1、“.....个体范围注意调下初始化开搞编码个体适应度染色体适应度,最优和最差,记录适应度,适应度曲线终止代数进化代数适应度平均适应度输入层输出层隐藏层图中为输入层第个节点的输入信号为输入层第个节点到隐藏层第个节点之间的权值,为隐藏层第个节点中的阀值为隐藏层第个节点的激励函数为隐藏层第个节点到输出层第个节点之间的权值,为输出层第个节点中的阀值为输出层第个节点的激励函数为输出层第个节点的输出信号。在神经网络中，信号的传递过程可分成两个部分，即学习过程的正向传递过程和误差信号的反向传递过程。参照文献及文献，可将其以下列函数表示在学习过程的正向传递过程中隐藏层第个节点的输入隐藏层第个节点的输出输出层第个节点的输入输出层第个节点的输出在误差信号的反向传递过程中，神经网络首先经由输出层开始，对神经网络的产生的误差进行逆向分析，同时以梯度下降的方式对各层的权重与阀值进行调节，从而使神经网络能设立对应已知输入和输出关系的参数结构......”。

2、“.....输出层第个节点中的阀值修正量，从输入层第个节点到隐藏层第个节点之间的权值修正量，输出层第个节点中的阀值修正量。其调整公式分列如下式中为神经网络系统学习速率。又因为综上，可得到以下调整公式神经网络流程图如图所示图神经网络流程图批量输入学习样本并且对输入和输出量进行归化处理参数初始化最大训练次数。学习精度，隐节点数，初始权值，阈值......”。

3、“.....确定神经网络结构为，即输入层节点数为隐含层节点数为输出层节点数为初始化输入层隐含层和输出层神经元之间的连接权值初始化隐含层阀值和输出层阀值，给定学习速率和神经元激励参数。建立神经网络结构如图所示图所建立的神经网络其中，隐藏层所使用的转换函数类型为型，输出层所使用的转换函数类型为线性型。二神经网络训练参数的选取由于神经网络在被训练时需要输入参数及对应的输出参数作为训练数据，使神经网络系统能依照训练数据调整其每个神经元节点的权值和阀值，故选择适当的参数作为训练数据是对车辆半主动悬架装置起到较好的控制效果。由于半主动悬架装置为非线性系统，以常规控制理论对其进行控制较难达到较好的控制水平，因此使用神经网络控制方法能较好的达到控制目的。然而神经网络控制的硬件灵活性相对其他控制算法而言较差。同时，尽管拥有较好的拟合能力，对于较复杂的控制系统，神经网络预测的结果通常也会存在较大的误差。因此单纯的神经网络的应用具有定的局限性。以遗传算法对神经网络的优化效果较为理想。这说明使用不同的弱人工智能算法使其相互结合取长补短的做法对解决实际的工程应用问题是有极大帮助的。当然......”。

4、“.....但这些缺点可以被不断发展的硬件设施及适当调节算法的些参数来避免。通过理论分析以及仿真计算，其结果表明采用经遗传算法优化的神经网络的车辆半主动悬架系统其性能相比被动悬架系统以及单纯以神经网络的悬架系统而言有极为明显的提升，反映了所设计的遗传算法优化的神经网络系统的合理性与可靠性，同时反映出遗传算法优化的神经网络系统具有良好的适应能力和优秀的鲁棒性。这表明弱人工智能算法在对车辆性能进行改善时具有极为优秀的潜力。由于条件所限，本文无法对所提出的控制系统建立实物模型及进行实物的性能实验，对其它优化方法也尚未进行分析运算。对神经网络控制的优化，除本文中所使用的以遗传算法优化外，还有以群智能算法退火算法等对其进行优化等诸多思想。而神经网络控制的计算函数训练参数等也有较多的选择。这需要在未来工作中作进步的探讨。参考文献应艳杰，陈家玮汽车主动悬架控制技术与发展安徽电子信息职业技术学院学报刘少军，饶大可，黄中华车辆主动悬架系统及其控制方法湘潭大学自然科学学报刘少军基于高速开关阀技术的液压主动隔振系统及控制研究策略中南大学博士学位论文......”。

5、“.....尹志新，李端芳，唐萌，贺琳丹基于的时域路面不平度仿真研究装备制造技术彭佳，何杰，李旭杰，等路面不平度随机激励时域模型的仿真比较与评价解放军理工大学学报赵玲基于的汽车悬架系统动态仿真机械陈嫄姈，贾国峰神经网络及网络工作原理郑州牧业工程高等专科学校学报申富饶，徐烨神经网络与机器学习北京机械工业出版社，潘文超果蝇最佳优化算法台湾沧海书局，中文论坛神经网络个案例分析北京北京航空航天大学出版社，姚斌车辆磁流变半主动悬架的模糊控制研究江苏大学硕士学位论文，郭大蕾车辆悬架振动的神经网络半主动控制南京航空航天大学博士学位论文，胡氢，司纪凯智能控制技术现状分析及发展煤矿机械，张吉礼模糊神经网络控制原理与工程应用哈尔滨哈尔滨工业大学出版社，陈杨车辆半主动悬架系统控制与试验研究江苏大学硕士学位论文附录程序绝对遍历,参数初始种群生成开搞取随机整数额外定义个存储矩阵,十进制阵的初始化,最佳适应度用遗传算法优化的网络进行值预测,反归化遗传算法优化神经网络预测误差分析样本阻尼器阻尼力系数预测数值,实际数值其他程序见所附盘,此处注意，变时此处变。,结果......”。

