论文部分内容阅读
基于MATLAB平台，将BP人工神经网络与遗传算法应用于型材挤压模具参数优化设计，首无利用BP神经网络来训练已有实验值，然后将训练后的神经网络作为知识源，通过曲线拟合与逼近求得设计变量与目标函数值的函数关系表达式，最后将这一函数表达式作为遗传算法的适应度函数进行遗传迭代寻找最优解，采用曲线拟合方法将其知识源转化成为了具体的函数表达式，直观地体现了神经网络的知识源，为后继的遗传算法提供了明确的适应度函数，数值模拟分析表明，对挤压模具结构的优化是合理的。