TSK模糊神经网络及其约束优化学习算法

针对非线性动态系统特点,提出了一种基于TSK(Takagi-Sugeno-Kang)模糊模型的动态回归模糊神经网络DRFNN(Dynamic Recurrent Fuzzy Neural Network),该模糊神经网络由静态网络和动态网络两部分组成,其中静态网络用来实现规则的条件部分和解模糊部分的计算,由FIR动态滤波器实现的内反馈回归网络用来实现规则的结论部分,为了加快网络收敛速度,给出了基于约束优化算法的网络参数迭代算法,把网络结构优化和参数学习作为一个约束优化问题来解决.应用于非线性系统的辨识和控制仿真试验说明了DRFNN网络及其算法对解决非线性系统问题的有效性.     

卫星天线复合材料框架的铺层优化设计

为了改善卫星天线复合材料框架的结构动力学性能,提出了一种针对卫星天线框架复合材料铺层的两阶段优化设计方法。阶段Ⅰ以各铺层的角度为设计变量进行铺层顺序优化,框架基频的最大化为优化目标,铺层数的最大值为约束条件。其中设计变量用一种多进制码来表示,并将多进制码映射为连续变量,应用粒子群优化(PSO)算法对阶段Ⅰ优化模型进行求解。在阶段Ⅰ优化结果的基础上,阶段Ⅱ主要是优化复合材料的层数,以基频最大化与质量最小化为优化目标建立多目标拓扑优化模型,应用第2代非劣排序遗传算法(NSGA-Ⅱ)进行求解。为了验证该方法的有效性,对某大型卫星天线复合材料框架进行优化设计,结果表明:该方法能有效地减小天线板复合材料框架的质量,并提高基频。     

旋翼多维振动最优调整方法

针对直升机旋翼系统非线性、难以建模的特点,采用径向基函数(RBF,Ra-dial Basis Function)神经网络建立直升机旋翼动平衡调整模型.根据约束条件以直升机机身振动值作为目标函数建立适应度函数,以旋翼系统的调整参数为优化变量,进行神经网络学习和优化.利用粒子群优化(PSO,Particle Swarm Optimization)算法对适应度函数进行寻优,获得当直升机振动最小时的桨叶的调整参数.实验结果表明:PSO算法寻优效率方面高于遗传算法;RBF神经网络和PSO算法相结合可以有效地实现直升机旋翼动平衡调整.     

复合材料点阵夹芯梁振动特性区间分析与优化

考虑到复合材料的分散性,研究了复合材料点阵夹芯梁的自由振动特性.将不确定参数用区间向量进行定量化,提出高精度的含不确定参数复合材料点阵夹芯梁固有频率的配点型区间分析方法,该方法无需不确定参数的概率信息,只需明确不确定参数所在范围界限,进而实现复合材料点阵夹芯梁结构的不确定优化.该方法为解决非线性现象突出的新型复合材料设计等复杂问题提供了一个可行途径.与概率方法相比,区间分析方法的结果表明该方法是可行的.与确定性优化方法相比,区间优化方法在复合材料结构优化领域能够充分考虑结构潜在不确定性带来的不利影响,工程指导意义更为明显.     

新型进化神经网络模型

目前的进化神经网络模型大多采用遗传算法进行网络进化设计.而研究表明,这种进化神经网络存在遗传编码、遗传操作及网络结构限制等很多问题;而采用进化规划是一种很好的途径.鉴于此,为了克服传统进化规划算法的不足,结合作者提出的快速免疫进化规划提出了一种网络连接权值及其拓扑结构同时进化优化的新型进化神经网络模型.最后,通过典型的异或分类问题(XOR)比较了该模型同BP神经网络及传统进化神经网络的计算性能,发现它不但计算精度好,而且计算效率高.      

基于神经网络遗传算法的CFRP拉挤工艺优化

根据固化动力学和传热学理论,建立了碳纤维增强聚合物基复合材料(CFRP,Carbon Fiber Reinforced Polymer)拉挤成型非稳态温度场与固化动力学数学模型.采用有限元与有限差分相结合的方法,结合ANSYS求解耦合场的间接耦合法,对CFRP拉挤过程非稳态温度场和固化度进行数值模拟.使用特殊设计制作的铝毛细管封装的布拉格光栅光纤(FBG,Fiber Bragg Gratings)传感器,对温度场进行实时检测;并采用索氏萃取实验测定CFRP制品固化度.模拟与实验结果基本吻合.以数值模拟结果为样本建立反向传播神经网络,训练得到固化炉温度与CFRP固化度之间的非线性相关关系.采用神经网络与遗传算法相结合的方法,优化得出拉挤固化炉三段最佳温度值,结果表明神经网络结合遗传算法优化拉挤工艺参数快捷有效.     

