光機(jī)系統(tǒng)的優(yōu)化設(shè)計(jì)具有效率高、迭代周期短等特點(diǎn),但對(duì)復(fù)雜光機(jī)系統(tǒng)的優(yōu)化存在收斂難的問(wèn)題。設(shè)計(jì)了一種基于拉丁超立方與徑向基函數(shù)（RBF）神經(jīng)網(wǎng)絡(luò)結(jié)合的近似優(yōu)化算法,并將其應(yīng)用于帶有曲率誤差調(diào)整機(jī)構(gòu)的拼接式望遠(yuǎn)鏡主鏡設(shè)計(jì)中。仿真結(jié)果表明,該算法優(yōu)化后的主鏡達(dá)到了設(shè)計(jì)指標(biāo),為解決復(fù)雜光機(jī)系統(tǒng)迭代時(shí)間長(zhǎng)的問(wèn)題提供了新思路。 

【文章來(lái)源】：光學(xué)學(xué)報(bào). 2020,40(20)北大核心EICSCD

【文章頁(yè)數(shù)】：6 頁(yè)

【部分圖文】：

拉丁超立方采樣示意圖

RBF神經(jīng)網(wǎng)絡(luò)以RBF(空間中任意一點(diǎn)到中心點(diǎn)歐氏距離的單調(diào)函數(shù))為節(jié)點(diǎn)激活函數(shù),由輸入層、隱藏層和輸出層組成,RBF神經(jīng)網(wǎng)絡(luò)的主要結(jié)構(gòu)如圖2所示。輸入層與隱藏層之間的連接權(quán)值為1,輸出層權(quán)值采用線性學(xué)習(xí)策略,隱藏層包含的激活函數(shù)(一般為格林函數(shù)或高斯函數(shù))主要采用非線性學(xué)習(xí)策略。理論上RBF神經(jīng)網(wǎng)絡(luò)可以逼近任意連續(xù)函數(shù)。當(dāng)激活函數(shù)為高斯函數(shù)時(shí),RBF神經(jīng)網(wǎng)絡(luò)的第i個(gè)輸出yi可表示為

近似優(yōu)化算法用拉丁超立方采樣算法獲取的采樣點(diǎn)訓(xùn)練神經(jīng)網(wǎng)絡(luò)近似模型,然后優(yōu)化近似模型,得到最佳設(shè)計(jì)結(jié)果,該算法的具體流程如圖3所示,其中,R C 2 為決定系數(shù)。當(dāng)R C 2 大于0.9時(shí),表明近似模型可信,決定系數(shù)可表示為

【參考文獻(xiàn)】：
期刊論文
[1]基于響應(yīng)面法的消防泵S型葉片改進(jìn)優(yōu)化設(shè)計(jì)[J]. 王春林,彭海菠,丁劍,劉棟.  機(jī)械工程學(xué)報(bào). 2013(10)



本文編號(hào)：3124491