| 【中文题名】 | 基于ANFIS模型的灰铸铁性能遗传优化 |
| 【英文题名】 | Genetic Optimization of Material Properties Based on ANFIS Model and It's Application |
| 【学科专业】 | 机械工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2003-10-6 |
| 【中关键词】 | 灰铸铁,配料,自适应-神经模糊推理系统,遗传算法,, |
| 【英关键词】 | Grey Cast Iron,Charging,Genetic optimization,Adaptive Neuro-Fuzzy Inference System, |
| 【分类导航】 | 工业技术>金属学与金属工艺>金属学与热处理>金属材料>铸铁> |
| 【论文摘要】 |
灰铸铁是由多种合金元素组成的复杂体系，其性能不但受成分和熔炼工艺参数的影响，同时还要考虑成本因素，其成分—工艺—性能建模和低成本配料，在灰铁工程应用中是一个普遍关注的问题，其研究具有较大的实际应用价值。
本文将自适应—神经模糊推理系统(ANFIS)建模方法用于材料成分—工艺—性能建模，克服了传统反向传播等网络结构仅具有函数逼近功能的“黑箱”缺点，在实现函数逼近的同时可直接从数据中总结规律，获得“IF-THEN”形式表达的结构化知识，从而为数据中知识的发现和表达提供了一种有效的方法。
通过将自适应—神经模糊推理系统模型耦合到遗传算法的框架中，实现成分和工艺参数的同时优化，形成了较为完整的成分设计与优化的理论框架，克服了模糊推理模型不能用传统的基于导数的优化方法进行寻优的困难，为该类问题的解决提供了一条新的途径；同时较好地解决了材料性能在多因素约束条件下的优化问题。
采用基于ANFIS模型的遗传优化方法，进行了灰铸铁牌号设计、配料优化、实验验证，证明了方法的正确性和可行性，且具有较大的实用价值；本研究所形成的算法和程序正确、可靠，具有一定的通用性，为石油、化工、冶... |
| 【论文题纲】 |
|
1 绪论 |
6-13 |
|
1.1 问题的提出 |
6-7 |
|
1.2 国内外研究现状 |
7-10 |
|
1.3 研究的目的和意义 |
10-12 |
|
1.4 研究内容与关键问题 |
12-13 |
|
2 基于ANFIS模型的材料性能遗传优化方法 |
13-25 |
|
2.1 材料数据建模 |
13-17 |
|
2.1.1 材料数据建模的一般方法 |
13-15 |
|
2.1.2 材料的ANFIS建模 |
15-17 |
|
2.2 材料性能的遗传优化 |
17-23 |
|
2.2.1 遗传优化 |
17-20 |
|
2.2.2 约束条件的处理 |
20-22 |
|
2.2.3 基于ANFIS模型的遗传优化 |
22-23 |
|
2.3 材料性能的ANFIS-GA设计框架 |
23-25 |
|
3 灰铸铁成分和工艺的遗传优化与配料优化 |
25-51 |
|
3.1 灰铸铁应用及存在问题 |
25-26 |
|
3.2 灰铸铁性能ANFIS模型及分析 |
26-36 |
|
3.2.1 灰铸铁成分-工艺-性能ANFIS模型 |
26-28 |
|
3.2.2 灰铸铁性能成分-性能-工艺关系分析 |
28-36 |
|
3.3 基于遗传算法的灰铸铁牌号设计 |
36-43 |
|
3.3.1 评价函数的确定 |
36-38 |
|
3.3.2 约束条件 |
38 |
|
3.3.3 遗传算法参数设定 |
38 |
|
3.3.4 计算结果分析 |
38-43 |
|
3.4 灰铸铁低成本优化配料 |
43-48 |
|
3.4.1 目标函数 |
43 |
|
3.4.2 约束条件 |
43-46 |
|
3.4.3 系统设计与实现 |
46-48 |
|
3.5 试验验证与应用 |
48-51 |
|
4 结论与展望 |
51-53 |
|
4.1 主要结论 |
51-52 |
|
4.2 展望及进一步工作 |
52-53 |
|
致谢 |
53-54 |
|
参考文献 |
54-58 |
|
附录 攻读学位期间承担的科研课题和发表的论文 |
58-59 |
|
| 【DOI】 | LunWen.ID:2.2008.92837 |
