基于遗传Hopfield神经网络的机构运动链同构识别研究
发布时间：2020-11-07 12:43
机构运动链的同构识别是运动链结构综合过程中必须解决的关键问题,对机构创新设计具有重大意义。由于该问题一直没有得到有效解决,所以寻找准确高效的运动链同构识别方法一直以来是机构学发展中的目标之一。本文将图论基本理论引入机构学的研究中,采用拓扑图表示机构运动链,拓扑图与机构运动链形成对应关系。为了便于计算机处理,根据拓扑图的数学描述可用邻接矩阵表示拓扑图的所有结构信息。基于图同构概念及机构运动链的数学描述,提出了机构运动链同构判定准则,为使用优化算法进行机构运动链同构识别奠定了理论基础。在此基础上,将Hopfield神经网络算法应用到运动链同构判定问题上,从而实现运动链同构现象的自动识别。将运动链同构判定问题映射到Hopfield神经网络上,改进了网络的能量函数,从而建立了一种新的机构运动链同构识别的Hopfield神经网络模型。最后运用Hopfield神经网络算法对四种不同类型的运动链进行仿真测试,测试结果表明了该方法解决运动链同构判定问题具有可行性和高效性。针对Hopfield神经网络算法求解机构运动链同构识别问题存在的一些不足,引入遗传算法,将遗传算法和Hopfield神经网络算法有效结合起来,从而提出了基于遗传Hopfield神经网络的机构运动链同构识别方法。Hopfield神经网络算法和遗传算法一定程度上形成互补,从而有效改进整个系统的性能。对遗传Hopfield神经网络模型中的遗传算法部分进行了改进,采用确定性采样选择加最优保留选择机制的选择算子,加强遗传算法的搜索效率。同时增加了局部搜索算子,使遗传算法部分本身拥有一定的微调性能。在运动链同构识别的遗传Hopfield神经网络模型中,首先运用遗传算法优选Hopfield神经网络的初态,使得Hopfield神经网络的初态快速达到较优状态,然后运用Hopfield神经网络算法迭代优化后的初态,直到网络状态收敛稳定。通过仿真实验表明了该混合算法相比Hopfield神经网络算法具有更好的求解效果。
【学位单位】：江苏大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP183;TH112
【部分图文】：
基于遗传 Hopfield 神经网络的机构运动链同构识别研究在复杂的机构创新设计过程中，仅仅凭借着人工专家是很难的，甚至是无法完成的，所以寻求辅助方法简化机构创新设计过程就很有必要了。近年来计算机技术发生翻天覆地的改变，应用计算机辅助机构创新设计成为有效手段。经过多年的研究，计算机辅助机构创新设计方法已取得一定进展，其主要分为以下两个研究方向：（1）基于智能设计模型的机构创新设计方法将人工智能技术与机构创新设计基本理论相结合,从而形成机构智能设计技术，也就是说把机构创新设计理论知识和目前专家的设计经验融合到智能专家系统中，运用智能专家系统来协助开发者或直接自动设计需要的机构。机构智能设计专家系统的主要设计流程如下[8]：
们看上去明显不同但却是互相同构的。如果两个运动链的杆件有一一对应关系，且其运动链的对应两个杆件有且都由一个运动副连接，则两个运动链是同构的，否则是不同构的。在图 1.2 运动链的例子中，杆件之间对应关系为 1(a) 6(b),2 1(b),3(a) 5(b),4(a) 2(b),5(a) 4(b),6(a) 3(b),7(a) 7(b),8(a) 8(b)。基于观测的机构运动链同构判定经常会出现错误，且效率低下，研究者需要花费大量的时间来进行判断。鉴于传统观测法存在的问题，许多学者进行了大量的尝试，试图开发出可靠且计算效率高的运动链同构识别方法。在结构综合过程中，运动链的同构判定是一个经常出现的问题，因此对任何有效的自动化识别方法的研究是非常必要的。除了效率性和可靠性，可解码性也是同构索引的一个理想的特征。近年来，大量关于运动链同构识别的研究展开，给出了各种各样的方法和有价值的信息。大致可分为如下几大类：
