汽车产品开发的最优神经网络
安琪拉·贝尔纳迪尼博士,中国国际文化研究中心
虚拟工程技术近年来发展迅速,已被广泛用于商业产品开发。产品设计和制造组织正在从传统的多重和串行测试周期方法转向仿真,使用CAE和CAD工具解决问题并验证性能。
对于一个有效的过程来说,设计变量能够在短时间内完成是至关重要的。当被研究系统表现出非线性行为时,这通常会带来挑战。这部分介绍了一种基于神经网络(NNs)和遗传算法(GAs)的新方法,它们“让数据发挥作用”,并基于可用数据为给定的设计提供最佳解决方案。这种方法的目标是为设计人员提供一种工具,可以用来为给定的产品选择最佳设计。这要归功于基于可用训练数据的遗传算法实现对神经网络本身的优化。遗传算法用于神经网络主要有两种方式:优化网络结构和训练固定结构的权重。
神经网络的性能在很大程度上取决于处理元素(神经元)、体系结构和学习算法的选择等变量。特别是,(神经元之间)的连接密度决定了它存储信息和从中学习的能力。一方面,减少连接数量可能使网络无法接近功能。另一方面,密集的连接可能导致过拟合。神经网络通常被看作是一种用连接自适应权值的简单基本单元来实现复杂非线性函数的方法。我们专注于利用GAs优化这些网络的连通性结构,以减少学习时间并避免CAD/CAE循环。实际上,这种实现提供的神经网络拓扑在学习和分类新数据时,通常比随机或全连接拓扑的性能更好。
基因操作,如突变和交叉,将多样性引入初始随机连接的种群,修改网络的架构和测试候选解决方案。一旦训练了最有效的神经网络,就有可能调整设计参数,其精度与FEA或测试数据相同,但大幅减少了模拟时间:通过FEA分析临界点所需的大约一个半小时使用神经网络减少到几秒钟。MATLAB图形用户界面(GUI)可作为快速设计指南,其中神经网络的训练数据来自一组自动生成的FEA分析。为了评估该方法的有效性,展示了几个实际应用。例如,从螺栓的几何形状、摩擦系数和应用扭矩出发,几秒钟内就可以返回螺栓连接的最佳预紧力。
记录:2010年6月22日
相关产品2022世界杯八强谁会赢?
您也可以从以下列表中选择网站:
如何获得最佳的网站性能
选择中国网站(中文或英文)以获得最佳的网站表现。其他MathWorks国家网站没有针对从您的位置访问进行优化。