ВИКОРИСТАННЯ ГЕНЕТИЧНОГО АЛГОРИТМУ ДЛЯ ОПТИМІЗАЦІЇ ПАРАМЕТРІВ НЕЙРОННОЇ МЕРЕЖІ ПРИ ПРОГНОЗУВАННІ НАПРУЖЕНО-ДЕФОРМОВАНОГО СТАНУ КВАДРАТНОЇ ПЛАСТИНКИ

Анотація

У сучасному виробництві широке поширення одержали системи автоматизованого проектування, які дозволяють проектувати технологічні процеси з меншими витратами часу та засобів, зі збільшенням точності спроектованих процесів і програм обробки, що скорочує витрати матеріалів та час обробки, завдяки тому, що режими обробки також розраховуються та оптимізуються за допомогою ЕОМ. Розробка методів і моделей машинного навчання дозволяє робити швидкі оцінки необхідних параметрів стану об’єкту. З практичної точки зору моделі машинного навчання для прогнозування значень параметрів стану конструкції можуть слугувати як інтерактивні асистенти у процесі проектування. Одним із актуальних питань застосувань нейронних мереж є їхня структурна оптимізація, тобто, вибір оптимальної кількості шарів, нейронів, функцій активації тощо. Така оптимізація може проводитися як вручну, за умови відносно невеликої кількості параметрів, так і в автоматичному режимі. У даній роботі розглянуто особливості використання генетичного алгоритму для оптимізації параметрів нейронної мережі для прогнозування напруженодеформованого стану квадратної пластинки. Тестову вибірку, яка містить можливі стани пластинки у залежності від геометричних і фізико-механічних параметрів, побудовано з використанням аналітичних формул і методу скінченних елементів. Суттєвим етапом генетичних алгоритмів є визначення генетичних операторів: селекції, кросоверу, мутації та відбору. Вибір цих операторів впливає на збіжність та ефективність методу в цілому. Генетичний алгоритм є прикладом метаевристичних методів. Збіжність таких методів у загальному випадку досить важко довести формально. Однак, застосування генетичного алгоритму під час налаштування нейронних мереж дозволяє знизити втручання користувача до мінімуму. Використано генетичний алгоритм для оптимізації параметрів нейронної мережі при прогнозуванні напружено-деформованого стану квадратної пластини. Побудовано моделі навчання на базі штучних нейронних мереж. Побудовані моделі дозволяють прогнозувати прогин у центрі пластинки, а також максимальне значення інтенсивності напружень за Мізесом. Основною перевагою штучної нейронної мережі є швидкість прогнозування. Обчислення необхідних характеристик у порівнянні з методом скінченних елементів відбувається майже миттєво (мілісекунди). Отже, «натреновані» штучні нейронні мережі можуть слугувати як інтерактивні помічники у процесі проектування.