基于改进型BP神经网络的混凝土泵车臂架结构优化研究
|
摘要
我国目前混凝土泵车产业虽然有了很大发展，但同国外相比仍处于较低层次水准，42m以上长臂架泵车生产大多需要技术引进或进口关键部件。由于臂架对长臂混凝土泵车的性能有重大影响，为了尽快提高我国混凝土泵车的设计制造水平，受企业委托，本文以国内新近开始设计生产的42m混凝土泵车臂架系统为研究对象，将BP神经网络、有限元分析、遗传算法有机结合，对混凝土泵车臂架系统的结构优化设计进行了研究。
针对臂架结构优化设计过程中需要反复进行有限元分析，费力费时，本文利用能处理模糊、含有噪音数据和具有很强非线性映射功能的BP神经网络进行结构分析的预测输出。利用BP神经网络建立起结构设计参数与变形、应力等的非线性映射关系，即建立了基于BP网络的结构分析器。BP网络训练样本由有限元模型运算得到。本文还对BP神经网络的理论和实现方法进行了较深入的研究。针对BP神经网络的缺点，研究了一种动态自适应调整学习参数的改进型BP算法：在每次学习过程中，进行二次动态学习参数的自适应调整。第一次是自适应调整学习率η和动量因子α。为了从整体上限制学习速率过大而出现计算溢出，对学习率还作了进一步的修正。第二是自适应调整允许均方误差e的值。本文将改进的BP网络算法用于结构分析器的训练。
本文利用遗传算法调用BP网络训练结果进行结构设计参数优化，并开发了混凝土泵车臂架优化设计软件。通过优化，臂架结构主要设计参数有不同程度改善，达到了优化目的。
本文共分为8章。第一章为绪论，综述了国内外人工神经网络、有限元、遗传算法研究的历史、发展和现状，以及国内混凝土泵车的产业发展状况，阐述了本课题的提出、目的和意义。第二、三章系统叙述了BP神经网络的理论、结构、主要缺点和改进措施，提出了一种改进型BP算法。第四章概述了遗传算法的理论及其实现。第五章建立了混凝土泵车臂架结构的力学和有限元模型，并进行了实验验证。第六章介绍了基于BP网络的臂架结构分析器的构建。第七章建立了臂架结构系统的优化数学模型，介绍了优化设计的实现。第八章为全文研究工作的总结，提出了今后进一步研究的发展方向。
Current there is very big development in our country's concrete pump vehicle industry. But compared with the abroad, it is still placed in a low level . The production of long boom concrete pump vehicles above 42m need to introduce the whole techniques or import key parts, so it is very necessary to improve the design level of concrete pump vehicle series with long booms and especially to the boom system. 42m concrete pumping vehicle has being produced recently in domestic. This paper researches into the frame optimizing design of boom system of the vehicle. The research combines BP neural networks, genetic algorithm and finite element.
Because of the complexity of the booms' system, we often calculate the results again and again when making use of finite element software. The efficiency and the model's accuracy need further improving and the optimum results require further perfecting. The finite element model and computing models are established in the paper, and furthermore, the computing results answer the measuring data well. The intelligent algorithm of modified BP neural network is applied in the paper to design the nonlinear mapping relationship between the stress & the strain and the main structure variables. Subsequently, Simulation Anneal-Genetic Algorithm is used to optimize the data and gives a better result. According to the engineering and optimum needing, a kind of integrated optimum software is set up to design the booms' system. The software not only is a good tool for the boom system's designing, but also verifies the rationality and feasibility of these models. In a word, this paper achieves a series of useful theories and practical results.
This article divides eight chapters altogether. Chapter one is introduction, which summaries the history, development and current situation of BP neural networks, genetic algorithm and finite element, talks about the domestic industry of concrete pump vehicle , then explains the proposition, purpose and meaning of this thesis. In chapter two to three, the theories, construction and main defects of BP neural networks are described systematically and a modified method, which can adjust study parameters dynamically and adaptively, is put forward. To the booms ' system, the finite element model and computing model are built in
chapter five. Subsequently, the rationality of the models is verified. Based on the improved BP neural networks algorithm, an analysis software tool used for the analysis is introduced in Chapter six. Chapter seven set up the optimizing model of the booms' system, then discusses the realization of the optimum design. Chapter eight is a conclusion of the study work of the thesis and puts forward the direction of further research development in the future.
