Question

我目前正在进行激光切割的工艺优化 - 在MATLAB中。我试图将工艺参数与切割质量联系起来，例如：

输入（过程参数）

切割速度
激光功率
辅助气压

输出（质量参数）

切割深度
切割宽度

我首先训练神经网络模型，以便根据工艺参数预测切割质量。

[inputs,targets] = lasercutting_dataset;

nLayers = 2;            % number of hidden layers
trainFcn = 'trainlm';   % Levenberg Marqhart training function

net = fitnet(nLayers,trainFcn);

这很好用，现在我对表现不感兴趣。

接下来，我想使用遗传算法优化（最大化）输入参数切割速度。这意味着我的健身功能（物体功能）是1 /切割速度。

我为我的健身功能做了一个matlab函数：

function y = fitness(x)

    y = 1/x(1);

end

接下来，我设置设计变量的数量及其上限和下限：

nvars = 3;    % Number of variables
LB = [130 8130  4470];   % Lower bound
UB = [175 11255 8250];  % Upper bound

接下来我在切割宽度上定义了我的约束（我也将为深度添加一个）。

function [c, ceq] = constraints(net,x) 

    outs = net(x)

    c = [outs(2)+495; outs(2)-505];
    % 495 <= outs
    % outs <= 505

    ceq = [];

end

此功能导致问题！

最后，我为函数创建句柄并开始优化：

[x,fval] = ga(@fitness_func,nvars,[],[],[],[],LB,UB,@(x) ConstraintFunction(net,x));

我已经尝试在约束函数中定义神经网络的输入向量（net（）），该函数独立于x - 这很好用：

dummyInput = [value; value; value];
net(dummyInput);

我遇到了其他错误，我的函数约束没有获得足够的输入参数。

这个问题似乎是将动态变化的“x”传递给一个函数，然后使用输出来预测一个动态变化的约束。

关于可能出现什么问题的任何想法？

我一直在使用THIS和THIS作为灵感。

感谢任何帮助 - 对不起，长期提问。我有几篇关于这个问题的文章 - 没有一篇解释matlab中的问题，只是程序。

Answer 1

通过最大化1 / x，这将为您提供约束所持有的最慢切割速度。我假设你想要最大化切割速度，而不是最小化它。

此外，您的约束功能并非真正有效。约束需要以x <= 0的形式给出。因此，如果输出应该是有界的，则约束变为x >= 495 <=> 0 >= 495 - x和x <= 505 <=> x - 505 <= 0

在您的函数中，您可以编写c = [outs(2)+495; outs(2)-505];，然后应该c = [495 - outs(2); outs(2) - 505]。

关于函数中的额外参数，可能此文档可以是help。

使用神经网络将输入与输出相关联并使用遗传算法优化输入

1 个答案: