[发明专利]基于遗传算法优化BP神经网络的船舶轴系轴承负荷值预测方法

摘要

本发明公开了一种基于遗传算法优化BP神经网络的船舶轴系轴承负荷值预测方法，针对大型船舶轴系校中过程中，轴承变位值的调整，该方法包括：通过现场测量或者有限元计算进行轴系轴承的负荷值和变位值数据，然后依此构建BP神经网络结构，采用遗传算法对该神经网络进行优化，将优化后产生的最优个体代入BP神经网络进行训练，得到GA‑BP船舶轴系轴承负荷值预测模型，根据此模型可以对未来不同变位值下的轴承负荷值进行预测。本发明在船舶轴系校中领域引入遗传算法优化BP神经网络的方法，可以根据轴系的轴承变位值来预测轴承负荷值，进而调整轴承变位值，保证轴系安全运行。本发明方法计算效率高、成本低，对船舶轴系安装、校中具有实际指导意义。

主权项

1.一种基于遗传算法优化BP神经网络的船舶轴系轴承负荷值预测方法，其特征在于，该方法包括以下步骤:S1、收集船舶推进轴系校中过程数据，包括轴承负荷值和对应轴承变位值的数据；整理该数据形成样本，并将样本分为训练样本和检测样本两部分；S2、根据轴承负荷值和变位值的样本设计BP神经网络结构，分别设置神经网络输入层、隐含层和输出层的节点数；在BP神经网络结构下，用遗传算法对其进行优化；S3、根据优化得到的最优个体对BP神经网络结构的初始权值和阈值进行赋值；通过训练样本进行反复训练，将均方误差作为训练指标，并将训练得到的权值、阈值以及此时的网络结构参数保存，构建GA‑BP船舶轴系轴承负荷值预测模型；S4、用检测样本对得到的GA‑BP船舶轴系轴承负荷值预测模型进行反复检验，若检验通过，则说明构建的模型有效，通过GA‑BP船舶轴系轴承负荷值预测模型对船舶轴系轴承负荷值进行预测；若检验不通过，则重新进行训练建模；S5、记录船舶轴系校中过程中得到的最新数据，将该数据输入GA‑BP船舶轴系轴承负荷值预测模型，并将轴承变位值作为输入值，得到预测的轴承负荷值。