采用“GA+LM”优化BP神经网络的电液伺服阀故障诊断

针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法(GA)确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM(Levenberg-Marquardt)算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。

基于GA/LM混合优化的直升机全机配平算法

基于牛顿迭代法的直升机配平算法简单、高效,但配平结果依赖于初始值。为减小对初始值的依赖,基于直升机飞行动力学模型,通过构造优化目标函数,将全机配平问题转化为优化问题,并针对非线性方程组全局最优解不唯一,将GA算法计算的配平较优解作为LM算法的初值,并构建解空间约束条件,提出一种基于GA/LM混合的优化配平算法。通过计算UH-60A直升机平飞状态和协调转弯状态的配平解,并与单一优化算法和飞行测试数据比较,验证了优化配平算法的准确性和高效性。计算结果表明,基于GA/LM混合的优化配平算法不仅继承了GA算法良好的全局收敛性,也继承了LM算法高效的局部寻优特点,是一种高效、全局最优的直升机配平算法。