针对臂架结构优化设计过程中需要反复进行有限元分析，费力费时，本文利用能处理模糊、含有噪音数据和具有很强非线性映射功能的BP神经网络进行结构分析的预测输出。利用BP神经网络建立起结构设计参数与变形、应力等的非线性映射关系，即建立了基于BP网络的结构分析器。BP网络训练样本由有限元模型运算得到。本文还对BP神经网络的理论和实现方法进行了较深入的研究。针对BP神经网络的缺点，研究了一种动态自适应调整学习参数的改进型BP算法：在每次学习过程中，进行二次动态学习参数的自适应调整。第一次是自适应调整学习率η和动量因子α。为了从整体上限制学习速率过大而出现计算溢出，对学习率还作了进一步的修正。第二是自适应调整允许均方误差e的值。本文将改进的BP网络算法用于结构分析器的训练。
本文利用遗传算法调用BP网络训练结果进行结构设计参数优化，并开发了混凝土泵车臂架优化设计软件。通过优化，臂架结构主要设计参数有不同程度改善，达到了优化目的。
本文共分为8章。第一章为绪论，综述了国内外人工神经网络、有限元、遗传算法研究的历史、发展和现状，以及国内混凝土泵车的产业发展状况，阐述了本课题的提出、目的和意义。第二、三章系统叙述了BP神经网络的理论、结构、主要缺点和改进措施，提出了一种改进型BP算法。第四章概述了遗传算法的理论及其实现。第五章建立了混凝土泵车臂架结构的力学和有限元模型，并进行了实验验证。第六章介绍了基于BP网络的臂架结构分析器的构建。第七章建立了臂架结构系统的优化数学模型，介绍了优化设计的实现。第八章为全文研究工作的总结，提出了今后进一步研究的发展方向。
Current there is very big development in our country's concrete pump vehicle industry. But compared with the abroad, it is still placed in a low level . The production of long boom concrete pump vehicles above 42m need to introduce the whole techniques or import key parts, so it is very necessary to improve the design level of concrete pump vehicle series with long booms and especially to the boom system. 42m concrete pumping vehicle has being produced recently in domestic. This paper researches into the frame optimizing design of boom system of the vehicle. The research combines BP neural networks, genetic algorithm and finite element.
Because of the complexity of the booms' system, we often calculate the results again and again when making use of finite element software. The efficiency and the model's accuracy need further improving and the optimum results require further perfecting. The finite element model and computing models are established in the paper, and furthermore, the computing results answer the measuring data well. The intelligent algorithm of modified BP neural network is applied in the paper to design the nonlinear mapping relationship between the stress & the strain and the main structure variables. Subsequently, Simulation Anneal-Genetic Algorithm is used to optimize the data and gives a better result. According to the engineering and optimum needing, a kind of integrated optimum software is set up to design the booms' system. The software not only is a good tool for the boom system's designing, but also verifies the rationality and feasibility of these models. In a word, this paper achieves a series of useful theories and practical results.
This article divides eight chapters altogether. Chapter one is introduction, which summaries the history, development and current situation of BP neural networks, genetic algorithm and finite element, talks about the domestic industry of concrete pump vehicle , then explains the proposition, purpose and meaning of this thesis. In chapter two to three, the theories, construction and main defects of BP neural networks are described systematically and a modified method, which can adjust study parameters dynamically and adaptively, is put forward. To the booms ' system, the finite element model and computing model are built in
chapter five. Subsequently, the rationality of the models is verified. Based on the improved BP neural networks algorithm, an analysis software tool used for the analysis is introduced in Chapter six. Chapter seven set up the optimizing model of the booms' system, then discusses the realization of the optimum design. Chapter eight is a conclusion of the study work of the thesis and puts forward the direction of further research development in the future.
