在彎管前安裝擾流子，可以減小彎管處二次流強度，降低能量損失，并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算。以l9（33）正交試驗以及4組補充試驗作為bp神經網絡的訓練樣本，建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉角、葉片長度、安裝距離3個結構參數(shù)的非線性映射關系；擾流子節(jié)能效率最大值作為目標函數(shù)，再結合遺傳算法進行結構參數(shù)優(yōu)化。最終得到在不同雷諾數(shù)下擾流子葉片轉角、葉片長度、安裝距離的最佳組合形式，并利用有限元方法對結果驗證。結果表明，這種優(yōu)化方案具有可行性；合適的結構參數(shù)的擾流子具有良好的節(jié)能效果。

在彎管前安裝擾流子,可以減小彎管處二次流強度,降低能量損失,并運用cfd軟件對不同參數(shù)下的擾流子節(jié)能效果數(shù)值計算.以l9(33)正交試驗以及4組補充試驗作為bp神經網絡的訓練樣本,建立在5種雷諾數(shù)下擾流子節(jié)能效率與擾流子葉片轉角、葉片長度、安裝距離3個結構參數(shù)的非線性映射關系;擾流子節(jié)能效率最大值作為目標函數(shù),再結合遺傳算法進行結構參數(shù)優(yōu)化.最終得到在不同雷諾數(shù)下擾流子葉片轉角、葉片長度、安裝距離的最佳組合形式,并利用有限元方法對結果驗證.結果表明,這種優(yōu)化方案具有可行性;合適的結構參數(shù)的擾流子具有良好的節(jié)能效果.

針對傳統(tǒng)方法單獨采用bp神經網絡算法易陷入局部極值的問題,提出了遺傳算法優(yōu)化bp神經網絡,并將其應用于mimo-ofdm系統(tǒng)信號檢測中。該方法將遺傳算法與神經網絡相結合,用遺傳算法優(yōu)化神經網絡初始值,使bp網絡快速收斂到最優(yōu)解,避免了由初始值的隨機選取而帶來的檢測誤碼。仿真結果表明所提出的方法在誤碼率方面有比較好的性能。

根據某建筑中央空調系統(tǒng)的工作參數(shù),創(chuàng)建bp神經網絡模型,得到輸入輸出的映射關系.利用遺傳算法尋找中央空調系統(tǒng)的最佳工作參數(shù),對遺傳算法的優(yōu)化結果進行分析.利用圖形分析法驗證遺傳算法得到的結果是全局最優(yōu)解.當冷卻水進口溫度為室外溫度、冷水出口溫度為設置范圍內的最大值時,空調功耗最小.

優(yōu)化電解碲電源對電解行業(yè)節(jié)能增效、提高電解產品質量和改善電網環(huán)境具有重要意義.電源前級采用三相電壓型pwm整流器；在建立pwm整流器數(shù)學模型的基礎上；通過改進雙閉環(huán)pi控制策略；即外環(huán)基于并行搜索全局尋優(yōu)的遺傳算法優(yōu)化bp神經網絡權值和閾值的智能控制方法；分析網側電流波形和諧波含量；可得到所需的額定電解電壓和電流；以matlab/simulink軟件為平臺進行仿真計算.結果表明:ga-bp(geneticalgorithm-backpropagation)算法具有輸出電壓平穩(wěn)、響應速度快、超調量小、抗干擾性強等優(yōu)點.

采用遺傳算法對建筑設計進行優(yōu)化,是建筑設計領域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復雜性,提出一種神經網絡結合遺傳算法的建筑優(yōu)化設計方法.研究結果表明：與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設計的效率.

采用遺傳算法對建筑設計進行優(yōu)化,是建筑設計領域一個全新的研究方向,然而,在日照分析下基于遺傳算法求解最優(yōu)值時,需要對每個進化個體進行適應度函數(shù)的計算,將消耗大量的運行時間.為了降低算法的復雜性,提出一種神經網絡結合遺傳算法的建筑優(yōu)化設計方法.研究結果表明:與傳統(tǒng)遺傳算法對比,該方法可以有效降低算法的迭代次數(shù)和運行時間,提高建筑優(yōu)化設計的效率.

