备放电故障诊断

针对压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,会严重影响其定位精度的问题,提出遗传算法优化bp神经网络的压电陶瓷蠕变预测算法。采用遗传算法优化了bp神经网络的权值和阈值,构建了基于遗传算法的bp神经网络(ga-bp算法)的蠕变预测模型。用ga-bp算法对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比。结果表明,获得的蠕变预测结果与实验数据的最大绝对误差均不超过0.2μm,最大蠕变误差均小于1.5%,最大均方误差仅为0.0046,因此,ga-bp预测模型可作为预测压电陶瓷蠕变误差的一种有效手段。

针对压电陶瓷驱动器的蠕变误差随时间呈现非线性变化,会严重影响其定位精度的问题,提出遗传算法优化bp神经网络的压电陶瓷蠕变预测算法.采用遗传算法优化了bp神经网络的权值和阈值,构建了基于遗传算法的bp神经网络（ga-bp算法）的蠕变预测模型.用ga-bp算法对压电陶瓷蠕变进行了预测仿真,并将结果与实测数据进行了对比.结果表明,获得的蠕变预测结果与实验数据的最大绝对误差均不超过0.2μm,最大蠕变误差均小于1.5％,最大均方误差仅为0.0046,因此,ga-bp预测模型可作为预测压电陶瓷蠕变误差的一种有效手段.

根据某建筑中央空调系统的工作参数,创建bp神经网络模型,得到输入输出的映射关系.利用遗传算法寻找中央空调系统的最佳工作参数,对遗传算法的优化结果进行分析.利用图形分析法验证遗传算法得到的结果是全局最优解.当冷却水进口温度为室外温度、冷水出口温度为设置范围内的最大值时,空调功耗最小.

针对bp神经网络训练过程中的训练时间较长、完全不能训练或容易陷入局部极小值等问题,提出基于遗传克隆选择算法(cloga)优化bp神经网络的流程,克服bp算法的一些缺陷。并通过湖北省人口预测问题进行效果检验,得到满意的结果。

综合利用有限元法、正交试验法、bp神经网络以及遗传算法对大重型数控转台的花盘结构系统进行优化研究。首先对花盘结构系统进行谐响应动力学分析,找出对结构动态特性影响最大的模态频率,并确定bp神经网络的输入变量,然后利用正交试验法和有限元分析法确定出bp神经网络样本点数据,建立反映花盘结构特性的bp神经网络模型,最后利用遗传算法对建立的bp神经网络优化。仿真结果表明,花盘第一阶固有频率提高15.5%,其自重降低9.8%。

利用小波分析具有能量分布特征提取的特性和遗传算法优化bp算法的能力,提出了一种基于遗传算法、小波与神经网络的电梯故障诊断方法,并应用电梯故障数据作为实例进行了验证.遗传算法小波神经网络模型诊断速度快、鲁棒性好、故障诊断正确率高.

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明：与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

在弯管前安装扰流子，可以减小弯管处二次流强度，降低能量损失，并运用cfd软件对不同参数下的扰流子节能效果数值计算。以l9（33）正交试验以及4组补充试验作为bp神经网络的训练样本，建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系；扰流子节能效率最大值作为目标函数，再结合遗传算法进行结构参数优化。最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式，并利用有限元方法对结果验证。结果表明，这种优化方案具有可行性；合适的结构参数的扰流子具有良好的节能效果。

在弯管前安装扰流子,可以减小弯管处二次流强度,降低能量损失,并运用cfd软件对不同参数下的扰流子节能效果数值计算.以l9(33)正交试验以及4组补充试验作为bp神经网络的训练样本,建立在5种雷诺数下扰流子节能效率与扰流子叶片转角、叶片长度、安装距离3个结构参数的非线性映射关系;扰流子节能效率最大值作为目标函数,再结合遗传算法进行结构参数优化.最终得到在不同雷诺数下扰流子叶片转角、叶片长度、安装距离的最佳组合形式,并利用有限元方法对结果验证.结果表明,这种优化方案具有可行性;合适的结构参数的扰流子具有良好的节能效果.

采用遗传算法对建筑设计进行优化,是建筑设计领域一个全新的研究方向,然而,在日照分析下基于遗传算法求解最优值时,需要对每个进化个体进行适应度函数的计算,将消耗大量的运行时间.为了降低算法的复杂性,提出一种神经网络结合遗传算法的建筑优化设计方法.研究结果表明:与传统遗传算法对比,该方法可以有效降低算法的迭代次数和运行时间,提高建筑优化设计的效率.

文章以热泵机组为研究对象,从实验测试的角度建立故障-征兆模型。采用bp神经网络对热泵机组进行故障诊断并利用matlab仿真,仿真结果表明基于bp神经网络的热泵机组故障诊断实现简单且效果较好。

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络(bp)的短期负荷预测.从bp神经网络的理论入手,采用遗传算法优化bp神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.

