基于GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

摘要：

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-Ⅱ多目标优化算法对其寻优求解,并与传统设计方案进行对比.结果 表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率.

关键词：径向基神经网络、遗传粒子群、信噪比、电机吊架、多目标稳健优化

所属期刊栏目：41

分类号：U270.2(车辆工程)

资助基金：国家自然科学基金;国家重点研发计划;辽宁省自然科学基金

在线出版日期：2020-07-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：103-110