提出了將溫差發(fā)電器對內燃機排氣背壓的影響納入溫差發(fā)電器的優(yōu)化設計過程的觀點,設計了一套新的溫差發(fā)電器優(yōu)化方案。以發(fā)電器尺寸參數(shù)為設計變量,以排氣背壓、質量作為約束條件,以發(fā)電片溫差為目標進行優(yōu)化設計。利用中心復合設計法選取試驗點,對試驗點進行cfd仿真,采用高預測精度的改進bp神經網絡擬合設計變量與目標函數(shù)間的關系,再利用遺傳優(yōu)化算法在設計空間尋找最佳設計點。優(yōu)化后消除了發(fā)電器對排氣背壓的影響,溫差提高了8.8%,質量降低了6.7%。

從神經網絡和遺傳算法的原理出發(fā),利用遺傳算法和神經網絡相結合的策略對結構參數(shù)進行優(yōu)化.在確定結構優(yōu)化的目標函數(shù)和設計變量集合的基礎上,用神經網絡學習算法建立貨架結構設計參數(shù)與結構重量、結構最大應力、最大位移等的非線性全局映射關系,獲得遺傳算法求解結構優(yōu)化問題所需的目標函數(shù),用遺傳算法進行優(yōu)勝劣汰的尋優(yōu)搜索運算,從而求出所需最優(yōu)解.以貨架結構的優(yōu)化為例說明了上述方法的應用.遺傳算法和神經網絡的優(yōu)化結果是在正交設計法確定的訓練樣本足夠大的基礎上得出的,具有較強的可靠性.

神經網絡隱藏層數(shù)量的選擇以及權重值的確定對訓練算法的收斂性有很大影響,為了解決神經網絡(ann)訓練過程中結構復雜的問題,提出了一種基于遺傳算法(ga)的網絡結構優(yōu)化方法。試驗結果表明,在訓練樣板數(shù)量較大時,優(yōu)化后的ann能夠計算出隱藏層的最佳數(shù)量,從而提高整體的性能,具有較好的泛華能力。

建立bp(backpropagation)神經網絡與遺傳算法相結合的電力負荷預測模型。在該模型中,利用遺傳算法具有的全局尋優(yōu)特點,將bp網絡的初始權值優(yōu)化到一個較小的范圍,然后再用bp算法在該范圍內繼續(xù)優(yōu)化,以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解,又能獲得較快的求解速度。最后,通過仿真算例,與傳統(tǒng)bp網絡優(yōu)化結果、及各種擬合方法獲得結果進行比對,驗證了計算方法的可行性和優(yōu)越性。

建立bp（backpropagation）神經網絡與遺傳算法相結合的電力負荷預測模型。在該模型中，利用遺傳算法具有的全局尋優(yōu)特點，將bp網絡的初始權值優(yōu)化到一個較小的范圍，然后再用bp算法在該范圍內繼續(xù)優(yōu)化，以便使優(yōu)化算法既能實現(xiàn)全局最優(yōu)求解，又能獲得較快的求解速度。最后，通過仿真算例，與傳統(tǒng)bp網絡優(yōu)化結果、及各種擬合方法獲得結果進行比對，驗證了計算方法的可行性和優(yōu)越性。

相對于監(jiān)測數(shù)據采集的高效性,隧道施工中對現(xiàn)場突發(fā)狀況缺乏高效的應對措施。本文結合工程實例,采用正交表及對應三維數(shù)值計算模型,得到隧道施工參數(shù)與對應隧道變形的樣本集,應用基于遺傳算法的bp神經網絡matlab程序,通過對施工參數(shù)進行正演分析,實現(xiàn)相對高效的施工反饋;在實測數(shù)據基礎上,通過進一步的反演分析,可優(yōu)化施工參數(shù),實現(xiàn)施工工藝的經濟優(yōu)選。工程應用結果表明,該方法的分析結果能夠滿足工程施工精度要求,有效提高施工過程中突發(fā)狀況的應對效率,同時也為設計中參數(shù)的優(yōu)化選擇提供參考,為建立隧道工程施工的高效反饋機制提供新方法和新思路。

為有效gis設備放電故障診斷的快速性和準確性,采用近幾年出現(xiàn)的遺傳算法對bp神經網絡進行優(yōu)化,減少了bp神經網絡算法陷入局部最優(yōu)解的風險,顯著增強了bp神經網絡的泛化能力和全局尋優(yōu)能力。對比發(fā)現(xiàn),遺傳算法優(yōu)化后的bp神經網絡模型具有比較好的快速性和準確的診斷能力。測試結果表明,遺傳算法優(yōu)化bp神經網絡對gis設備放電故障診斷具有可行性和有效性。