6、“.....链轮盒由五块板组成，上装锁紧盖，通过上装，作用是用来阻挡泥和水，保护链轮，使链轮和链轮在啮合传动过程中润滑好，两侧配合，支板和支板，与链轮体配合方式属于间隙配合，加工工艺属于冲压中的弯曲工艺。两侧是侧板，链轮合底板有通孔，侧孔用开口销固定链轮盒内的链条，端与锁止片配，与型拴联接，用来固定链条在外部的另端。链轮盒内，有导板在链轮传动中，链条从轮齿啮合传动过程中沿导板拉紧或放松因为另端通过型栓固定。链轮盒内，有偏心轴从两支板的通孔穿出，小端装开口销，以控制偏心轴的转动，中北大学届毕业设计说明书第页共页大端与手柄配合，精度要求高，配合要精确，加工偏心轴由上部分所述。偏心轴上装有两支端啮合的链轮，通过手柄传动，带动链轮和链条传动，即而实现轮胎的上升和下降。这里关于链轮的选择和轴的设计都由上所述。附加零件手柄手柄的加工要注重与偏心轴大端的配合，有精度要求和公差配合，手柄的长度和活动范围，尽量要设计具有宜人性，使手柄在摇动过程中，不和支架体碰撞，但也要考虑其受力情况。手柄的作用是带动偏心轴的转动，是整个手动摇臂式备用胎支架的设计必不可少的零件......”。

7、“.....设计固定板长度，进而定出支架体底部尺寸，并确定支架体安装固定板的三孔位置。由前所计算设计的链轮及偏心轴尺寸，设计导板和链轮盒宽度长度大小及在支架体上的位置，并安装型柱及锁紧盖。链轮体如图根据备用胎重量和容许支架体上链轮盒内偏心轴随手柄带动而转动的定向，设计导板的样式和大小，并引到固定支撑支架体的作用。如图所示备用胎支架总图中北大学届毕业设计说明书第页共页图备胎支架总体图中北大学届毕业设计说明书第页共页加工工艺分析偏心轴加工偏心工件的特点是工件的外圆和外圆之间的轴线平行而不相重合或工件的外圆和内孔的轴线平行而不相重合，这现象称为偏心。这两条轴线之间的距离称为偏心轴距在加工这类工件时主要不是解决车削内孔和外圆的问题，而是着手解决车偏心的问题。常根据工件的不同数量，形状和精度要求采用各种加工方法，如图所示。图偏心轴加工精度示意图方案选择及加工在本设计的轴中，车的偏心外圆方法如下在四爪卡盘上车偏心工件在四爪卡盘上车偏心工件，在已加工好的端面上划出的偏心为圆心的圆圈线，作为辅助基线进行校正。同时校对好以加工部位的平行度，然后进行车削......”。

8、“.....车刀必须从最高处车削，否则会把车到敲坏，使工件走动。四爪卡盘的装夹范围较大，但由于校正比较繁琐，且在装夹偏心工件时，加紧作用会有所降低，因此般来说他仅适用于加工偏心距较小精度要求不高，形状段而大或者形状复杂的单件偏心工件。在三爪卡盘上车偏心工件时，适用于较短的偏心工件，或者内孔与外圆偏心的工件。中北大学届毕业设计说明书第页共页四爪卡盘和三爪卡盘使用车偏心工件。适用于车偏心工件批量较大的，采用此种方法时必须注意，四爪卡盘和三爪卡盘应有较高的精度。此外在校正第个工件时必须在校正偏心距的同时校正偏心进化代数最优阻尼器阻尼力系数归化,个体范围注意调下初始化开搞编码个体适应度染色体适应度,最优和最差,记录适应度,适应度曲线终止代数进化代数适应度平均适应度输入层输出层隐藏层图中为输入层第个节点的输入信号为输入层第个节点到隐藏层第个节点之间的权值,为隐藏层第个节点中的阀值为隐藏层第个节点的激励函数为隐藏层第个节点到输出层第个节点之间的权值,为输出层第个节点中的阀值为输出层第个节点的激励函数为输出层第个节点的输出信号。在神经网络中，信号的传递过程可分成两个部分......”。

9、“.....参照文献及文献，可将其以下列函数表示在学习过程的正向传递过程中隐藏层第个节点的输入隐藏层第个节点的输出输出层第个节点的输入输出层第个节点的输出在误差信号的反向传递过程中，神经网络首先经由输出层开始，对神经网络的产生的误差进行逆向分析，同时以梯度下降的方式对各层的权重与阀值进行调节，从而使神经网络能设立对应已知输入和输出关系的参数结构。对于每个样本的二次型误差准则函数式中为输出层第个节点的期望输出系统对个样本的总误差准则函数根据误差梯度下降法依次修正从隐藏层第个节点到输出层第个节点之间的权值的修正量，输出层第个节点中的阀值修正量，从输入层第个节点到隐藏层第个节点之间的权值修正量，输出层第个节点中的阀值修正量......”。