傳統(tǒng)的基于人工神經(jīng)網(wǎng)絡(luò)的電器產(chǎn)品優(yōu)化方法,在對電器產(chǎn)品優(yōu)化設(shè)計(jì)后花費(fèi)的材料成本仍然較高,因此設(shè)計(jì)一種基于自適應(yīng)遺傳算法的電器產(chǎn)品優(yōu)化方法。首先,依據(jù)電器產(chǎn)品設(shè)計(jì)基本性能需求,建立電器產(chǎn)品優(yōu)化目標(biāo)函數(shù),包括電器產(chǎn)品材料成本和最小變電損耗;然后,引入一個(gè)新的函數(shù)作為種群是否早熟的判斷依據(jù),以降低計(jì)算時(shí)間,在此基礎(chǔ)上對電器產(chǎn)品優(yōu)化點(diǎn)編碼;最后,利用自適應(yīng)遺傳算法實(shí)現(xiàn)電器產(chǎn)品優(yōu)化設(shè)計(jì)。通過實(shí)驗(yàn)對比結(jié)果可知,此次設(shè)計(jì)的基于自適應(yīng)遺傳算法的電器產(chǎn)品優(yōu)化方法比傳統(tǒng)方法的電器產(chǎn)品設(shè)計(jì)成本低,證明了此次設(shè)計(jì)方法的有效性。 

【文章來源】：現(xiàn)代電子技術(shù). 2020,43(19)北大核心

【文章頁數(shù)】：4 頁

【部分圖文】：

改進(jìn)的自適應(yīng)交叉概率和變異概率

Step3：電器產(chǎn)品優(yōu)化樣本點(diǎn)的分布[13]。隨著自適應(yīng)遺傳算法的訓(xùn)練，電器產(chǎn)品優(yōu)化逐漸以最優(yōu)點(diǎn)為中心，樣本點(diǎn)分布示意圖如圖2所示。Step4：自適應(yīng)遺傳操作。利用自適應(yīng)遺傳算法中的適應(yīng)度比例法進(jìn)行復(fù)制，通過適應(yīng)度函數(shù)對上述染色體的適應(yīng)度函數(shù)值[14]求解，從而得到每個(gè)染色體對應(yīng)的復(fù)制概率。將復(fù)制概率與目標(biāo)函數(shù)結(jié)合，建立如下的目標(biāo)函數(shù)：

在實(shí)驗(yàn)過程中，設(shè)置相同的實(shí)驗(yàn)時(shí)間，并從某電器產(chǎn)品廠內(nèi)抽選10類產(chǎn)品，這10類電器產(chǎn)品參數(shù)不同。分別使用兩種方法對這10種電器產(chǎn)品優(yōu)化設(shè)計(jì)，對比兩種方法優(yōu)化設(shè)計(jì)后的電器產(chǎn)品材料的設(shè)計(jì)成本。4.2 實(shí)驗(yàn)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]基于產(chǎn)品拆卸性設(shè)計(jì)的循環(huán)率規(guī)制的影響研究[J]. 陳玉玉,李幫義,柏慶國,陳信同,唐娟.  計(jì)算機(jī)集成制造系統(tǒng). 2019(07)
[2]采用遺傳算法的電控增壓器電磁閥優(yōu)化設(shè)計(jì)[J]. 楊昆,劉振明,周磊,劉楠,應(yīng)宇辰.  國防科技大學(xué)學(xué)報(bào). 2019(03)
[3]基于遺傳算法的高性能賦形天線優(yōu)化設(shè)計(jì)[J]. 施錦文,張新剛,時(shí)政欣,趙穎.  微波學(xué)報(bào). 2019(03)
[4]基于改進(jìn)遺傳算法的捷變相位編碼組優(yōu)化設(shè)計(jì)[J]. 陳舒敏,錢喬龍,曹文杰,趙中興.  現(xiàn)代雷達(dá). 2019(05)
[5]并網(wǎng)逆變器LCL濾波器的參數(shù)優(yōu)化設(shè)計(jì)[J]. 黃亦欣,湯亞芳,于淼,李君衛(wèi),冒國龍.  電測與儀表. 2019(12)
[6]電磁繼電器額定壽命優(yōu)化設(shè)計(jì)[J]. 肖斌,楊文英,謝林煒,翟國富.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2019(03)
[7]基于雙層規(guī)劃的參數(shù)化產(chǎn)品族優(yōu)化設(shè)計(jì)[J]. 程賢福,高東山,萬麗云.  機(jī)械設(shè)計(jì)與研究. 2018(03)
[8]基于CFD及FEM的聚氨酯泡沫塑料低溫絕熱結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J]. 王翰林,劉清念,周翔,顏鴻斌.  塑料工業(yè). 2018(06)
[9]基于GRNN神經(jīng)網(wǎng)絡(luò)的汽車塑件工藝優(yōu)化設(shè)計(jì)[J]. 梁德堅(jiān),鄧其貴,萬選明.  塑料. 2018(03)
[10]基于改進(jìn)人工蜂群算法的輪轂電機(jī)多目標(biāo)優(yōu)化[J]. 張河山,鄧兆祥,妥吉英,張羽,陶勝超.  西南交通大學(xué)學(xué)報(bào). 2019(04)



本文編號(hào)：3624489