4.1 BP网络模型 17

4.2 采集训练和测试样本 18

4.3 BP神经网路的建立 20

4.3.1输入、输出和中间层的设计 20

4.4 BP神经网路的训练 24

4.5 BP神经网路的仿真 25

第五章 结果优化 26

5.1 优化方法的选择 27

5.2 优化得到网络最优解 27

第六章 Matlab GUI设计 28

6.1 GUIDE工具简介 29

6.2 用户界面的设计 30

6.3 数据传递 31

第七章 Matlab 自动出报表 32

7.1 组件对象模型（COM）和ActiveX控件 33

7.2  Matlab自动生成word文档 33

7.2.1  Matlab对word的初始化 33

7.2.2  文字的插入 34

7.2.3  图片的插入 34

7.2.4  表格的插入 35

第八章  Pro/e动态仿真 35

8.1 Pro/e模型的建立和装配 36

8.1.1 正弦机构 36

8.1.3 摆弹机构 37

8.1.4 装置整体装配 38

8.2 动力学分析 39

8.2.1 添加伺服电机 39

8.2.2 设置机构分析 40

8.3 测量结果分析 41

结 语 44

致 谢 45

参考文献 46 

第一章  绪论  

1.1 研究现状

1.2 研究意义和目的

    在当今生产制造业中，成本、效率、可靠性成为设计制造行业一直追求的目标。传统的设计方法是一种模仿性、凭经验性的设计，以国外的一些先进产品为基础，凭借工程技术人员的经验和知识进行仿制或局部改进设计，因此有一定的盲目性。对于想得到相对合理的结果需要通过估算，类比或实验的方法确定方案，达不到要求的时候再修改参数相关参数，再验算，直到满足设计要求。这种方法不但增加了产品的开发周期，而且浪费大量的资金。

优化设计是建立在近代数学、最优化理论和计算机程序设计的基础上，成为解决复杂的设计问题的一种有效工具。它克服了以往传统设计方法的盲目性和设计周期太长的缺点，更加完善了产品设计。

虽然智能算法能够解决很多，传统优化方法无法解决的许多问题。但是智能算法也有很多不足。如：当参数设置不恰当时，收敛速度慢甚至不能收敛、容易陷入局部最优点，结果不够准确等问题。

为了解决这些问题，根据自己的理解。本文采用智能算法（BP神经网络）和传统优化算法联合优化，对其进行改进。并且利用这种方法来对前馈接收装置的动力驱动进行优化。

第二章 前馈接收装置的运动学分析