外文翻译-在神经网络中起重机传输遗传算法最佳化

n n is to of by of be is of is to so as to is by is to F A is in as e=2=u=k=is 5 of is of . n to of of be of of in to b of of of is of of of of of . to of m,be as C. of of is as 1)of of of to 2; 2)of of m 8; 3)of of of 3 8,=4)of of of hof of 5)of of f of fof of 6)of of is if be So of ), F of ), of of of of L=0 F he of is to as of on of on *of be *=is Y of in by As in is by We a to a by of or so a to a on a of on 2 f of as to of is by as :10:90;W1,2, 2,; 00;0000; W1,2,b2,te,1,W2,F,y=2,W1,W2, Y ne to of is is a of of to a of of is by is of is as 20); 100); ;1;2;10;2;8;150; x, ,08 26 of f(X)=1090628. in f(X)= in is 37%we is an we be as to a F 神经网络中起重机传输遗传算法最佳化 摘要：那失真的适宜数学模型在设计起重机传输建立。那方法的二等的综合评价被那最佳的把割集弄平整使用经由，那方法的二等的综合评价是使用经由那最佳的把割集弄平整，因此每个模糊约束那最佳的价值可以是获得弄平整，并且那模糊的最佳化是被变成那通常的最佳化。神经网络算法那背面加固增长的将采用到连续性前馈网络如此适合相关系数。然后那用罚款期限是构成由罚款策略装配功能、神经网络计划是召回、解算机功能的遗传算法工具箱的 索引词：起重机机构；遗传 算法最佳化；神经网络。 模糊的最佳化数学模型的牵引机构 设计渐开线螺旋状的蜗轮传动装置是采民用在起重机传输，哪个有主参数如下：额定功率 出速度 出转矩 轮比 U=作负荷因素 k=那螺旋是机器和经加热处理材 45钢和那由 为了节省有色金属的齿轮冠的螺旋齿轮，那目标函数将应指定那那大量的齿轮冠的螺旋齿轮在牵引机构向最小的按照图 1倾斜， 径和螺旋齿轮的齿面宽冠，因此那是大量的牙齿冠； 由 所以那目标函数是 图 ,m、 是简而言之： C 建立模糊约束 认为 值的随机特性设计参数和一些因素谁的价值很不定的比如负荷性质和材料品质、那模糊约束是建立、包括那性质和边界约束在内。 1）极限的开始的螺旋的齿数： 2;； 2）极限的齿轮的模数 :2 m 8； 3）极限的那导程角螺 旋的因为保证蜗轮传动装置的效率： 3 8,=4）约束的接触强度的螺旋齿轮： 那材料弹性因素、 h值那容许接触应力的螺旋齿轮。 5）约束的牙齿梁强度的螺旋齿轮： 那横梁强调的轮齿； f值那容许弯曲应力的螺旋齿轮牙齿； ）约束稠的的的螺旋：那螺旋信息系统支持 在 .果那蜗杆轴弯曲多，那就是说，那牙齿不会适当地网孔，那么，那结果将要成为 .以极限偏转是 N） 、 F N）、 米）、 L=9这个的键方法是如何决定那最佳的把价值个别的因素弄平整、比如因素通信链路分析器系统、因素模糊和因素的不同的影响上去那不同的最佳的把价值弄平整、是认为和那方法的二等的综合评价是使用以那最佳的把割集弄平整为基础，因此那最佳的把价值的每模糊约束可以是获得弄 平整、简而言之那模糊的优化问题是变为那通常的优化问题。 神经网络由 .网络函数决意大量地由那关系在 .值那关系（重量）在 .则连续性，结果一特别的输入导致一具体任务产量以一比较产量的和那靶子为基础、直到那网络产量相配那靶子。 一些涨若干点相关曲线在齿数和那轮廓因素的螺旋齿轮被选为连续性样本数据之间、那背面加固繁殖将采用到 连续性前馈网络、网络的重量和偏见是更新然后神经网络被那功能的神经网络工具箱在 划如下： :10:90;5, ;W1,2, 2,; 00;0000; W1,2,b2,te,1,W2,F,y=2,W1,W2, 解决通常的最佳化数学模型由遗传算法工具箱 单密钥到成功地解决许多种优化问题是选择那方法那井衣服那问题那遗传算法和直接检索工具箱是许多功能那伸展那做 .字计算环境那遗传算法工具箱包括常规因为解决优化问题与罚款期限是用加法类型造由罚款策略 一起使用遗传算法直接检索这算法使你解决种种的优化问题那谎言超出那标准最佳化工具箱范围。第一那适合功能，并且那适合功能是编制 在神经网络计划适合那轮廓因素的螺旋齿轮牙齿是召回上、然后那非直线型限制功能是程序和那解算机功能的遗传算法工具箱是采用。 程序如下 ： 选择权 体大小 ,20）； 选择权 世代 ,100）； 选择权 交叉分数 分数 选择权 择锦标赛、 交叉分 散 、变化高斯型曲线 ）； ;1;2;10;2;8;150;x, 在功能计算 108次并重复次时以后 ， 那最后的焊道上面程序的产量是 ： f(X)=1090628. 结论 这个纸探测那方法有效范围那遗传算法和神经网络工具箱和 .算法