发明名称 |
一种耦合遗传算法、神经网络与数值模拟的反向设计方法 |
摘要 |
本发明公开了一种耦合遗传算法、神经网络与数值模拟的反向设计方法,根据设计对象确定设计变量与设计目标;使用抽样方法,产生神经网络训练样本,对神经网络进行训练;利用遗传算法的交叉、变异过程同时得到多组符合设计要求的设计变量值,从中搜索满足设计要求的个体;使用神经网络与CFD方法计算新个体的适应度;使用神经网络预测新个体的设计目标值,若设计目标值达到设定的阈值,使用计算流体力学方法计算新个体的真实设计目标值;利用选择操作产生新种群:若新种群符合收敛标准,设计过程结束,否则继续进行交叉变异过程,产生新种群。与只使用遗传算法与数值模拟相结合的方法相比,本发明在保证反向设计收敛性的同时,减少反向设计计算量42.1%。 |
申请公布号 |
CN105389442A |
申请公布日期 |
2016.03.09 |
申请号 |
CN201510915452.7 |
申请日期 |
2015.12.09 |
申请人 |
天津大学 |
发明人 |
尤学一;张天虎 |
分类号 |
G06F17/50(2006.01)I |
主分类号 |
G06F17/50(2006.01)I |
代理机构 |
天津市北洋有限责任专利代理事务所 12201 |
代理人 |
李素兰 |
主权项 |
一种耦合遗传算法、神经网络与数值模拟的反向设计方法,其特征在于,该方法包括以下步骤:步骤1、根据设计对象确定设计变量与设计目标;步骤2、使用抽样方法,产生神经网络训练样本,对神经网络进行训练;步骤3、利用遗传算法的交叉、变异过程同时得到多组符合设计要求的设计变量值,从中搜索满足设计要求的个体;使用神经网络与CFD方法计算新个体的适应度,即设计目标值;具体计算过程如下:首先使用神经网络预测新个体的设计目标值,神经网络的输入为设计变量值,输出为设计目标值;若设计目标值达到设定的阈值,使用计算流体力学方法计算新个体的真实设计目标值,根据设计变量值确定设计对象的边界条件,使用流体力学方法计算得到设计对象内部的速度、温度等的分布,进而可以得到设计目标值,即为个体的适应度;步骤4、通过非支配排序方法对种群中的个体进行排序,并使用锦标赛算法进行选择,利用选择操作产生新种群:若新种群符合收敛标准,设计过程结束,否则继续进行交叉变异过程,产生新种群。 |
地址 |
300072 天津市南开区卫津路92号 |