基于响应面优化的结构有限元模型修正

针对结构有限元分析中模型精度低的问题,提出了响应面优化的模型修正方法.利用优化拉丁方试验设计样本点,F值检验筛选出修正参数构造不完全4阶多项式响应面并检验响应面有效性.引入遗传算法以响应面计算值与试验值的残差为目标来优化修正参数,将修正值代入初始模型中得到修正模型.三自由度系统数值算例,验证了模型中参数准确、参数不存在和参数有误差3种工况下,响应面优化方法的模型修正能力.以GARTEUR飞机模型为对象,筛选显著性参数进行模型修正,结果表明修正后模型不但在修正频段和预测频段具有良好的复现和预测能力,还能预测结构局部修改后的频率,证实了经过参数筛选后响应面优化的模型修正有效性.     

流体驱动高速机构中缓冲装置的优化设计

受流体驱动高速运动的机构,受阻后突然停止将导致零件变形甚至断裂.为得到缓冲结构的最佳方案,运用正交试验法从27种设计方案中确定了9个试验样本,并通过流固耦合与非线性有限元法对其高速运动与冲击过程进行了仿真分析.在此基础上,应用改进的BP(Error Back-Propagation)网络训练得到吸能结构参数与零件应变能的非线性映射关系.通过优化,得到了最佳方案,明显提高了方案优选效率.      

基于Hopfield网络的飞机设计

Hopfield神经网络与增广拉格朗日乘子法相结合来求解非线性约束优化.神经网络作为求解乘子法的子问题的动力学方法,仅需计算一阶导数.引入逐渐衰减的高斯噪声信号构造随机神经网络.同时针对随机网络受初始温度制约,跳出局部极小值能力有限的问题,网络运行采用结合模拟退火的欧拉法.用该方法对某喷气教练机进行总体优化设计,结果表明,算法的数值稳定性较好,求解精度高.并基于拉氏乘子提供的约束敏度信息,做了设计要求权衡.最后研究了某型干线旅客机的机翼气动/结构综合设计问题.      

复合材料蜂窝夹层结构的优化设计

利用复合材料蒙皮结构的弯扭耦合效应可以改善翼面的气动弹性特性.为使这种结构的弯曲扭转耦合效应最大,采用遗传算法来优化设计这类结构,并以蜂窝结构为例进行分析.采用有限元计算软件分析目标函数,将铺层板、蜂窝夹芯的强度作为约束函数,并通过遗传算法优化与有限元计算有机的结合,开发了以有限元为基础的复杂问题的结构优化软件系统.      

考虑壁板刚度匹配的大型飞机复合材料机翼气动弹性优化设计

针对大型飞机复合材料机翼,发展了一种考虑壁板刚度匹配的气动弹性优化设计方法。基于敏度算法,以结构质量最小化为目标,以壁板刚度匹配、颤振速度、翼尖变形、设计许用值、工艺性等为约束,在严重载荷状态下设计复合材料机翼结构,研究不同壁板刚度匹配要求对于优化设计结果的影响,并与传统优化设计结果进行比较。结果表明:考虑壁板刚度匹配需要付出一定的结构质量,但对局部稳定性设计、损伤容限设计和大型复合材料壁板制造有利;壁板刚度匹配设计范围对于优化设计结果影响显著,需要根据设计和制造要求合理确定;压缩设计许用值是影响复合材料机翼气动弹性优化设计的关键约束。      

1/3含口盖复合材料柱壳后屈曲性能

工程结构中复合材料柱壳已经得到了广泛使用,并且屈曲是其结构设计的一个主要问题。由于试验结果与线性屈曲理论分析结果的巨大偏差,线性特征值屈曲分析只能作为结构的一个初步评估方法,进一步分析可选用含初始几何缺陷的后屈曲分析。本文以轴压载荷下的1/3含口盖复合材料柱壳为研究对象,建立ABAQUS有限元模型,分别进行了基于Buckle算法的线性特征值屈曲分析、基于Riks法的含初始几何缺陷的非线性后屈曲分析,所得应变、载荷数值结果与试验结果吻合。非线性Riks后屈曲分析显示结构具有后屈曲承载能力和稳定的后屈曲平衡路径,能更准确地捕捉临界屈曲载荷,所得屈曲模态也更加贴近试验屈曲模态,因此,在设计上以含初始几何缺陷的Riks法得到的结果更加真实可靠。进行了含口盖复合材料柱壳的初始几何缺陷的敏感性分析,结果表明该结构对初始几何缺陷是非常敏感的,为了提高结构抗屈曲性能,应提高加工工艺质量,减少初始几何缺陷。     

