摘要：目的 研究Logratio变换、pso-bp神经网络及改进非劣分类遗传算法（NSGA-Ⅱ）在药物处方配比优化中的应用，为药物混料设计的优化问题提供科学、合理的方法。方法 针对复方甘草微乳混料试验数据，先对数据进行Logratio变换，之后以微乳粒径和有效成分皮肤滞留量两个评价指标为输出构建pso-bp神经网络模型，再以pso-bp为适应度函数采用NSGA-Ⅱ进行多目标寻优，最后将本文优化方案与原文优化方案进行比较。结果 以粒径和有效成分皮肤滞留量作为输出的pso-bp神经网络拟合模型的决定系数分别为R2=0.97298和R2=0.96334,且与原文使用的Scheffe多项式模型相比拟合效果更好。采用NSGA-Ⅱ优化目标函数所得3、4、6、7、10、11等方案的复方甘草微乳制备效果均优于原文方案，其中3号方案与原文方案相比，微乳粒径减小了3.02 nm,有效成分皮肤滞留量提高了18.31μg。结论 将Logratio变换和pso-bp神经网络结合应用于混料设计所得试验数据的模型构建中，并采用NSGA-Ⅱ获得最佳的药物处方配比，理论是可行且合理的。

摘要：针对工业装备造型、空间布局等外观特征要素与用户感性认知的复杂映射问题,提出基于pso-bp神经网络算法的工业装备造型优化设计方法。结合因子降维、文本挖掘等方法确定代表性样本和感性意象词汇,采用语义差异法建立工业装备外观意象特征评价量表。依据用户感性意象评价与用户喜爱度建立线性回归公式,通过pso-bp神经网络建立造型元素特征与用户感性认知间的映射模型,应用线性回归公式和映射模型构建工业装备造型设计系统。以某企业风电车载换油机为例,验证了该设计系统的有效性,为工业装备的造型设计提供参考。

摘要：采用pso-bp和GA-bp混合算法的人工神经网络模型预测了选区激光熔化成形GH3625高温合金的残余应力。通过响应面法为实验设计生成样本集,以激光功率、扫描速度和扫描间距作为模型的输入层,以残余应力作为模型的输出层进行预测优化。采用相关系数R^(2)和平均绝对相对误差e_(AARE)评价指标对预测模型进行了验证和对比分析。结果表明:bp、 GA-bp和pso-bp神经网络模型均能够较好地预测不同工艺参数下GH3625高温合金的残余应力,且通过算法优化后的bp神经网络具有更高的预测精度。其中GA-bp神经网络对选区激光熔化成形GH3625高温合金残余应力的预测精度最高,模型性能更优越,其相关系数R^(2)和相对平均绝对误差e_(AARE)分别为0.909和2.06%。

摘要：设计与施工的交互耦合分析对建设工程的发展具有极其重要的研究意义。这种交互耦合关系能从客观上反映出两个系统的耦合程度和耦合协调发展态势。为了较科学地研究两者的耦合态势情况,文章建立了设计与施工两个系统交互耦合的数学模型,并系统性分析了2010—2015年设计与施工耦合度、耦合协调度曲线变化情况。研究表明,设计与施工过程处于高水平耦合阶段,且两系统的整体发展水平表现不均衡。在此基础上利用pso-bp神经网络算法对2016—2017年的交互耦合态势进行预测,选取了1996—2015年建筑业设计、施工相关数据作为训练样本,从中均匀抽取4组作为测试样本。该测试结果得到的预测值与实际值符合程度比较好,且预测精度较高。最后文章给出了设计与施工两个系统在处于高水平耦合阶段下,提高耦合协调度的建议。

摘要：[目的]针对现有船舶生产设计软件成熟度评估方法尚不明确、评估存在模糊性等问题,提出一种船舶生产设计软件成熟度评估模型。[方法]该模型根据船舶生产设计过程中船体、管系、舾装和涂装4个阶段,构建成熟度评估体系并确定各级成熟因子。结合贝叶斯网络与模糊最优最劣法,提出一种完全客观的赋权方法以提高数据集的准确性。引入粒子群优化(pso)算法改进反向传播(bp)神经网络,通过pso对bp神经网络的权值和阈值进行最优化,避免局部最优问题,并对软件的成熟度进行全面评估。[结果]实例分析表明,pso-bp比bp评价的均方根误差减少了56.86%。[结论]该模型的精度和速度较好,能够满足实际评估需求,为船舶工业软件成熟度评估提供一种新思路。

摘要：以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的bp神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,psobp神经网络模型在船舶结构优化设计中具有可行性。

摘要：预测玻璃钢管的首层失效对保障其在水利输水工程的服役安全具有重要意义。本文通过粒子群算法优化bp神经网络(pso-bp)实现对玻璃钢管在双轴应力下管道复合层首层失效的预测,并将pso-bp模型预测结果通过试验数据进行验证。研究表明:pso-bp神经网络模型对玻璃钢管首层失效的平均预测准确率可达85%以上,收敛速度及预测准确率较对照bp神经网络模型均存在优势;绘制的轴向应力与环向应力的双轴失效包络线显示出pso-bp模型预测的失效包络线与试验中测得的失效包络线十分接近,且预测失效包络线绝大部分位于试验失效包络线的内侧,故该模型是一种偏安全的预测模型,可作为一种按规范鉴定玻璃钢管合格前的有效判断手段。

摘要：针对无刷直流电机(BLDCM)气隙磁密非线性分布的特性,利用粒子群优化的反向传播(pso-bp)神经网络对气隙磁密波形进行逼近,从而建立较为精确的BLDCM模型。在此模型基础上设计了一种双闭环控制系统:转速环采用单神经元PID控制,通过改进的Hebb学习规则调整权值,以实现PID三个参数的自适应;电流环采用滞环电流控制,以实现电流调节。在Matlab/Simulink中搭建仿真模型,仿真结果验证了该模型的正确性。

摘要：针对当前带式输送机恒速运行方式能耗较大的问题,设计了一种基于pso-bp神经网络的带式输送机能耗优化方法。通过分析能耗与输送机运行参数之间的关系,将带速、煤流量作为bp网络的输入,并采用粒子群算法(pso)对bp网络模型的参数进行优化,获取带速、煤流量与最小能耗三者之间的最佳匹配关系,并以此构建pso-bp网络模型进行试验。结果表明:该优化方法预测精度较高,满足现实要求;带式输送机采用文中方法作业时,可节省13.85%的能耗,具备较好的稳定性与实践性。

摘要：针对雷达电源组件在长期运行中元器件温度过高,导致可靠性能退化,进而影响雷达其他组件及整体系统可靠性的问题,提出基于pso-bp神经网络的雷达电源组件温度预测新方法。首先,根据雷达电源组件的物理特性详细分析其流动-传热;然后,以调整其大范围误差为目标,基于pso-bp理论构建雷达电源组件温度预测模型,并设计相应的算法流程图;最后,以某型装备相控阵雷达的电源组件温度预测为工程背景,对所提的算法进行实验验证,实验结果满足工程要求。