人工神经网络在电力电子电路故障诊断中有广泛的应用。常用的反向传播算法存在着容易陷入局部极小点、对初值要求高的缺点,给故障诊断带来不便。提出了采用遗传算法优化人工神经网络结构的初值,将遗传算法与人工神经网络结合起来,应用于电力电子电路的故障诊断中。仿真实验表明该方法是有效的。

基于遗传算法的改进BP神经网络模型在水质评价中的应用

针对bp神经网络易陷入局部最优和遗传算法全局搜索速度过慢的缺点及水利定额编制中存在非线性和复杂性的实际状况,提出采用遗传算法（ga）优化bp神经网络在水利定额编制中的问题。实例分析表明,优化后模型（ga-bp神经网络）结合了bp神经网络的非线性逼近、局部寻优能力和遗传算法的全局搜索特性,在稳定性、预测精度、收敛速度上均优于bp神经网络,可运用于水利定额编制。

建立bp(backpropagation)神经网络与遗传算法相结合的电力负荷预测模型。在该模型中,利用遗传算法具有的全局寻优特点,将bp网络的初始权值优化到一个较小的范围,然后再用bp算法在该范围内继续优化,以便使优化算法既能实现全局最优求解,又能获得较快的求解速度。最后,通过仿真算例,与传统bp网络优化结果、及各种拟合方法获得结果进行比对,验证了计算方法的可行性和优越性。

商品房的价格受多方面因素的影响,传统的预测方法并不十分有效。为了探索新的房价预测理论模型,利用重庆市的数据,验证了遗传算法改进的bp神经网络房价预测的有效性,从而可以对房地产供求双方及监管机构提供一定的参考。

阐述了企业信息化水平评价问题的现状,提出了运用遗传算法(ga)优化bp神经网络的评价方法,避免了传统评价方法确定权重值的主观随意性,并且克服了bp网络中的局部极小缺陷,使训练速度加快,在建立bp-ga网络信息化评价模型的基础上,利用样本公司实际指标数据对模型的评价效果进行了检验,并与传统bp网络模型的评价结果进行了比较研究。

目的将改进的神经网络模型应用于钻孔灌注桩桩孔质量的智能化识别,从而减少人为的误判、漏判情况.方法将遗传算法与神经网络模型有机地结合起来,建立桩孔质量检测的智能化模型,先利用遗传算法对神经网络的权值和阈值进行优化,再结合训练完成的神经网络模型对桩孔质量进行预测,同时根据现场数据建立三维分析图,通过预测结果与三维分析图的比对来验证模型的准确性.结果测试样本的仿真误差为0.00575,训练样本的仿真误差为0.0224;5、6号桩孔的预测结果为(0.0012,0.9999),(0.0027,0.0051),即5号桩质量为合格,6号桩质量为良好.结论通过预测结果与三维分析图的比对结果,可以得出基于遗传算法的神经网络模型能够较好地对孔灌注桩进行智能判别.

目的将改进的神经网络模型应用于钻孔灌注桩桩孔质量的智能化识别,从而减少人为的误判、漏判情况.方法将遗传算法与神经网络模型有机地结合起来,建立桩孔质量检测的智能化模型,先利用遗传算法对神经网络的权值和阈值进行优化,再结合训练完成的神经网络模型对桩孔质量进行预测,同时根据现场数据建立三维分析图,通过预测结果与三维分析图的比对来验证模型的准确性.结果测试样本的仿真误差为0.00575,训练样本的仿真误差为0.0224;5、6号桩孔的预测结果为(0.0012,0.9999),(0.0027,0.0051),即5号桩质量为合格,6号桩质量为良好.结论通过预测结果与三维分析图的比对结果,可以得出基于遗传算法的神经网络模型能够较好地对孔灌注桩进行智能判别.

建立bp（backpropagation）神经网络与遗传算法相结合的电力负荷预测模型。在该模型中，利用遗传算法具有的全局寻优特点，将bp网络的初始权值优化到一个较小的范围，然后再用bp算法在该范围内继续优化，以便使优化算法既能实现全局最优求解，又能获得较快的求解速度。最后，通过仿真算例，与传统bp网络优化结果、及各种拟合方法获得结果进行比对，验证了计算方法的可行性和优越性。

负荷预测是电力规划的基础,传统的神经网络预测方法存在对初始网络权值设置敏感、收敛的速度慢、容易陷入局部极小值等缺点。文中引入遗传算法先对神经网络的初始值进行优化,再通过神经网络进行学习和训练,得出的结果再经bagging方法集成,目的是提高其准确率。通过matlab仿真进行实验,结果表明,基于bagging算法集成遗传神经网络,能够克服传统bp神经网络的缺点,可较快收敛又不易陷入到局部极值中,具有较强的泛化能力,同时也大大提高了网络的预测精度。