安吉拉·贝尔纳迪尼博士,CITEAN
虚拟工程技术经历了快速的进步,近年来,已广泛用于商业产品开发所接受。产品设计和制造组织正在从传统的多和串行测试周期的方法来模拟,解决问题和验证演出使用CAE与CAD工具的移动。
对于一种有效的方法,重要的是设计的变体可以在短的时间框架内完成。这通常会导致在所研究的系统表现出非线性行为提出了挑战。本次会议介绍了基于神经网络(神经网络)和遗传算法(气),其中“把数据工作”,并提供了基于现有数据给定设计的最佳解决方案的新方法。这种方法的目的是为设计者提供了可用于选择特定产品进行优化设计的工具。这可能是由于根据现有的训练数据NN本身的通过GA实现优化。遗传算法已经被用于神经网络的两种主要方式:以优化网络架构和训练的固定结构的权重。
神经网络的性能主要取决于处理元素(神经元)的选择、体系结构和学习算法。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,减少连接的数量可能会使网络失效,从而接近该功能。另一方面,密集的连接可能导致过拟合。神经网络通常被认为是一种利用简单的基本单元和自适应权值来实现复杂非线性函数的方法。我们的重点是利用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,这种实现提供了神经网络拓扑,在学习和分类新数据时,这些拓扑通常比随机或完全连接的拓扑表现得更好。
遗传操作,如突变和交叉,引入各种到初始随机连接人口,修改网络的架构和测试候选解决方案。万博 尤文图斯一旦最有效的NN进行训练,可以调整设计参数,具有相同的精度FEA或测试数据,但大幅减少模拟时间:近似小时并通过FEA分析临界点所需的一半被减小到利用神经网络的几秒钟。一个MATLAB图形用户界面(GUI)可以作为一个快速设计指南,其中用于NN训练数据是从一组自动生成的FEA分析而获得的。为了评估该方法的有效性,一些实际应用中显示。作为一个例子,用于螺栓连接的最佳的预压在从螺栓的几何形状,摩擦系数,和施加的扭矩开始几秒钟被返回。
记录时间:2010年6月22日
您还可以选择从下面的列表中的网站:
选择最佳的网站性能的中国网站(在中国或英文)。其他MathWorks的国家网站都没有从您的位置访问进行了优化。