改进PSO-BP网络在工业设计中的应用研究

摘要

在工业设计过程中,为了获取用户需求,经常需涉及大量感性词汇。欲从这些感性词汇中挖掘出用户的潜在需求,就需要通过有效的方法量化感性词汇,并分析得出它们之间的关联。通常,这些感性词汇之间存在着多样、复杂、隐蔽的映射关系,传统分析方法难以对它们进行有效处理。本文针对感性词汇的特点,提出一种应用于计算机辅助工业设计的改进 PSO-BP网络方法。本方法基于改进PSO算法的 BP神经网络,对产品设计过程中涉及的感性词汇进行有效、准确地处理,通过输出权值、网络预测等方式得到能够指导工业设计的量化信息。
　　本文的关键技术包括:PSO算法针对多峰多维求解空间的改进、PSO算法应用于 BP神经网络的训练以及改进的 PSO-BP算法在工业设计领域的应用方法研究。通过对测试函数的求解结果进行比较,证明了本文提出的改进 PSO算法相对于标准 PSO算法及几种典型改进算法在对复杂函数求解时具有非常明显的优势。同时,改进的 PSO-BP网络拥有远超过标准 BP神经网络的泛化能力和稳定性。改进的 PSO-BP网络以输出权重、网络预测等方式,成功被应用于工业设计,有效解决了传统分析方法的主观性和片面性。
　　论文应用提出的方法,以保温瓶的改进设计为例,通过产品调研数据处理与分析、改进后产品评价等操作,验证了所研究方法的可操作性和优越性。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 论文主要研究内容及组织结构

第二章 粒子群优化算法在神经网络中的应用概述

2.1 BP 神经网络概述

2.2 BP 算法局限性分析

2.3 粒子群优化算法概述

2.4 PSO-BP 神经网络的实现

2.5 PSO 算法局限性分析

第三章 粒子群优化算法改进策略

3.1 粒子群算法的改进研究

3.2 针对复杂目标函数的 PSO 算法改进

3.3 改进 PSO-BP 网络的实现

第四章 改进的 PSO-BP 网络在工业设计领域的应用

4.1 应用方法分析

4.2 改进 PSO-BP 网络在调研数据分析中的应用

4.3 产品质量评价及方案选择辅助决策

4.4 改进 PSO-BP 算法的求解性能验证

第五章 改进的 PSO-BP 网络在工业设计中的应用实例

5.1 实例设计概述

5.2 市场调研与数据分析

5.3 针对特定用户群的调研与数据分析

5.4 产品改进设计与评价

第六章 总结与展望

6.1 总结

6.2 展望

致谢

参考文献

附录 A 改进 PSO6 算法求解性能测试程序(部分)

附录 B 测试函数源程序

附录 C 调查问卷

附录 D 改进 PSO-BP 网络实现及应用程序(部分)