遗传算法在含连续/离散变量结构优化中的应用

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题。本文探讨了如何将遗传算法应用于含连续／离散设计变量的结构优化问题。着重讨论了连续／离散混合变量的编码方法和减少适应度函数计算次数的ｍ ｉｃｒｏ ＧＡ 技术。将遗传算法应用于数学考题和十杆结构尺寸／材料混合变量优化问题。两个算例表明，遗传算法能比较有效地解决含连续／离散混合设计变量的优化问题。     

基于Kriging模型的结构耐撞性优化

提出了基于Kriging模型的耐撞性优化方法。首先就Kriging模型的构造方法及其精度评估问题进行了讨论;然后,以薄壁管为研究对象,采用瞬态非线性有限元分析程序作为计算核心,以薄壁圆管的直径和壁厚为优化变量,以最大撞击载荷为目标函数,薄壁管的最大压缩量等作为约束函数,构造了基于Kriging模型的全局近似函数来逼近真实的优化目标函数与约束函数;随后,提出了提高全局近似函数精度的Kriging模型更新方法,改进了优化设计分析流程;最后,在所构造的全局近似函数的基础上,采用遗传算法进行优化分析。算例分析结果表明,该方法构造的最大撞击载荷与最大压缩量的全局近似函数在最优解处与真实解非常吻合,说明了Kriging模型的有效性。     

改进遗传算法在桁架结构优化设计中的应用

文章针对简单遗传算法的早熟现象及不能处理带有复杂约束的优化问题,提出了一种基于乘子法与伪并行遗传算法的改进遗传算法,并将其应用于桁架结构优化设计中.计算结果表明改进遗传算法全局寻优能力强.     

基于鲁棒控制理论的轨迹规划方案

为了在大流量、高密度和小间隔条件下获取多航空器鲁棒无冲突轨迹,针对不同的航路空间分布结构,通过将单架航空器视为一个批次以及引入缓冲时间参数,基于航路冲突点保护区竞争机制,在极大代数框架下根据管制间隔约束构建了单航段和多航段航空器流控制模型,建立了模型输入变量、状态变量和输出变量之间的约束关系。从各类子模型的空间逻辑结构出发,进一步构建了空域多航空器极大代数耦合模型。基于不同的调配目标,设定了多类鲁棒优化指标函数,采用调整航空器到达航段入口时刻和在航段上运行速度两种策略,提出了多航空器轨迹规划鲁棒优化模型。算例分析表明,本文所提出的规划模型可行有效。     

基于径向基神经网络的有限元模型修正研究

设计参数型有限元模型修正属于结构动力学反问题，其理论基础是将结构的特征量视为设计参数的函数。然后依据特征量对设计参数的一阶导数信息进行迭代求解。本文提出了一种基于径向基神经网络的有限元模型修正方法，把模型修正归结为正问题进行研究。首先将特征量视为自变量．设计参数视为因变量，以径向基神经网络逼近两者之间的非线性映射关系，然后利用神经网络的泛化特性直接求解设计参数的目标值。不但无需迭代求解，而且避开了反问题所面临的复杂的非线性优化计算。GARTEUR飞机模型仿真研究的结果表明．修正后设计参数误差在2％以内，模态频率误差在1％以内。     

基于动态遗传神经网络的方盒件成形多目标优化

针对板料成形优化中采用传统静态代理模型存在全局近似精度不高、超量选取样本点等问题,提出了多重近似精度收敛、逐步增添样本点的动态遗传神经网络(Genetic Algorithm Back Propagation Neural Network,GABP)建模方法。样本点增补策略根据动态模型的全局近似精度和局部近似精度分别按最大最小距离增补和局部最优解增补。将动态代理模型应用于NUMISHEET 93方形盒冲压成形优化问题,结合灰色关联理论将多目标问题转化为单目标问题并构造用于优化的迭代格式,实现了方盒件成形的多目标优化,有效地提高了方盒件成形质量和优化计算效率。     

遗传算法在DH106动力箱可靠性优化设计中的应用

本文考虑随机因素的影响，建立了DH106动力箱可靠性优化设计的模型。采用惩罚函数法将约束优化转化为无约束优化。将遗传算法用于DH106动力箱可靠性优化设计的求解，利用交叉和变异来搜索，在较大程度上避免了优化搜索停止在局部优化解上，优化效果十分明显。     

基于Kriging代理模型的失效机会测度算法

结构输入变量中同时存在随机输入变量和模糊输入变量情况下,失效机会测度可以很好地衡量结构的安全程度。但是,现有的混合模拟法计算失效可信度是一个双层循环过程,需要调用大量的功能函数。尤其对于大型复杂结构来说,混合模拟法的计算量是难以接受的。因此,本文将混合模拟法和自适应Kriging代理模型相结合,发展了一种失效机会测度的高效算法。通过U学习函数来自适应地选择训练样本点,进而可以自适应地构建功能函数的Kriging代理模型。在备选样本池中自适应训练至收敛的Kriging代理模型可以以要求的精度区分备选样本池中每个样本点的状态是失效还是安全的。因此,可以用收敛的Kriging代理模型代替真实的功能函数,进而通过混合模拟计算失效机会测度,这极大地降低了功能函数调用次数。最后,本文通过两个算例来验证本文发展算法的精确性和高效性。     