綜合利用有限元法、正交試驗法、bp神經網絡以及遺傳算法對大重型數(shù)控轉臺的花盤結構系統(tǒng)進行優(yōu)化研究。首先對花盤結構系統(tǒng)進行諧響應動力學分析,找出對結構動態(tài)特性影響最大的模態(tài)頻率,并確定bp神經網絡的輸入變量,然后利用正交試驗法和有限元分析法確定出bp神經網絡樣本點數(shù)據,建立反映花盤結構特性的bp神經網絡模型,最后利用遺傳算法對建立的bp神經網絡優(yōu)化。仿真結果表明,花盤第一階固有頻率提高15.5%,其自重降低9.8%。

基于結構系統(tǒng)靜強度可靠性分析、神經網絡和遺傳算法,對空間梁板結構系統(tǒng)進行了可靠性分析和基于可靠性的優(yōu)化設計。結構可靠性分析中,給出了安全余量以及安全余量對各變量敏度的顯性表達式,便于各安全余量間相關性計算和可靠性計算精度提高。結構優(yōu)化中,用神經網絡和遺傳算法,每代遺傳操作中只需用傳統(tǒng)方法計算1次結構系統(tǒng)可靠性指標,將該代最優(yōu)解對應的數(shù)據加入神經網絡的訓練樣本,從訓練樣本中刪除最次樣本,使訓練樣本不斷處于更新狀態(tài)。數(shù)值算例表明:該法收斂平穩(wěn)、用時較少,具較好的收斂性和較高的計算效率。

針對bp神經網絡訓練過程中的訓練時間較長、完全不能訓練或容易陷入局部極小值等問題,提出基于遺傳克隆選擇算法(cloga)優(yōu)化bp神經網絡的流程,克服bp算法的一些缺陷。并通過湖北省人口預測問題進行效果檢驗,得到滿意的結果。

為提高基于視頻圖像的公路隧道火災火焰識別率，在對火焰動態(tài)特征研究成果之上，利用bp神經網絡融合火焰靜態(tài)特征，對公路隧道視頻火焰進行綜合識別．火焰動態(tài)特征選取作者研究的火焰邊緣運動量（amfe）和火焰區(qū)域跳動特征，火焰靜態(tài)特征選取前人研究的尖角數(shù)目、火焰顏色特征和圓形度．將此5種火焰特征作為bp神經網絡的輸入，達到融合火焰多特征信息并實現(xiàn)火焰綜合識別的目的．實驗結果表明，火焰識別率穩(wěn)定在86．2％～96．5％之間，驗證了該方法的可靠性．

在遺傳算法與誤差反向傳播網絡(bp網絡)結構相結合的基礎上,提出了利用改進的遺傳算法優(yōu)化神經網絡進行水資源承載力綜合評價的新方法,將該方法應用于淮河流域水資源承載力綜合評價,實例表明是可行的,為水資源承載力定量分析開辟了新的途徑.

由于地下工程巖土力學參數(shù)的復雜性,在實際工程設計和施工中,要想得到比較準確的巖土力學參數(shù)是比較困難的,而巖土參數(shù)對地下工程的設計和施工的成敗具有很重要的意義。本文利用遺傳神經網絡優(yōu)化算法結合數(shù)值模擬試驗對地下工程巖土力學參數(shù)進行優(yōu)化反分析,并取得了良好的效果。

針對壓電陶瓷驅動器的蠕變誤差隨時間呈現(xiàn)非線性變化,會嚴重影響其定位精度的問題,提出遺傳算法優(yōu)化bp神經網絡的壓電陶瓷蠕變預測算法。采用遺傳算法優(yōu)化了bp神經網絡的權值和閾值,構建了基于遺傳算法的bp神經網絡(ga-bp算法)的蠕變預測模型。用ga-bp算法對壓電陶瓷蠕變進行了預測仿真,并將結果與實測數(shù)據進行了對比。結果表明,獲得的蠕變預測結果與實驗數(shù)據的最大絕對誤差均不超過0.2μm,最大蠕變誤差均小于1.5%,最大均方誤差僅為0.0046,因此,ga-bp預測模型可作為預測壓電陶瓷蠕變誤差的一種有效手段。

提出了一種神經網絡與遺傳算法相結合的電鍍鋅鎳磷合金工藝參數(shù)優(yōu)化方法。以試驗數(shù)據為樣本,通過神經網絡建立電鍍工藝參數(shù)與電鍍性能關系之間的復雜模型,利用遺傳算法對電鍍工藝參數(shù)進行優(yōu)化,可充分發(fā)揮神經網絡的非線性映射能力和遺傳算法的全局尋優(yōu)能力。試驗顯示了方法的有效性和優(yōu)越性。