原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
华南理工大学学报(自然科学版) 第35卷
收敛速度．李炯城和黄汉雄邙1于2005年做了改进 F=吉．
LMBP收敛速度相关的研究，取得了不错的效果。
尽管LMBP神经网络具有较快的收敛速度，但式中，E是神经网络学习的性能指标，也就是误差
函数．
还是不能很好地得到全局最优解，不能最大限度地
发挥神经网络的作用．先前的研究。9o表明，初始权 (4)进行遗传操作，依次执行选择算子、交叉算
子和变异算子．
值和阈值对神经网络的训练效果具有决定性的影
响，一般的神经网络训练方法都是首先随机地产生 (5)进行种群评估，得到新一代种群．
权值和阈值，这就造成了网络训练的不确定性，难以
获得较好的神经网络．此时，遗传算法就成为神经网 化指标，得到一组优化后的权值．
络的一种重要的补充．遗传算法具有并行性和全局
经网络，获得神经网络的初始权值和阂值．
搜索寻找最优的特点¨0|，可弥补LMBP算法容易陷
入局部最优解的弱点，加上LMBP算法具有快速性 (8)训练LMBP神经网络．
的优点，两者结合后便成为一种高效的优化算法． (9)得到满足精度要求的最优解，即可得问题
的最优化解．
GA．LMBP神经网络的大体思想如下：首先利用
遗传算法优化LMBP神经网络的权值和阈值，获取2水辅助注塑过程模型的建立
最优的权值和阈值后再用LMBP神经网络算法进行
训练，训练完成后即可得到用于预测的神经网络模 2．1 水辅助注塑实验
型．本文采用的GA—LMBP算法的流程见图1，其中 本研究采用本课题组自主研发的水辅助注射设
的LMBP算法采用本课题组提出的流程，具体见文备，该设备主要由注塑机、高压水产生装置、注水喷
献[11]． 嘴、模具、模具温度控制装置等组成．实验材料为
回
水辅助注塑实验具体的过程为：首先将熔体注
t
入模腔，而后将高压水注入熔体内部，在高压水的作
用下内部熔体被推动往前流动，高压水保持压力一
段时间后卸压，排出残留在制品内部的流体后即可
形成中空制品．图2为本实验制备的水辅助注塑样
品的示意图．采用高精度的数显式游标卡尺测量样
遗 品上P1～P5这5个不同位置的壁厚．
传
操 要使建立的神经网络模型充分反映水辅助注塑
作
图1 本文提出的GA—LMBP算法流程图
FlowchartofGA—LMBP inthiswork
Fig．1 algorithmproposed
GA．LMBP算法的具体设计步骤如下：
(1)准备训练样本数据，设置遗传参数和神经
网络结构参数和优化指标等．
(2)参数编码，这里采用浮点数编码方法而不
用二进制编码，这样可以缩短编码长度；产生初始
种群，种群个体的取值范围为(一1，1)．“’ 图2水辅助注塑样品示意图
文档评论（0）