[发明专利]基于GA_PSO优化GRNN网络算法的叶根强度预测方法有效
| 申请号： | 201710132583.7 | 申请日： | 2017-03-07 |
| 公开（公告）号： | CN106991212B | 公开（公告）日： | 2019-12-24 |
| 发明（设计）人： | 谢永慧;孙磊;刘天源;张荻 | 申请（专利权）人： | 西安交通大学 |
| 主分类号： | G06F17/50 | 分类号： | G06F17/50;G06N3/08 |
| 代理公司： | 61200 西安通大专利代理有限责任公司 | 代理人： | 陆万寿 |
| 地址： | 710049 陕*** | 国省代码： | 陕西;61 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于GA_PSO优化GRNN网络算法的叶根强度安全特性预测方法，包括：步骤一，使用正交实验法获得若干叶根模型样本点集并完成叶根和对应轮缘的参数化建模，同时使用有限元软件进行各个叶根‑轮缘模型的强度计算，获得样本的多参数输入及强度安全特性输出；步骤二，归一化后利用训练好的GRNN神经网络进行初始叶根应力预测；步骤安，使用GA_PSO优化算法优化GRNN网络算法的光滑因子σ，优化目标为拟合误差的均方根误差，以获得拟合误差较小的网络模型；步骤四，若预测结果不满足预期，添加预测误差较大区域内的点来进行神经网络学习样本点集的补充；步骤五，重复第二至第四步，直到获得最优的预测模型。部分所建立的模型计算速度快、计算精度高。 | ||
| 搜索关键词： | 一种 基于 ga_pso 优化 grnn 网络 算法 强度 安全 特性 预测 方法 | ||
【主权项】：
1.基于GA_PSO优化GRNN网络算法的叶根强度预测方法，其特征在于，包括以下步骤：/n步骤一、使用正交实验设计法获得待预测叶根模型若干初始样本点集并完成叶根和对应轮缘的参数化建模，同时使用有限元方法进行各个叶根-轮缘模型的接触强度计算，获得各个样本点的多参数输入及强度安全特性输出；/n步骤二、根据步骤一获得的样本多参数输入及应力特性输出，对样本数据进行归一化后利用初始GRNN神经网络进行初始叶根强度安全特性拟合；/n步骤三、使用GA_PSO优化算法优化GRNN网络算法的光滑因子σ，优化目标为拟合误差的均方根误差，以获得拟合误差较小的网络模型；/n步骤三具体包括：/n3.1)、首先设定规模为m的粒子群及初始位置及速度，计算每个粒子的适应度值，即GRNN神经网络预测的均方根误差；/n3.2)、对各粒子的适应度值与其经历过的最好位置p
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于西安交通大学，未经西安交通大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201710132583.7/，转载请声明来源钻瓜专利网。
