一类解决变应力加速寿命试验参数估计的方法

变应力加速寿命试验的极大似然函数是高维非线性复杂目标函数,其待估参数多,采用梯度下降优化方法进行参数估计容易陷入局部极值,而采用全局优化方法又存在寻优效率低的问题.为了解决复杂多维目标函数优化的瓶颈问题,设计了一种基于实数编码遗传算法和Powell法的遗传加速方法.利用适应度函数获得两种优化方法的最佳切换点,最大程度发挥遗传算法和Powell算法的优点,既提高了多维非线性目标函数寻优效率又保证了参数估计的全局最优.液压泵加速寿命试验实例分析结果表明,遗传加速方法可以在寻优前期利用遗传算法保证待估参数的全局最优估计,在寻优后期快速逼近最优值,使寻优成功率达到85%.     

叶片质量矩优化排序中遗传算法的应用

针对某型发动机压气机转子,考虑叶片质量矩和初始不平衡量,采用遗传算法,对叶片进行优化排序以达到减少转子不平衡量的目的.经过对10余台发动机转子叶片质量矩优化排序验证,结果表明:整个转子的不平衡量大大减小,该方法可在实际发动机转子动平衡中推广应用.     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。     

基于二型模糊系统多源异质信息目标身份类别推理方法

针对前件推理规则未知的目标身份识别问题,考虑到目标信息量测的多源异质特点,利用模糊集对目标速度、图像等多维度特征信息进行统一的抽象化描述,借助遗传算法对模糊推理规则进行优化,在确定模糊划分区间的前提下训练得到最优隶属度函数,建立最优推理规则库。此外,针对由传感器探测精度有限带来的量测不确定性问题,引入区间型样本数据的模糊分类思想,在完成一型模糊系统构建的基础上,提出一种基于二型模糊推理系统的遗传优化算法,给出由三角型隶属度函数嵌入构造对应二型模糊集的推导过程,设计了满足点值与区间型数值复合输入的二型模糊推理系统,并通过仿真验证该推理系统的可行性。     

基于柔性翼肋的变形机翼几何参数设计

为了实现柔性翼肋在机翼结构中的应用,试验分析了柔性翼肋结构的变形效能.推断分析了机翼几何参数(翼面积、展弦比、尖稍比、后掠角)对机翼升阻特性的影响,结合柔性翼肋在机翼中的应用,优化了机翼参数和相应的后缘柔性变形量.实验证明柔性机翼结构的可行性,性能评估证明柔性机翼具有一定的优势.     

飞轮储能用磁悬浮开关磁阻电机多目标优化设计

研究了一种基于遗传粒子群综合算法(GPSOA)的飞轮储能(FES)用的单绕组磁悬浮开关磁阻电机(SWBSRM)多目标优化设计方案。结合有限元分析(FEA),通过敏感性分析得到SWBSRM悬浮力与效率随主要尺寸参数变化的一般规律。在此基础上,利用GPSOA以悬浮力和效率为目标函数对SWBSRM进行了全局寻优,获得使悬浮力最大和效率最高的参数优化组合。利用FEA对比优化前后电机悬浮力、铁损及磁密的大小,验证了GPSOA多目标优化的有效性。     

一种高效高精度的气动弹性结构优化方法

气动弹性结构优化技术主要包括约束求解和优化算法两个方面的内容。针对常用的基于低阶面元法的静气动弹性分析方法计算效率高但精度低的特点,建立了一种高效高精度的基于高阶面元法的静气动弹性分析方法。针对当前气动弹性结构优化技术使用单一优化算法导致搜索精度低、收敛速度慢等特点,将遗传算法和分形算法进行结合,发展了一种遗传/分形混合算法。针对气动弹性结构优化计算时间长、设备要求高等特点,引入了Kriging代理模型方法来加快优化速度,减少时间和设备的耗费。最后以某大展弦比客机机翼为算例,采用基于高阶面元法的静气动弹性分析方法求解约束响应样本,用Kriging代理模型方法对约束响应进行模型构建和预测,并将Kriging代理模型和遗传/分形混合优化算法进行结合,构建了一种高效高精度的静气动弹性结构优化方法。优化分析结果表明,Kriging代理模型在静气动弹性响应预测上具有很高的精度,平均误差均在5%以下,副翼效率预测的平均误差甚至低于1%;遗传/分形混合算法相比于单一的遗传算法具有更快的收敛速度和更强的全局寻优能力。     

改进遗传模拟退火算法的航迹规划方法研究

建立了基于真实地形数据和火力威胁区的航迹规划空间模型,结合具有概率突跳特性的模拟退火和群体并行搜索的遗传算法的特点,提出了一种改进遗传模拟退火算法的飞行器航迹规划方法。使用该算法对飞行器的攻击航迹在数字地图下进行了仿真验证,结果表明该方法是一种有效的航迹规划方法。     

航空发动机约简遗传规划起动非线性动态模型

提出了一种新的用于航空发动机最优化起动过程数据驱动动态建模的约简遗传规划(PGP)算法。这种模型采用遗传规划产生航空发动机辨识模型的输入输出非线性模型集,并以二叉树结构表征函数项,运用正交最小二乘算法(OLS)估计二叉树分支对于模型精度的贡献并据此去除复杂、冗余的函数项,从而加快遗传规划的收敛速度,最后通过GP进化可获得简单、可靠、准确的线参数非线性线参数动态模型。实际发动机起动过程建模应用案例证明,这种思路对于具有非线性输入输出关系特征的数据可以产生鲁棒性好、解析性强的线参数非线性模型。