引文
[1] 何玉东．混凝土泵车市场预测和经济性分析．工程机械,2001 (7)，23
[2] 王科俊 王克成．神经网络建模、预报与控制．哈尔滨：哈尔滨工业大学出版社，1996,12．37～85
[3] 杨建刚．人工神经网络实用教程．杭州：浙江大学出版社,2001．22～24
[4] 李海民．遗传算法性能及其在聚类分析中应用的研究．西安电子科技大学博士学位论文
[5] 辛一行主编．现代机械设备设计手册．北京：机械工业出版社，1996．148～149
[6] 张际先 宓霞．神经网络及其在工程中的应用．北京：机械工业出版社，1998，5．20～37
[7] 刑文训，谢金星．现代优化计算方法．北京：清华大学出版社，1999．199～221
[8] 王永骥 涂健．神经元网络控制．北京：机械工业出版社，1999．27～39
[9] 胡守仁 余少波 戴葵．神经网络导论．长沙：国防科技大学出版社，1993．10
[10] 吴义虎．汽车发动机技术中的神经网络方法．北京：人民交通出版社，2000．6
[11] 袁曾任．人工神经元网络及其应用．北京：清华大学出版社，1999．10．30～131
[12] 严太山．神经网络BP算法研究及其在工业检测中的应用．广西师范大学硕士研究生学位论文．2000年
[13] R.C.Eberhart and R..W.Dobbins,Neural Network Pc tools,Acadamic Press.1990
[14] 王强．工业产品的计算机视觉识别与检测算法研究．北京航空航天大学博士学位论文，2000年
[15] 张立明．人工神经网络的模型及其应用．上海：复旦大学出版社，1993．7．
[16] 中国科技大学生物医学工程跨系委员会编．神经网络及其应用．合肥：中国科技大学出版社，1992,2．
[17] 邱忠文．玻璃器皿模具号的计算机视觉识别．广西师范大学硕士学位论文，2000年．
[18] 敖长林．基于人工神经网络的拖拉机使用可靠性研究．东北林业大学博士学位论文,2000年
[19] 庄镇泉 王煦法 王东生．神经网络与神经计算机．北京：科学 1992,2
[20] 张乃尧 阎平凡．神经网络与模糊控制．北京：清华大学出版社．1998,10
[21] 耿新青．遗传算法及其应用．鞍山钢铁学院学报．Vol．23 No．6 Dec．2000
[22] 王小平，曹立明．遗传算法-理论、应用与软件实现．西安交通大学出版
社,2002．1，68～79
[23] 李海绵．遗传算法性能及其在聚类分析中应用的研究．西安电子科技大学博士学位论文
[24] 李海民，吴成柯，基于BP网络的遗传算法，模式识别与人工智能，12(2)，1999，pp．223～228．
[25] 丛爽．面向 MATLAB 工具箱的神经网络理论与应用．合肥：中国科学技术大学出版社，1998，11．
[26] 徐庐生．微机神经网络．中国医药科技出版社．1996,10．
[27] 王国强．实用工程数值模拟技术及其在ANSYS上的实践．西安：西北工业大学出版社，1999．8．59～62．
[28] 建筑机械使用手册编写组编．建筑机械使用手册．北京：中国建材工业出版社，1979．．767～181
[29] 孙国正．工程机械广义优化方法研究与应用．北京：科学出版社．1992,12．1～84
[30] 张艳伟 孙国正．混凝土泵车臂架系统优化及仿真．武汉．武汉理工大学学报交通科学与工程版,2002．2．246-248
[31] 陈立平．优化设计方法在结构设计中的应用．哈尔滨商业大学学报(自然科学版)．Vol,18 No,3．Jun，2002
[32] 郭立新等．混凝土泵车布料机构水平工况的动态分析．振动与冲击，Vol．18 No．3 1999
[33] 郭立新等，混凝土泵车布料机构自动浇筑及过程仿真，东北大学学报(自然科学版)，Vol．21 No．6 2000
[34] 叶元烈．机械优化理论与设计．北京：中国计量出版社，2001，1．81～107
[35] 刘刚．薄壁缺陷结构及其可靠性与安全性．北京：人民交通出版社,2002,10．80～194．
[36] 何政．进化类优化方法的研究及应用．武汉理工大学硕士学位论文,2002年
[37] 张艳伟．基于改进型遗传算法的混凝土泵车臂架系统的优化研究．武汉理工大学硕士学位论文，2002年．
[38] 焦李成．神经网络系统理论．西安：西安电子科技大学出版社．1996,9．17～240
[39] 戴葵．神经网络实现技术．长沙：国防科技大学出版社，1998,7．95～132．
[40] 孙国正 姚建初．面向21世纪的工程设计．北京：人民交通出版社，1998,5．3～40
[41] Fonseca C M, Flemming P J.Multi-Objective Optimization and Multiple Constraint Handling with Evolutionary Algorithms I: A Unified Formulation. Research Report 564,Dept. of Automatic Control and Systems Eng University of Sheffield, Sheffield,UK, 1995
[42] Christopher V.Jones. "Visualization and Optimization" .ORSA Journal on Computing. 6 (3) Summer, 1994, 221-257
