本节以某型号拖拉机的齿轮箱为工程背景，介绍使用基于遗传算法的BP神经网络进行齿轮箱故障的诊断。

2、案例目录：

第3章 基于遗传算法的BP神经网络优化算法 3.1 理论基础

3.1.1 BP神经网络概述 3.1.2 遗传算法概述 3.2 案例背景 3.2.1 问题描述

3.2.2 解决思路及步骤 1. 算法流程

2. 神经网络算法实现 3. 遗传算法实现 3.3 MATLAB程序实现 3.3.1 神经网络算法 3.3.2 遗传算法主函数

3.3.3 比较使用遗传算法前后的差别 3.3.4 结果分析 3.4 延伸阅读 3.5 参考文献

3、主程序：

clc

clear all close all

%% 加载神经网络的训练样本 测试样本每列一个样本 输入P 输出T %样本数据就是前面问题描述中列出的数据 load data

% 初始隐层神经元个数 hiddennum=31;

% 输入向量的最大值和最小值

threshold=[0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1;0 1]; inputnum=size(P,1); % 输入层神经元个数 outputnum=size(T,1); % 输出层神经元个数

w1num=inputnum*hiddennum; % 输入层到隐层的权值个数 w2num=outputnum*hiddennum;% 隐层到输出层的权值个数

N=w1num+hiddennum+w2num+outputnum; %待优化的变量的个数

%% 定义遗传算法参数 NIND=40; %个体数目

MAXGEN=50; %最大遗传代数