第二章 机构运动链同构判定理论研究图论基本理论[48] 图的基本概念图论中，一个图 G 可定义为一个有序二元组(V(G),E(G)),记为 G=(V(G)，V(G)是一个有限非空集合，集合元素为图 G 的顶点，称为顶点集。 V(G)中的顶点构成的无序点对集合，集合元素为图 G 的边，称为边集义中，边集中的每个无序点对可以在集合中出现多次，并不要求是唯：下图 2.1 可表示如下V(G)={A, B, C, D}E(G)={a, b, c, d, e, f, g, h}
【参考文献】
本文编号：2873964
【学位单位】：江苏大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP183;TH112
【部分图文】：
基于遗传 Hopfield 神经网络的机构运动链同构识别研究在复杂的机构创新设计过程中，仅仅凭借着人工专家是很难的，甚至是无法完成的，所以寻求辅助方法简化机构创新设计过程就很有必要了。近年来计算机技术发生翻天覆地的改变，应用计算机辅助机构创新设计成为有效手段。经过多年的研究，计算机辅助机构创新设计方法已取得一定进展，其主要分为以下两个研究方向：（1）基于智能设计模型的机构创新设计方法将人工智能技术与机构创新设计基本理论相结合,从而形成机构智能设计技术，也就是说把机构创新设计理论知识和目前专家的设计经验融合到智能专家系统中，运用智能专家系统来协助开发者或直接自动设计需要的机构。机构智能设计专家系统的主要设计流程如下[8]：
们看上去明显不同但却是互相同构的。如果两个运动链的杆件有一一对应关系，且其运动链的对应两个杆件有且都由一个运动副连接，则两个运动链是同构的，否则是不同构的。在图 1.2 运动链的例子中，杆件之间对应关系为 1(a) 6(b),2 1(b),3(a) 5(b),4(a) 2(b),5(a) 4(b),6(a) 3(b),7(a) 7(b),8(a) 8(b)。基于观测的机构运动链同构判定经常会出现错误，且效率低下，研究者需要花费大量的时间来进行判断。鉴于传统观测法存在的问题，许多学者进行了大量的尝试，试图开发出可靠且计算效率高的运动链同构识别方法。在结构综合过程中，运动链的同构判定是一个经常出现的问题，因此对任何有效的自动化识别方法的研究是非常必要的。除了效率性和可靠性，可解码性也是同构索引的一个理想的特征。近年来，大量关于运动链同构识别的研究展开，给出了各种各样的方法和有价值的信息。大致可分为如下几大类：
第二章 机构运动链同构判定理论研究图论基本理论[48] 图的基本概念图论中，一个图 G 可定义为一个有序二元组(V(G),E(G)),记为 G=(V(G)，V(G)是一个有限非空集合，集合元素为图 G 的顶点，称为顶点集。 V(G)中的顶点构成的无序点对集合，集合元素为图 G 的边，称为边集义中，边集中的每个无序点对可以在集合中出现多次，并不要求是唯：下图 2.1 可表示如下V(G)={A, B, C, D}E(G)={a, b, c, d, e, f, g, h}
【参考文献】
相关期刊论文 前4条
1 于玲,贾春强;Matlab遗传算法工具箱函数及应用实例[J];机械工程师;2004年11期
2 何靖华;肖人彬;师汉民;;蚂蚁算法在机构同构判定中的实现[J];模式识别与人工智能;2001年04期
3 冯春,陈永;基于遗传算法的机构运动链同构识别[J];机械工程学报;2001年10期
4 罗玉峰;杨廷力;曹惟庆;;用关联度和关联度码识别运动链同构[J];机械工程学报;1991年02期
相关博士学位论文 前1条
1 丁华锋;运动链的环路理论与同构判别及图谱库的建立[D];燕山大学;2007年
本文编号：2873964
本文链接：https://www.wllwen.com/jixiegongchenglunwen/2873964.html
