基于混沌遗传算法优化神经网络方法的救护直升机效能评估与指标优化研究

采用遗传算法与神经网络相结合的方法研究救护直升机的效能评估,建立了评估指标与效能评估值的非线性关系,克服了传统线性评估方法的不足,结果表明GA-BP算法能够很好地评估救护直升机效能,并保持了很高的精确度;同时,采用BP-GA算法对救护直升机的指标进行了优化,结果同样表明该方法可以有效地优化救护直升机的指标.     

基于遗传算法的神经网络优化

针对神经网络结构的设计基本上依赖于人的经验的缺点，提出了一种利用遗传算法优化神经网络的算法。该算法结合了神经网络的快速并行性和遗传算法的全局搜索性，对神经网络的连接权和结构进行了优化，剔除整个网络冗余节点和冗余连接权，提高了网络的处理能力。通过实例证明该算法具有很高的精度，在机械故障诊断中具有良好的应用前景。     

基于遗传算法的常规复合式高速直升机飞行性能参数优化

单旋翼带尾桨式的传统直升机受旋翼气动特性的不利影响,其最大飞行速度等性能受到制约,因此高速直升机成为国内外研究的热点。为研究基于遗传算法的参数优化对常规旋翼构型复合式高速直升机飞行性能的影响,本文采用动量叶素理论和Young曲线拟合相结合的方法建立了悬停和低速下负拉力状态螺旋桨气动模型,构建了基于遗传算法的飞行性能优化模型。以X3高速直升机为样例,对悬停、低速（200km/h）和高速（400km/h）分别进行优化,分析了直升机功率、操纵量和姿态角变化。结果表明,基于遗传算法的参数优化方法能提升特定速度下复合式直升机的飞行性能。悬停、200km/h和400km/h优化后的直升机总功率均降低,比基准值分别低16.3%、10.9%和19.6%。高速时最优直升机总功率主要依赖优化旋翼部件,通过显著降低旋翼总功率来实现。悬停状态的优化参数趋势和操纵量变化与400km/h优化后的相反,而200km/h优化后的旋翼参数变化趋势与悬停状态一致,螺旋桨参数变化趋势则相反。本文为未来高速直升机总体参数选择、飞行性能优化等提供一定的帮助。     

基于遗传算法与神经网络微电阻点焊工艺参数优化

文摘微电阻点焊工艺参数的设置对焊点力学性能有着至关重要的作用,通过正交试验极差分析研究了工艺参数对0.05 mm厚TC1箔材焊点剪切力和剥离力的影响程度。通过赋予剪切力和剥离力相应的权值将双优化目标转化为单一的混合优化目标,结合神经网络与遗传算法,对工艺参数进行了优化,建立了基于BP神经网络的焊点力学性能预测模型。结果表明预测模型的误差小于4%,预测模型具有较高的精度和预测能力,可以准确地预测焊点的力学性能。同时通过gatool工具箱对各项工艺参数进行了优化,获得焊接参数的最优组合:焊接电流800 A、电极压力8.89 N、爬坡时间1.608 ms、焊接时间8 ms,混合优化目标为55.73 N。通过与正交试验优化结果对比,遗传算法寻优可以获得更好的综合力学性能。     

一种优化神经网络拓扑结构的主从式遗传算法

通过对标准遗传算法进行改进,给出了一种主从式遗传算法,该算法能够对多层前馈神经网络的拓扑结构进行有效优化,选择权重的初始化范围,隐含层的节点数以及输入层节点等,同时也解决了BP算法易于陷入局部极小的问题。     

基于神经网络的直升机可靠性预计

本文基于人工神经网络技术,利用现有军用直升机与可靠性相关因素的评分值和它们的可靠性参数值(MTBF),建立基于神经网络的军用直升机可靠性预计模型。经过检验表明,这种基于神经网络技术的可靠性预计方法为新机研制提供了一种有效可行的可靠性预计方法。     

