發(fā)布時間：2018-05-25 03:39

  本文選題：遺傳算法 + 人工神經(jīng)網(wǎng)絡(luò)�。� 參考：《天津大學(xué)》2015年博士論文

【摘要】：室內(nèi)環(huán)境反向設(shè)計(jì)理論是當(dāng)前研究的熱點(diǎn)問題。反向設(shè)計(jì)能夠根據(jù)設(shè)計(jì)目標(biāo)的特定要求得到相應(yīng)的設(shè)計(jì)變量值,為室內(nèi)環(huán)境設(shè)計(jì)過程提供理論指導(dǎo),具有廣闊的商業(yè)前景。在全面分析國內(nèi)外反向設(shè)計(jì)理論和發(fā)展趨勢的基礎(chǔ)上,本文以計(jì)算流體力學(xué)(CFD)為基礎(chǔ),將遺傳算法、人工神經(jīng)網(wǎng)絡(luò)、模糊控制等技術(shù)相結(jié)合,提出了一種高效的室內(nèi)環(huán)境反向設(shè)計(jì)方法,應(yīng)用于Blay模型與客機(jī)座艙模型的反向設(shè)計(jì)問題。對Blay模型,選取入口速度與溫度為設(shè)計(jì)變量,實(shí)現(xiàn)了監(jiān)測點(diǎn)處的速度與溫度的反向設(shè)計(jì);對座艙模型,選取入口速度、入口溫度、入口角度、入口及出口位置為設(shè)計(jì)變量,實(shí)現(xiàn)了控制區(qū)域的熱舒適、吹風(fēng)感、空氣齡、局部速度及垂向溫差等的多目標(biāo)優(yōu)化設(shè)計(jì)。主要成果如下:首先,研究了基于遺傳算法的反向設(shè)計(jì)方法。使用單目標(biāo)遺傳算法對Blay模型進(jìn)行了反向設(shè)計(jì)。使用多目標(biāo)遺傳算法對飛機(jī)座艙環(huán)境進(jìn)行了反向設(shè)計(jì),利用非支配關(guān)系解決了多目標(biāo)設(shè)計(jì)過程中的個體排序問題。利用區(qū)間遺傳算法獲得了座艙模型的區(qū)間解,并使用超體積評價解的區(qū)間特性,得到了8個區(qū)間解,并確定了最優(yōu)區(qū)間解。研究發(fā)現(xiàn),僅使用遺傳算法進(jìn)行反向設(shè)計(jì)時,計(jì)算量很大,難以滿足實(shí)際設(shè)計(jì)要求。將人工神經(jīng)網(wǎng)絡(luò)引入反向設(shè)計(jì)中,利用人工神經(jīng)網(wǎng)絡(luò)預(yù)測新個體的目標(biāo)值,減少了反向設(shè)計(jì)的計(jì)算量。為保證設(shè)計(jì)精度,同時使用CFD和神經(jīng)網(wǎng)絡(luò)計(jì)算新個體的目標(biāo)值。提出了對數(shù)歸一化方法和優(yōu)選初始種群方法提高反向設(shè)計(jì)效率。進(jìn)一步提出了自更新神經(jīng)網(wǎng)絡(luò),實(shí)現(xiàn)了訓(xùn)練樣本量的自適應(yīng),并使Blay模型與客機(jī)座艙模型反向設(shè)計(jì)的計(jì)算量分別降低了49.4%和60.8%。將模糊控制技術(shù)應(yīng)用在反向設(shè)計(jì)中。利用模糊控制與神經(jīng)網(wǎng)絡(luò)獲得個體的計(jì)算概率,結(jié)合模糊控制與遺傳算法獲得個體的進(jìn)化區(qū)間。在二維及三維座艙模型的反向設(shè)計(jì)中,上述計(jì)算概率和進(jìn)化區(qū)間控制使計(jì)算量再分別下降26.6%和24.6%�？傊�,本文提出的反向設(shè)計(jì)方法提高了室內(nèi)環(huán)境反向設(shè)計(jì)效率,客機(jī)座艙反向設(shè)計(jì)的計(jì)算量減少了71.3%。
[Abstract]:The theory of reverse design of indoor environment is a hot issue at present. The reverse design can get the corresponding design variable value according to the specific requirements of the design objective, which provides theoretical guidance for the interior environment design process, and has a broad commercial prospect. Based on the comprehensive analysis of the theory and development trend of reverse design at home and abroad, this paper combines genetic algorithm, artificial neural network, fuzzy control and so on, based on computational fluid dynamics (CFD). This paper presents an efficient reverse design method for indoor environment, which is applied to the reverse design of Blay model and passenger cabin model. For the Blay model, the inlet velocity and temperature are selected as the design variables to realize the reverse design of the velocity and temperature at the monitoring point, and for the cabin model, the inlet velocity, inlet temperature, inlet angle, entrance and exit position are selected as design variables. The multi-objective optimization design of thermal comfort, blowing sense, air age, local velocity and vertical temperature difference in the control area is realized. The main results are as follows: firstly, the reverse design method based on genetic algorithm is studied. A single objective genetic algorithm is used to reverse design the Blay model. Multi-objective genetic algorithm (MGA) is used to reverse design the cockpit environment, and the non-dominated relation is used to solve the individual scheduling problem in the multi-objective design process. The interval solution of cockpit model is obtained by using interval genetic algorithm. By using the interval characteristic of hypervolume evaluation solution, eight interval solutions are obtained, and the optimal interval solutions are determined. It is found that when genetic algorithm is only used for reverse design, it is difficult to meet the actual design requirements because of the large amount of calculation. The artificial neural network is introduced into the reverse design, and the target value of the new individual is predicted by using the artificial neural network, which reduces the calculation amount of the reverse design. In order to ensure the design accuracy, CFD and neural network are used to calculate the target value of the new individual. Logarithmic normalization method and optimal initial population method are proposed to improve reverse design efficiency. Furthermore, a self-updating neural network is proposed, which realizes the self-adaptation of the training sample size, and reduces the computation of the inverse design of the Blay model and the cockpit model of the passenger plane by 49.4% and 60.880%, respectively. The fuzzy control technique is applied to reverse design. Fuzzy control and neural network are used to obtain individual computing probability, and fuzzy control and genetic algorithm are combined to obtain individual evolution interval. In the reverse design of two-dimensional and three-dimensional cockpit models, the computational probability and evolutionary interval control decrease the computational load by 26.6% and 24.6g, respectively. In a word, the reverse design method proposed in this paper improves the efficiency of the reverse design of the indoor environment, and reduces the calculation amount of the cockpit reverse design of the passenger plane by 71.33.
【學(xué)位授予單位】：天津大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2015
【分類號】：V223

