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。     

YZL16操纵减摆器仿真研究

ＹＺＬ１６是Ｋ８飞机化操纵减摆器，其操纵和减摆阻尼的液路相互耦合，给设计带来了新的课题。文中采用数字仿真方法研究了ＹＺＬ１６静态阻尼与操纵状态两种工况下的工作特点。仿真中考虑了油液的压缩性，采用阻尼长孔的流量系数计算公式（流量系数是随压差或流量变化的）取代常用的薄壁小孔的固定流量系数。仿真结果与试验结果吻合良好。文中还介绍了阻尼孔直径、阻尼阀的泄漏、控制阀流量特性、油液含气量等各种因素对静态阻尼与     

高超声速飞行器参数化几何建模方法与外形优化

飞行器几何建模是进行外形优化设计的基础,针对尺寸和形状驱动的飞行器外形参数化几何建模要求,采用类型函数/形状函数变换技术,建立面向族的参数曲面,通过调整少量尺寸参数或类型函数/形状函数控制参数,可以衍生出多种设计构型,且相互转换十分便捷。相比现有CAD和二次曲线建模方法,在模型简化和设计变量数量有效控制方面具有优势。升力体和乘波体两种典型布局飞行器的外形建模与应用表明方法简单、有效、适应性强,可以满足飞行器概念设计阶段外形优化的要求。     

夹层结构前机身有限元分析与优化设计

选用二次等参夹层板壳单元进行结构分析,单元面板厚度及芯层高度作为优化设计变量。对复合材料面板,则每~铺层层数作为设计变量。对复合材料夹层结构前机身模拟试验件进行了有限元分析,在位移和尺寸约束下,对复合材料夹层结构前机身进行了优化设计,并获得满意结果。     

近似技术在遗传算法和结构优化设计中的应用

在传统结构优化设计中．基于近似技术和灵敏度分析的结构重分析技术可以显降低结构有限元分析的次数。本提出了一套适于遗传算法应用的近似模型——分段近似模型。该分段近似模型可以极大地降低结构有限元分析的次数，并且可以提高遗传算法的收敛性，从而提高遗传算法的计算效率。本通过两个实例验证了该分段近似模型的有效性。     

基于信息熵的连续属性自动聚类算法

基于信息熵的有关理论，提出了一种新的连续属性的自动聚类算法。首先介绍了Shannon熵的概念及其两个重要的定理，基于信息的不确定测度，提出了一种Shannon熵的准则函数φ，并且指出了该准则函数必须满足的6条原则。其次，基于该准则函数，引出了一种针对单个连续属性自动聚类的FUSINTER算法。由于实际信息系统中有多个连续属性，这主需要对多个连续属性分别使用FUSINTER算法进行离散，并且要求最终保证整个信息系统离散是相容的和一致的，而且各个属性拥有较少的分割区间。最后，本文以干线飞机外形参数的变化趋势与其更新换代的关系来说明文中提出的属性离散化过程，并展示了该聚类算法的有效性。本文提出的方法可以用于机器学习或数据挖掘的数据前处理。     

用最优性准则作结构优化设计

本文是一篇专题综合报告,较系统地介绍了用最优性准则作结构优化设计的多种方法,反映了当前在最优性准则研究方面的最新发展。     

结构优化设计的一种新方法——改进的可行方向法

本文提出了一种结构优化设计的新方法——改进的可行方向法。该方法计算简单、方便,一次调参幅度大,收敛快,重复的结构分析次数少,较之现有的各种准则法、可行方向法以及其它约束最优化方法有显著的优越性,特别适用于求解在多种载荷条件下,具有多个位移约束和应力约束条件的大型结构优化设计问题。     

一种基于粗糙集理论的粗糙神经网络构造方法

提出在BP神经网络中使用粗糙集理论网络的设计，由于粗糙集理论有强大的数值分析能力,而BP神经网络具有准确的逼近收敛能力和较高的精度，所以通过两者的结合，可以得到一种可理解性好，计算简单，收敛速度快的神经网络模型，这种神经网络的算法的主要过程为：首先利用粗糙集能力去发现给定数据集的一些规则，然后根据这些规则构造神经网络稳含层的神经元个数，最后用BP算法迭代求了网络的各种参数，完成网络的设计，本文最后给出了一个三维非线性函数的实例进一步验证了网络的正确性。     

利用Gaussian型RBF网络进行函数逼近的构造性估计

前馈人工神经网络有着极其广泛的应用，如何估计隐层神经元数及相应的逼近误差，一直是确定前馈网络结构的难点和关键。RBF网络是一种最重要的前馈网络，本文给出了利用Gaussian型RBF网络逼近连续函数或Lebesgue-可积函数时的构造性隐层单元数显式估算式及相应的显式逼近误差估算式。文中的结论也易于推广到离散样本的情形。这些结论对于提高Guassian型RBF在实际应用时的计算精度和减少计算量具有一定的指导意义。