基于遗传算法的直升机总体优化设计

遗传算法是一种可以混合整型、离散型和连续型变量一起使用的新兴优化算法,在单或多目标带约束优化设计领域有广阔的应用空间。本文在算例中采用与先验法相结合的遗传算法,以总体参数为设计变量,飞行性能和结构要求为约束条件,换算生产率为目标函数,并使用罚函数法处理成无约束的适应度函数,建立优化设计模型。对本文算例计算结果进行分析,可以使遗传算法更好地应用到直升机优化设计领域。     

基于神经网络-遗传算法的液力透平叶片型线优化

提出了一种叶片型线的多工况优化设计方法,该方法包括叶片型线参数化、优化的拉丁超立方试验设计、CFD技术、GA-BP(genetic algorithm-back propagation)神经网络与遗传算法.具体采用三次非均匀B样条曲线参数化叶片型线,优化的拉丁超立方试验设计方法在设计空间内获取训练GA-BP神经网络的样本点,各个样本点性能分析由CFD技术完成,随后开展GA-BP神经网络的学习训练,最后采用GA-BP神经网络和遗传算法相结合的优化技术求解液力透平叶片型线的多工况优化问题.基于上述优化方法对一液力透平进行了叶片型线的优化改进,结果表明,在保证扬程不小于相应初始扬程的约束条件下,优化后的液力透平效率在3个指定工况下分别提高了3.91%,3.59%和3.09%, 证明采用此方法优化叶片型线具有一定的可行性.      

介绍一种国外用统计规律进行直升机参数选择的方法

本文介绍一种国外利用统计规律进行直升机初步设计阶段参数选择的方法.该方法首先从公开发表的权威资料(简氏飞机年鉴)收集了180多种直升机的数据,主要集中在常规单旋翼直升机构型,建立直升机数据库.以多元回归分析为基础,采用先进的计算化相关性分析方法,揭示了现有直升机构型的相关性和设计趋势.     

基于神经网络的直升机非线性模型辨识研究

针对直升机飞行力学建模问题,提出一种基于BP神经网络的非线性辨识方法。在神经网络结构设计中,基于对直升机线性加速度和角加速度产生机理的分析对隐藏层的拓扑形式进行了优化,并结合六自由度欧拉运动方程构建了完整的直升机非线性神经网络模型。在神经网络训练方法方面,建立了基于L-M算法的二步训练方法,对神经网络的开环和闭环结构分两次进行训练。利用UH-60直升机非线性模型生成的扫频激励响应数据集进行神经网络训练与验证。最后,将神经网络模型在各前飞速度下进行配平与线性化,得到了神经网络模型的配平量和气动导数。研究结果表明,所建立的神经网络模型精度高、非线性逼近能力强,并且具有较好的泛化能力。     

基于IGA算法优化的RBF神经网络应用

提出了一种基于改进遗传算法(Improved Genetic Algorithm,IGA)优化的径向基函数(RBF)神经网络,将实数编码的自适应交叉和变异操作的遗传算法与梯度下降法混合交互运算,作为RBF网络的学习算法,并应用于非线性函数的逼近和导弹故障模式的识别问题。仿真结果表明,基于IGA算法的RBF神经网络不仅结构简单,而且具有较好的网络泛化性能。     

基于模糊神经网络的某型直升机可靠度预测

为了实现某型直升机可靠度准确预测,建立了基于自适应模糊神经网络的可靠度预测模型。该模型以故障间隔时间为输入,以可靠度为输出,通过模糊神经网络自适应训练获得适合直升机可靠度预测的故障间隔时间隶属函数。对模型进行检验取得了较好的仿真结果,与应用RBF神经网络进行可靠度预测相比速度更快,同时预测精度提高了98.4%。     

