基于BP神经网络的材料疲劳寿命可靠性仿真

疲劳累积损伤是一个非稳态过程中以遗传算法优化后的三层BP神经网络来真实描述疲劳损伤的复杂关系，并检验了BP网络模型的准确性。考虑到材料疲劳损伤临界值和载荷的分散性，建立了疲劳失效动态准则，运用蒙特卡罗随机抽样法来仿真材料疲劳寿命的可靠性。对调质45号钢在随机载荷和两级载荷作用下，进行疲劳寿命可靠性仿真，与实验结果和理论分析比较吻合。     

根据遗传算法的拉深模试冲缺陷智能诊断

总结了拉深模试冲时的缺陷及原因，建立原因表，应用遗传算法技术对拉深模试冲时的缺陷进行智能诊断，探讨了提高拉深模试冲时的缺陷诊断准确率的优化方法，描述了遗传算法的诊断过程。     

遗传算法在飞机低空突防航路规划中的应用

首先简要介绍遗传算法的基本原理,然后讨论遗传算法如何用于飞机低空突防航路规划,对传统的遗传操作提出了新的改进意见,并进行了计算机仿真,证明了该算法的有效性.     

高空长航时无人机总体参数多目标优化

以高空长航时无人机的总体方案研究为背景,对高空长航时无人机总体参数建立了多目标优化模型,运用多目标遗传算法进行优化设计,最后通过建立的计算机程序得出优化结果.多目标优化用于高空长航时无人机总体参数优化,可以更加合理地评价高空长航时无人机的总体参数的最佳组合,避免设计上的缺陷,提高设计效率.结果表明,高空长航时无人机优化后的总体性能得到改善,说明该方法适用于高空长航时无人机总体方案的优化设计,对方案研究有一定参考价值.     

基于最小加工表面裂纹的TiAl合金铣削参数优化

TiAl合金以其优异的性能被广泛应用于航空、航天制造领域,但由于TiAl合金自身的物理、化学特性,导致其切削性能较差,加工过程中容易出现工件表面烧伤、表面微裂纹等问题。为了研究TiAl合金铣削加工过程中切削工艺参数对加工表面裂纹的影响规律,设计了TiAl合金切削参数与加工表面裂纹之间的正交试验。结果表明:切削速度对TiAl合金铣削表面裂纹的影响最大,其次是切削深度和切削宽度,每齿进给量对表面裂纹的影响最小。基于遗传算法,以表面裂纹长度为目标函数,优化得到的最优参数组合为:ae=0. 2 mm、ap=0. 2003 mm/z、fz=0. 02001 mm/z、vc=20. 0004 m/min。采用优化后的参数铣削TiAl合金,发现工件表面的实际加工裂纹长度和经过算法优化的裂纹长度相差较小,该优化方法可行性较高,误差较小。     

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。     

飞机穿越微下击暴流风切变的智能控制

在应用模糊逻辑建模与辨识方法建立微下击暴流风切变模型的基础上，根据恒定俯仰姿态改出微下击暴流的飞行引导策略，提出了一种改出微下击暴流风切变的模糊反馈控制系统，并将遗传算法应用于该模糊逻辑控制器的设计。结果表明，本文提出的建模方法能够更真实地反映出飞机穿越微下击暴流风场的动态特性；采用模糊逻辑控制器，可使得飞机在穿越微下击暴流风场时具有较好的改出性能；另外，遗传算法的应用对已设计的模糊逻辑控制器进行了优化，进一步改善了飞机穿越微下击暴流的性能。     

利用几何遗传方法优化前缘翼根延伸的外形以增强飞行器升力系数和机动性

为了提高所选定飞行器模型的机动性,采用了一种标准遗传算法设计前缘翼根延伸(LEX).同时使用一种由三维低阶板方法结合DATCOM方法半经验公式的改进方法预测复杂外形飞行器(机身 机翼 尾翼)的空气动力载荷和最大升力系数.结果表明,在前缘翼根存在的情况下,升力系数在马赫数为0.4～0.8时提升了20.5%～15.3%,在马赫数为1.2时提升了6.8%,在马赫数为0.2～0.95之间升力系数最大值提升了9.5%～15%.在1～5 km的高度亚音速飞行时,其回转率得到了6.6%～8.0%的提升.     

飞行冲突探测与解脱的研究

由于空中交通流量的增加,我国的空中交通管理系统面临着越来越严重的航线拥挤。解决这一问题的最有效方法之一就是“自由飞行”,即允许飞行员选择最合适自己的飞行航线和飞行速度。但这却给管制员的工作带来的困难。本介绍了如何将遗传算法用于自由飞条件下的飞行冲突探测与解脱,并且表明由于该方法计算快速,能够很好地解决飞行冲突问题。     

基于遗传算法的快速成型分层方向优化设计

快速成型制造技术具有高度的柔性和灵活性,应用前景广泛。快速成型分层方向的选择,对于零件的制作精度、成型时间及制作成本有着重要影响。目前常见的分层方向算法往往顾此失彼,为了尽可能同时满足这3个单目标模型的最优化,本文提出将均匀设计、正交设计与遗传算法相结合作为求解多目标优化的新方法,可用较少的计算量求得分层方向的最优解。实验结果表明,改进后的算法有效,在迭代次数和所用时间上远远优于目前常用的基本算法。