虚拟工程技术近年来经历了快速发展,已被广泛接受为商业产品开发。产品设计和制造企业正从传统的多个和串行测试周期的仿真方法,解决问题和验证使用CAE与CAD工具性能。
一个有效的过程中,至关重要的是,设计变量可以在短时间内完成。这通常会导致一个挑战当系统正在研究表现出非线性行为。本届会议介绍了一种基于神经网络的新方法(NNs)和遗传算法(气),“把数据工作”和提供最好的解决方案对于一个给定的设计基于可用的数据。这种方法的目的是为设计师提供一个工具,可以用来选择一个给定产品的优化设计。这是可能由于通过遗传算法优化神经网络本身的实现基于可用的训练数据。遗传算法用于神经网络的两种主要方法:优化的网络结构和训练权重固定结构。
神经网络的性能是非常依赖,在其他变量的选择处理元素(神经元)体系结构和学习算法。特别是,连接密度(神经元)决定了其存储信息的能力和学习。一方面,减少连接数量可能禁用网络近似函数。另一方面,密集的连接可能会导致过度拟合。NNs通常被视为一个方法来实现复杂非线性函数使用简单的基本单位与自适应权重。我们专注于优化的结构连接这些网络使用天然气减少学习时间和避免CAD / CAE循环。事实上,这个实现提供了神经网络拓扑结构,一般来说,执行比随机或完全连接拓扑时学习和分类新数据。
遗传算子、变异和交叉等人口中引入不同初始随机连接、修改网络的架构和测试候选人的解决方案。万博 尤文图斯最有效的神经网络训练后,可以调整设计参数,用有限元分析或测试数据精确解相同的精度,但大幅减少仿真时间:分析所需的近似半小时临界点的有限元分析是使用神经网络减少到几秒钟。MATLAB图形用户界面(GUI)是一个快速的设计指南,在神经网络的训练数据是来自一组自动生成有限元分析。评估这种方法的有效性,一些实际的应用程序。作为一个例子,最优预加载的螺栓接合返回几秒钟从螺栓的几何形状,摩擦系数,应用扭矩。