利用遗传算法和神经网络响应面来实现复合材料结构优化设计

运用正交试验设计选择设计样本，建立神经网络响应面，以代替复合材料结构优化中的大量的有限元分析；将神经网络响应面作为目标函数或者约束条件，加上其他常规约束条件进行优化模型的建立，再应用遗传算法（GA）进行优化，这可以实现设计分析与设计优化的分离。以复合材料帽型加筋板的重量优化问题为例，建立了重量响应面目标函数、强度和翘曲稳定性响应面约束条件；并通过NASTRAN进行有限元计算，以获取用于响应面训练的样本点数据。研究表明，该方法能以较少的结构分析次数，取得高精度的响应面近似模型，从而使优化效率大为提高。神经网络响应面能够获得与传统响应面同等，甚至更好的精度。     

基于参数辨识原理的飞机参数分析及算法研究

提出一种在飞机概念设计中基于参数辨识理论的设计参数分析方法。在给定的设计重量和任务剖面要求下,利用基于物理的运动方程和动力学方程模型辨识出飞机气动力参数,并在总体性能评估的基础上进行设计参数分析,给气动设计提供了设计参考;在辨识过程中针对参数可行域离散度很高使得很难收敛到Pareto解的问题,提出了将神经网络预测模型融合到遗传操作过程,使得尽量在可行域内搜索。最后通过对某客机进行算例分析,表明基于辨识理论的参数分析方法和改进的算法是合理和可行的。与一般经验公式方法相比,该方法对布局类型的限制较小,在满足概念设计参数分析准确度要求的条件下能够为下一步的气动设计提供设计指标。     

基于六西格玛设计及改进遗传算法的直升机优化设计

本文研究了六西格玛设计方法和改进的遗传算法,并应用该设计方法对直升机总体参数进行了优化设计。采用优化设计后获得的直升机设计方案,由于受许多不确定性因素的影响,最后付诸实现时并不能保证得到像预先优化设计方案那样的结果。在改进的遗传算法实现最优化设计的同时进行六西格玛设计,可提高优化设计结果的可靠性和鲁棒性。本文以CH-47D纵列式直升机为优化算例,优化效果良好,结果可靠,表明本文方法切实可行。     

采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法开发高载荷透平动叶片

为了提高透平的内效率及降低制造成本,采用基于神经网络及遗传算法的叶轮机械叶片三维优化设计方法,开发了一种高载荷动叶片。该叶片是以5个截面的重心沿径向积叠而成。每个截面的内背弧是以基于叶型中弧线的Bezier曲线来构造。三维流动分析表明,新叶片提高效率0．5％。通过减少叶片数约15％,新开发的高载荷动叶片不仅有效地提高了透平的内效率,同时降低了透平重量和制造成本。     

基于神经网络的翼型优化设计方法研究

针对气动外形优化设计中,气动特性计算可信度要求与巨大计算量之间的矛盾,采用一种基于神经网络构建适用于气动外形优化设计的气动特性计算模型的计算方法.同时,以神经网络近似模型来代替原有的流场数值计算气动分析程序,结合基于遗传算法建立的气动外形优化搜索方法,建立了一种新的翼型优化设计方法.实际翼型优化设计算例表明该方法有效减少了计算量,提高了工作效率,可以获得具有高可信度的设计结果.     

基于神经网络的直升机协调转弯控制律设计

针对直升机协调转弯控制提出了一种控制律设计方法。首先,在小扰动线性模型基础上,建立描述直升机全包线范围内的T-S模糊模型。其次,分析直升机协调转弯机理,确定相应的控制律结构,利用参数优化算法确定控制参数。最后用所得的控制参数样本训练径向基神经网络,实现全包线范围内的连续调参控制律。仿真结果表明,直升机转弯性能完全满足指标要求,所提出的控制律设计方法可行、有效。     

直升机总体参数对稳定性的影响研究

采用筛选试验设计方法研究直升机总体参数对稳定性的影响.根据直升机线性飞行动力学方程,建立了适合直升机总体设计的稳定性分析模型,以UH-60A为样机,研究影响直升机稳定性的总体和布局参数,同时对参数进行了敏感性分析,为在直升机总体设计中考虑稳定性设计要求,选择合适的总体和布局参数提供参考.