BP（BackPropagation）网络亦称误差逆传播网络，是最成熟和应用最广的人工神经网络。图1所示为典型的三层BP网络结构图，它由输入层，隐含层和输出层组成，层与层之间采用全互连方式连接，同一层结点之间无连接。

　　给网络提供一组特定的训练模式，随机产生初始连接权和阀值，不断重复上述计算过程，直到网络全局误差小于给定的极小值为止。此时，该BP网络通过学习便具备了映射该特定问题的能力。

　　2弧齿锥齿轮传动优化设计数学模型

　　设计一3t内燃叉车驱动桥主减速器用弧齿锥齿轮传动，已知传动比u=6.67，小齿轮传递的最大扭矩M1=1274N.m，小齿轮用两端支承。大小齿轮材料为18CrMnTi，许用接触应力σHP= 3430MPa，许用弯曲应力σFP=700MPa.现以大小齿轮体积最小为目标函数进行优化设计。

　　3BP神经网络辅助优化设计

　　为了减少求计算应力在优化设计中所带来的麻烦，提高优化设计效率，现利用BP神经网络所固有的快速，非线性映射特性来实现弧齿锥齿轮计算应力的简化计算。

　　3.1确定映射网络结构和网络参数

　　已知初始点即原设计参数为：X（0）

　　=<x1，x2，x3，x4>T =<80169，6，425，3362>T

　　在初始点附近给设计变量x1~x4取如下离散值：

　　x1=（6，7，8，9）

　　x2=（5，6，7，8）

　　x3=（40，42，44）

　　x4=（33，35，37）

　　将这些离散值进行全排列共产生144种组合，并用按文献中的公式编制的程序求出相应的H，F1和F2的144组精确解，然后用这144个学习模式对BP网络进行训练，结果见表1.由该表可见学习次数相同时，结构为（333）的BP网络学习收敛效果较好。

　　3.2BP网络辅助优化设计

　　为了检验该训练网络的映射能力，选取训练模式对之外的8个模式对组成测试集测试该训练网络，表4给出了测试结果。由该表可见网络输出的最大相对误差不超过83%，能满足设计要求。说明该训练网络具有较强的映射能力，可用该网络的输出代替弧齿锥齿轮计算应力进行弧齿锥齿轮传动优化设计。表5给出了使用惩罚函数法算出的圆整后的优化结果。

　　由以上工程机械驱动桥主减速器优化设计结果可见，复杂机械BP神经网络辅助优化设计是一种可行的高效优化设计方法，具有广阔的应用前景。