科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对板料成形优化中构造静态代理模型过度设计样本量、预测精度不易控制等问题,提出分步增补样本逐渐提高代理模型预测精度的动态遗传BP神经网络(GABP)建模方法。该方法依据模型精度按最大最小距离准则增添样本来提高全局精度,根据优化解精度将优化解增补为样本以改进局部精度,从而减少样本量,提高计算效率;基于灰色系统理论推导了灰色关联度的迭代计算新格式,将多目标问题转化为最大化关联度的单目标优化,并建立联合遗传算法与动态遗传BP神经网络模型的优化流程框架。通过函数算例表明,与静态遗传BP神经网络模型相比,动态遗传BP神经网络模型能减少约20%的样本量,且预测精度更好,关联度迭代新格式实现了迭代过程平稳收敛;采用该优化流程完成了NUMISHEET 93方盒件的成形工艺优化,与初始设计方案相比,优化方案的减薄指标和起皱指标分别降低了16.62%和8.26%,有效改善了方盒件的成形质量。
- 单位