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡(luò)的直升機(jī)艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡(luò)的應(yīng)用與展望[J];佛山科學(xué)技術(shù)學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡(luò)的研究及其應(yīng)用[J];國際技術(shù)經(jīng)濟(jì)研究學(xué)報(bào);1990年01期

5 張軍華;神經(jīng)網(wǎng)絡(luò)技術(shù)及其在軍用系統(tǒng)中的應(yīng)用[J];現(xiàn)代防御技術(shù);1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡(luò)在預(yù)報(bào)控制中的應(yīng)用[J];機(jī)床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡(luò)及其在鐵道科技中應(yīng)用的探討[J];鐵道學(xué)報(bào);1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡(luò)診斷──神經(jīng)網(wǎng)絡(luò)在自動化領(lǐng)域里的應(yīng)用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內(nèi)外神經(jīng)網(wǎng)絡(luò)技術(shù)的研究與應(yīng)用概況[J];電機(jī)電器技術(shù);1995年04期

10 王中賢，，錢頌迪;神經(jīng)網(wǎng)絡(luò)法在經(jīng)濟(jì)管理中的應(yīng)用[J];航天工業(yè)管理;1995年04期

相關(guān)會議論文 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機(jī)遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進(jìn);保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報(bào)產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報(bào)應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

10 張廣遠(yuǎn);萬強(qiáng);曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

相關(guān)重要報(bào)紙文章 前10條

1 美國明尼蘇達(dá)大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護(hù)好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報(bào);2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計(jì)算機(jī)世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報(bào);2003年

4 中國科技大學(xué)計(jì)算機(jī)系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計(jì)算機(jī)世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報(bào);2007年

6 本報(bào)記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報(bào);2011年

7 健康時報(bào)特約記者　 張獻(xiàn)懷;干細(xì)胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報(bào);2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達(dá)國際先進(jìn)水平[N];中國電子報(bào);2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報(bào);2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報(bào);2006年

相關(guān)博士學(xué)位論文 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機(jī)映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機(jī)的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計(jì)算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計(jì)算的神經(jīng)網(wǎng)絡(luò)并行實(shí)現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

相關(guān)碩士學(xué)位論文 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡(luò)與高校效益預(yù)測的研究[D];華南理工大學(xué);2015年

2 賈文靜;基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電系統(tǒng)預(yù)測及控制研究[D];燕山大學(xué);2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學(xué);2015年

4 陳彥至;神經(jīng)網(wǎng)絡(luò)降維算法研究與應(yīng)用[D];華南理工大學(xué);2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡(luò)研究[D];西南大學(xué);2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡(luò)的遙感圖像分類研究[D];昆明理工大學(xué);2015年

7 李志杰;基于神經(jīng)網(wǎng)絡(luò)的上證指數(shù)預(yù)測研究[D];華南理工大學(xué);2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實(shí)現(xiàn)[D];華南理工大學(xué);2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

本文編號：1931938