[43] Jiri Sima. "Neural expert systems" .Neural Networks, 8(2) , 1995, 261-271
[44] Kirkpatrik S, Gelatt Jr C D, Vecchi M P. Optimization by simulated annealing. Science, 1983． 671-680
[45] Eshelman L J (Ed.).Proc.of the 6th Int'l.Conf.on Genetic Algorithms. Morgan Kaufmann,San Francisco, 1995．
[46] Zitzler E, Thiele L. Multi-Objective Evolutionary Algorithms: A Comparative Case Study And the Strength Pareto Approach. IEEE Transactions of Evolutionary Comutation, 1999,3(4) : 257-271．
[47] Peterson C. Parallel distributed approaches to combinatorial optimization problems-benchmark studies on TSP. Neural Computation, 1990,2:261
[48] McClelland J, Rumelhart D. Explorations in Parallel Distributed Processing. Cambirdge, MA: MIT Press, 1988．
[49] Krishnakumar K. Solving Large Parameter Optimization Problems Using A Genetic Algorithm with Stochastic Coding. In: Genetic Algorithms in Engineering and Computer Science, Winter G(ed), Wiley, 1995,287-301
[50] Bealey D, Bull D R. A Sequencing Niche Technique for Multimodal Function Optimization. Evolutionary Computation, 1993,1(2) : 101-125
[51] Goldberg D E. Genetic Algorithms in Search ,Optimization and Machine Learning. Addison-Wesley Publishing Company, 1989
[2] 王科俊 王克成．神经网络建模、预报与控制．哈尔滨：哈尔滨工业大学出版社，1996,12．37～85
[3] 杨建刚．人工神经网络实用教程．杭州：浙江大学出版社,2001．22～24
[4] 李海民．遗传算法性能及其在聚类分析中应用的研究．西安电子科技大学博士学位论文
[5] 辛一行主编．现代机械设备设计手册．北京：机械工业出版社，1996．148～149
[6] 张际先 宓霞．神经网络及其在工程中的应用．北京：机械工业出版社，1998，5．20～37
[7] 刑文训，谢金星．现代优化计算方法．北京：清华大学出版社，1999．199～221
[8] 王永骥 涂健．神经元网络控制．北京：机械工业出版社，1999．27～39
[9] 胡守仁 余少波 戴葵．神经网络导论．长沙：国防科技大学出版社，1993．10
[10] 吴义虎．汽车发动机技术中的神经网络方法．北京：人民交通出版社，2000．6
[11] 袁曾任．人工神经元网络及其应用．北京：清华大学出版社，1999．10．30～131
[12] 严太山．神经网络BP算法研究及其在工业检测中的应用．广西师范大学硕士研究生学位论文．2000年
[13] R.C.Eberhart and R..W.Dobbins,Neural Network Pc tools,Acadamic Press.1990
[14] 王强．工业产品的计算机视觉识别与检测算法研究．北京航空航天大学博士学位论文，2000年
[15] 张立明．人工神经网络的模型及其应用．上海：复旦大学出版社，1993．7．
[16] 中国科技大学生物医学工程跨系委员会编．神经网络及其应用．合肥：中国科技大学出版社，1992,2．
[17] 邱忠文．玻璃器皿模具号的计算机视觉识别．广西师范大学硕士学位论文，2000年．
[18] 敖长林．基于人工神经网络的拖拉机使用可靠性研究．东北林业大学博士学位论文,2000年
[19] 庄镇泉 王煦法 王东生．神经网络与神经计算机．北京：科学 1992,2
[20] 张乃尧 阎平凡．神经网络与模糊控制．北京：清华大学出版社．1998,10
[21] 耿新青．遗传算法及其应用．鞍山钢铁学院学报．Vol．23 No．6 Dec．2000
[22] 王小平，曹立明．遗传算法-理论、应用与软件实现．西安交通大学出版
社,2002．1，68～79
[23] 李海绵．遗传算法性能及其在聚类分析中应用的研究．西安电子科技大学博士学位论文
[24] 李海民，吴成柯，基于BP网络的遗传算法，模式识别与人工智能，12(2)，1999，pp．223～228．
[25] 丛爽．面向 MATLAB 工具箱的神经网络理论与应用．合肥：中国科学技术大学出版社，1998，11．
