第一篇 神经网络及其在机械工程中的应用第一章 神经网络概论 3
1.1 神经网络的起源与发展简介 3
1.2 神经网络的生物学基础 7
1.3 人工神经网络结构 11
第二章 神经网络的学习与记忆 16
2.1 神经网络学习的基本原理 16
2.2 神经网络记忆的基本原理 17
2.3 神经网络的学习 20
2.4 神经网络的记忆 23
2.5 神经网络的学习规则 24
第三章 前向神经网络 29
3.1 感知器 29
3.2 自适应线性神经元及网络 31
3.3 多层前向网络与BP学习算法 33
3.4 几种改进的BP算法 39
第四章 其他几种常用神经网络 48
4.1 径向基函数网络 48
4.2 离散型Hopfield网络 53
4.3 连续型Hopfield网络 56
4.4 竞争学习网络 59
第五章 神经网络的设计 65
5.1 训练样本集的准备 65
5.2 多层前向网络的结构设计 69
5.3 网络的训练、检验及性能评价 71
第六章 神经网络在机械工程中的应用 74
6.1 基于人工神经网络的机械结合面动态基础特性参数的结构化建模 74
6.2 基于人工神经网络的切削用量智能化选择 81
6.3 磨料流加工工艺参数的人工神经网络建模 84
6.4 基于人工神经网络映射建模的立体车库钢结构优化设计 86
6.5 制造系统故障诊断中的多神经网络智能诊断理论与技术 89
6.6 基于人工神经网络的变切削条件下钻头磨损监控 91
6.7 磨损磨屑识别的神经网络方法 93
6.8 基于人工神经网络的超塑变形内部损伤演变预测 93
6.9 弹性力学的实时人工神经网络计算模型 94
6.10 圆柱齿轮齿向载荷分布系数的人工神经网络模型 97
6.11 神经网络在机械工程中的应用总结与展望 100
第二篇 遗传算法及其在机械工程中的应用第七章 遗传算法的起源与发展简介 105
7.1 遗传算法的生物学基础 105
7.2 遗传算法的提出与发展简介 107
第八章 遗传算法的理论基础 109
8.1 遗传算法的基本原理 109
8.2 遗传算法的几个基本概念 109
8.3 遗传算法的基本算子和数学基础 110
第九章 遗传算法的实现 114
9.1 遗传算法的实现 114
9.2 遗传算法实现举例 116
第十章 遗传算法的特点与改进 119
10.1 遗传算法的特点 119
10.2 对简单遗传算法的一些改进 119
10.3 几种常见的遗传算法 122
10.4 遗传算法应用的几个关键问题 124
第十一章 遗传算法在机械工程中的应用 125
11.1 基于遗传算法的Bounc-Wen迟滞非线性动力学模型的参数识别方法 125
11.2 基于遗传算法的圆柱齿轮变位系数的优化选择 126
11.3 基于遗传算法的机器人路径规划 129
11.4 小结 131
参考文献 133