含连续／离散变量结构优化中的神经网络与变尺度模拟退火方法

传统的优化方法难于有效地处理含有连续／离散混合变量优化问题，本文介绍了一种改进的变尺度模拟退火方法并与人工神经网络能量函数模型相结合，用于求解含连续／离散设计变量的工程结构优化问题，较好地解决了模拟退火技术用于工程结构优化时选取具有全局性的初始点困难及迭代次数较多的弱点。算例表明，该方法可以使模拟退火算法从局部最优的陷阱中跳出，最后求出整体最优解。     

GFRP风机叶片结构设计的二级优化方法

通过对风机叶片结构特性的分析,以叶片腹板位置和蒙皮铺层厚度为设计变量,发展了一种二级优化设计方法。首先建立腹板位置参数的代理模型,根据所建的代理模型以质量最轻为目标进行系统级优化求解出腹板位置,然后将结果传给子系统级,子系统级采取分步优化策略求解叶片铺层厚度。当两级优化结果收敛时得到叶片最佳设计。经算例验证,采用这种二级优化方法,可得到较为理想的叶片结构设计结果。     

基于径向基函数的机翼和翼梢小翼外形优化

对机翼和翼梢小翼外形参数的优化方法进行了研究.利用径向基函数(RBF)来构建机翼和翼梢小翼的优化模型.在有、无翼根弯矩约束的两种情况下,分别结合序列二次规划法和拟牛顿法优化方法,针对优化目标:机翼诱导阻力最小,优化得到机翼和翼梢小翼的最佳外形参数.实验证明本文优化方法能够取得满意的优化效果,对翼梢小翼的优化设计问题具有一定的参考价值.     

直升机惯性传感器结构的模态优化

提出了一种基于迭代抽样和径向基插值的自适应代理模型方法。这种自适应方法以减少仿真计算数量和提高代理模型自适应能力为目的,使用多岛遗传算法选择新增样本点并使新增样本点位于设计空间的稀疏区域,使得所有的样本点均匀分布于设计空间。标准误差用来判断代理模型的精度大小以决定是否对代理模型进行更新。这种自适应代理模型结合多岛遗传算法对直升机的惯性传感器结构模态进行优化。用拉丁超立方抽样方法选择10个样本点构建初始的代理模型,自适应代理模型的计算结果表明2%的误差条件下需要额外增加7个样本点。优化结果表明不同的权重系数对最优模态特性的影响很大,惯性传感器结构的一至六阶模态值更加远离直升机的激励频率。     

基于可靠性的弹性折叠机构设计优化方法研究

描述了基于可靠性的弹性折叠机构设计优化方法。采用特征造型方法建立了弹性折叠机构几何模型,CAD二次开发技术实现了折叠机构模型的参数化自动建模;考虑折叠机构几何参数不确定性,建立了折叠机构可靠性动态分析模型;基于功能函数的极小变换法将机构动态可靠性分析问题简化为静态问题;采用一次二阶矩法分析了机构折叠时间、最大应力和机构寿命的可靠度;以折叠机构几何参数为设计变量,采用修正的可行方向法驱动优化使折叠机构质量最轻且寿命更长。数值分析结果显示功能函数的极小变换法将机构动态可靠性分析简化为静态可靠性分析,可以在保证分析精度的前提下,提高可靠性分析效率;同时与传统优化方法比较表明,可靠性优化设计方法可以通过牺牲部分优化目标性能换取优化设计结果可靠性的提高。     

基于径向基函数神经网络的模型跟随自修复控制

提出一种基于径向基函数神经网络的模型跟随非线性自修复控制方法。该方法可不必精确已知故障的位置及程度,即可重构控制律使系统在故障情况下的输出精确跟踪期望参考模型的输出,并采用神经网络控制器以补偿邦联引起的非线性因素的影响。     

FUSELAGE STRUCTURAL OPTIMIZATION WITH MSC／MOD PRE－PROCESSING AND MSC／PAL2 POST－PROCESSING

ＦＵＳＥＬＡＧＥＳＴＲＵＣＴＵＲＡＬＯＰＴＩＭＩＺＡＴＩＯＮＷＩＴＨＭＳＣ／ＭＯＤＰＲＥ－ＰＲＯＣＥＳＳＩＮＧＡＮＤＭＳＣ／ＰＡＬ２ＰＯＳＴ－ＰＲＯＣＥＳＳＩＮＧ￥ＣｈｅｎＭｕｌａｎ（ＲｅｓｅａｒｈＩｎｓｔｉｔｕｔｅｏｆＰｉｌｏｔｌｅｓｓＡｉｒｃｒａ...     

基于多学科涡轮叶片气动设计优化

涡轮叶片设计涉及到的学科有气动、强度、振动、结构、工艺、材料及传热等。由于其设计过程的复杂性,本文主要在气动、强度和传热3个学科的基础上,针对某型号涡轮级叶片的气动设计进行仿真优化分析的基础研究。其中涉及到涡轮叶片气动设计过程中的参数化建模、设计优化仿真集成以及设计优化模型的建立等,同时分析了设计中存在多变量优化策略的实施,初步实现了涡轮叶片在气动设计过程中耦合流场、应力场和温度场的优化仿真计算,最后对优化前后的结果进行对比分析。     

结构多目标模糊优化设计

在传统结构优化设计的基础上。首次考虑疲劳断裂因素的影响，建立了以结构的静强度、疲劳、断裂、振动性能为模糊约束条件，以结构重量、疲劳寿命和断裂寿命为多个目标的结构多目标模糊优化设计模型。以此模型对一双梁式平直机翼进行了优化设计，设计结果表明：模糊多目标优化设计得到了比确定性多目标优化设计更小的翼梁总截面积；模糊优化设计放宽了对约束条件的限制，材料得到了更加有效的利用。