Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于NSGA-II和RBF神经网络的盆式绝缘子固化过程参数优化方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

摘要:本发明公开了基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法,包括以下步骤:建立盆式绝缘子固化仿真模型;通过仿真软件模拟得到盆式绝缘子固化仿真模型的仿真数据,将仿真数据随机划分为训练集和测试集;使用训练集对RBF神经网络进行训练,将测试集输入训练后的测试RBF神经网络进行测试,预测结果符合误差要求时训练完成;通过NSGA‑II算法及训练好的RBF神经网络对模型参数进行多目标优化,得到帕累托前沿解集;通过TOPSIS法对帕累托前沿解集计算筛选得到最优解,参数优化完成。基于NSGA‑II和RBF神经网络的盆式绝缘子固化过程参数优化方法,减小了盆式绝缘子的残余应力,同时也降低了生产成本,提升了绝缘子的整体性能,还实现了经济效益的最大化。

主权项:1.基于NSGA-II和RBF神经网络的盆式绝缘子固化过程参数优化方法,其特征在于,包括以下步骤:S1、建立盆式绝缘子固化仿真模型,分配材料属性后设定模型参数;S2、通过仿真软件模拟得到盆式绝缘子固化仿真模型的仿真数据,将仿真数据随机划分为训练集和测试集;S3、使用训练集对RBF神经网络进行训练,将测试集输入训练后的测试RBF神经网络进行测试,预测结果符合误差要求时训练完成;若测试结果不符合误差要求,继续对RBF神经网络进行训练;S4、设定NSGA-II算法的初始参数和优化目标要求,通过NSGA-II算法及训练好的RBF神经网络对模型参数进行多目标优化,得到帕累托前沿解集;S5、通过TOPSIS法对帕累托前沿解集计算筛选得到最优解,参数优化完成。

全文数据:

权利要求:

百度查询: 西安理工大学 基于NSGA-II和RBF神经网络的盆式绝缘子固化过程参数优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。