遗传算法神经网络混合算法改进换热器的仿真精度

本文针对目前神经网络在制冷系统仿真应用中,网络训练易陷入局部极小点问题,用遗传算法优化神经网络的连接权,并在遗传进化过程中采取保留最优个体的策略,建立于基于遗传算法和神经网络的混合算法,并应用于换热器仿真软件的精度自校正的应用中,实际结果表明,该算法相对遗传算法高效,相对于神经网络稳定.用于实际仿真计算,修正前的换热量误差最大28.96﹪,平均11.12﹪,采用混合算法修正后误差最大4.9﹪,平均1.0﹪.
制冷系统 换热器 遗传算法 神经网络
芮银波 丁国良 吴志刚
上海交通大学,制冷与低温工程研究所,上海,200030
国内会议
上海
中文
475-478
2005-12-20(万方平台首次上网日期,不代表论文的发表时间)