拦截弹道快速设计方法

针对传统优化算法在解决多约束条件下拦截弹道设计问题时迭代计算耗时过长的缺点,提出了一种快速拦截弹道设计方法.该方法基于人工神经网络的非线性拟合技术,先通过普通优化算法进行离线样本计算,对样本中目标位置和优化得到的飞行程序参数进行输入-输出映射拟合训练,从而实现在给定目标位置的情况下对最优飞行程序参数的快速计算,达到提高拦截弹道设计效率的目的.经过数值仿真验证,将该方法应用于拦截弹道设计,在保证良好命中精度的同时,设计所需的计算时间大大减少,从而提高了弹道设计的时效性.      

载荷不确定的周期性结构稳健拓扑优化

提出了一种考虑周期性几何约束的结构稳健拓扑优化设计方法。针对线弹性体结构,提出了载荷不确定性条件下周期性结构稳健拓扑优化模型;推导了周期性结构柔度均值与方差的敏度数表达式,并基于软删双向渐进结构优化法提出了载荷不确定性条件下的周期性结构稳健拓扑优化设计方法。2个不同约束条件下的实例表明:本文提出的优化模型稳定性较好;考虑载荷不确定性得到的结构与确定性载荷下得到的结构有很大的区别,且稳健性优化设计得到的结构更加稳定。     

非线性系统的结构选择及其参数的集员辨识

基于支持向量回归和RBF(Radial Basis Function)神经网络,研究了带有未知但有界噪声的非线性系统的集员辨识问题.推导了噪声界以及支持向量个数与ε-不敏感参数之间的关系,给出了利用噪声界选择ε-不敏感参数的方法.描述了通过支持向量回归选择RBF神经网络规模的方法.该方法以Gaussian核函数作为径向基函数,支持向量作为径向基函数的中心构建RBF神经网络.运用改进的OBE(Optimal Bounding Ellipsoid)算法对RBF神经网络的权值进行辨识,得到与给定输入输出数据和噪声界序列一致的一类RBF神经网络.仿真算例验证了算法的有效性.     

基于代理模型的QPSO算法及结构优化应用

针对复杂结构的工程优化通常涉及到高度非线性的问题,采用基于迭代的传统优化算法可能无法获得全局最优解。在此研究背景下,文章引入量子粒子群优化算法(Quantum Particle Swarm Optimization, QPSO),提出了基于克里金（Kriging）代理模型的QPSO算法,通过构建环形桁架可展天线动力学性能的代理模型,对环形桁架可展天线结构参数进行了优化设计的应用研究。研究结果表明,基于Kriging代理模型的QPSO算法计算效率较高,环形桁架可展天线的基频及最大冲击响应面非线性特征显著,并通过将计算所得到的最优解与有限元解进行对比,验证了此方法的计算精度。由此可见,此方法的研究可为复杂结构的优化设计、研制提供一定的参考。     

高碳醇/膨胀石墨复合相变热沉多目标优化

为解决高温工作环境下电子芯片的发热问题，设计采用相变材料（PCM）的控温模块，建立相变材料的控温模块模型。相变材料选择高碳醇/膨胀石墨复合材料。借助FLUENT软件进行数值模拟，探究在相同加热功率下，加热面积对控温时间的影响。对控温模块的几何尺寸进行参数分析，将数值模拟结果用于训练人工神经网络，实现对控温时间的预测。根据芯片发热功耗、芯片尺寸，通过NGSA-Ⅱ多目标优化算法优化控温模块几何尺寸，延长控温时间，降低模块质量。最终得到一系列非支配解集，可根据控温时间需求选择合适的模块尺寸设计。针对长宽为35.4 mm、发热功率为15 W的芯片进行控温模块优化设计。环境温度为80℃，温控目标小于90℃，控温时间180 s，优化后模块减重13.0%，模块内温度与液相分布也更均匀。