[26] 徐庐生．微机神经网络．中国医药科技出版社．1996,10．
[27] 王国强．实用工程数值模拟技术及其在ANSYS上的实践．西安：西北工业大学出版社，1999．8．59～62．
[28] 建筑机械使用手册编写组编．建筑机械使用手册．北京：中国建材工业出版社，1979．．767～181
[29] 孙国正．工程机械广义优化方法研究与应用．北京：科学出版社．1992,12．1～84
[30] 张艳伟 孙国正．混凝土泵车臂架系统优化及仿真．武汉．武汉理工大学学报交通科学与工程版,2002．2．246-248
[31] 陈立平．优化设计方法在结构设计中的应用．哈尔滨商业大学学报(自然科学版)．Vol,18 No,3．Jun，2002
[32] 郭立新等．混凝土泵车布料机构水平工况的动态分析．振动与冲击，Vol．18 No．3 1999
[33] 郭立新等，混凝土泵车布料机构自动浇筑及过程仿真，东北大学学报(自然科学版)，Vol．21 No．6 2000
[34] 叶元烈．机械优化理论与设计．北京：中国计量出版社，2001，1．81～107
[35] 刘刚．薄壁缺陷结构及其可靠性与安全性．北京：人民交通出版社,2002,10．80～194．
[36] 何政．进化类优化方法的研究及应用．武汉理工大学硕士学位论文,2002年
[37] 张艳伟．基于改进型遗传算法的混凝土泵车臂架系统的优化研究．武汉理工大学硕士学位论文，2002年．
[38] 焦李成．神经网络系统理论．西安：西安电子科技大学出版社．1996,9．17～240
[39] 戴葵．神经网络实现技术．长沙：国防科技大学出版社，1998,7．95～132．
[40] 孙国正 姚建初．面向21世纪的工程设计．北京：人民交通出版社，1998,5．3～40
[41] Fonseca C M, Flemming P J.Multi-Objective Optimization and Multiple Constraint Handling with Evolutionary Algorithms I: A Unified Formulation. Research Report 564,Dept. of Automatic Control and Systems Eng University of Sheffield, Sheffield,UK, 1995
[42] Christopher V.Jones. "Visualization and Optimization" .ORSA Journal on Computing. 6 (3) Summer, 1994, 221-257
[43] Jiri Sima. "Neural expert systems" .Neural Networks, 8(2) , 1995, 261-271
[44] Kirkpatrik S, Gelatt Jr C D, Vecchi M P. Optimization by simulated annealing. Science, 1983． 671-680
[45] Eshelman L J (Ed.).Proc.of the 6th Int'l.Conf.on Genetic Algorithms. Morgan Kaufmann,San Francisco, 1995．
[46] Zitzler E, Thiele L. Multi-Objective Evolutionary Algorithms: A Comparative Case Study And the Strength Pareto Approach. IEEE Transactions of Evolutionary Comutation, 1999,3(4) : 257-271．
[47] Peterson C. Parallel distributed approaches to combinatorial optimization problems-benchmark studies on TSP. Neural Computation, 1990,2:261
[48] McClelland J, Rumelhart D. Explorations in Parallel Distributed Processing. Cambirdge, MA: MIT Press, 1988．
[49] Krishnakumar K. Solving Large Parameter Optimization Problems Using A Genetic Algorithm with Stochastic Coding. In: Genetic Algorithms in Engineering and Computer Science, Winter G(ed), Wiley, 1995,287-301
[50] Bealey D, Bull D R. A Sequencing Niche Technique for Multimodal Function Optimization. Evolutionary Computation, 1993,1(2) : 101-125
[51] Goldberg D E. Genetic Algorithms in Search ,Optimization and Machine Learning. Addison-Wesley Publishing Company, 1989