基于递阶遗传算法的结构非接触形状控制

以PLZT光致伸缩层合梁非接触形状控制问题为研究对象,提出了一种结合结构拓扑优化与递阶遗传算法的控制方法.该方法以PLZT光致伸缩驱动器的拓扑分布和照射的光强值为设计变量,以PLZT光致伸缩层合梁的期望形状与控制形状的差值函数为适应度函数,应用结构拓扑优化、递阶遗传算法和有限元法,优化了PLZT光致伸缩驱动器的分布和所照射的光强值.与基于传统遗传算法的形状控制方法的计算结果进行了对比分析,该方法的进化速度提高了91%以上,所控制的结构形状与期望形状的误差较传统遗传算法降低了76%以上.      

变结构系统的递阶切换模式

 本文研究关于线性多变量变结构系统的递阶切换模式及其切换函数c与变结构控制u（x,s）的设计问题。文中提出了两种递阶一切换模式，并按模式的到达条件及对滑动模态的极点配置的原则给出了各种情况下切换函数及变结构控制的设计方法。此种模式的最大优点是系统的控制容许失误。     

基于多目标遗传算法的大型客机总体参数优化

在大型客机总体参数设计的基础上,提出总体参数优化的问题。建立多目标优化的数学模型,采用多目标遗传算法对大型客机的总体参数进行优化设计。考虑只对一个目标函数进行优化的单目标优化问题,设计程序进行单目标优化的计算。比较单目标优化和多目标优化的结果,分析两种优化方法的差异。算例表明,采用单目标优化在提升优化目标性能的同时会牺牲其他目标函数的总体性能,而多目标优化能兼顾各个目标函数的需求,并使整体达到最优。     

基于遗传算法的复杂多峰函数优化

从传统的搜索、优化方法入手，分析了遗传算法对复杂、多峰函数优化的有效性；简单介绍了遗传算法；并归纳出从优化问题转化到用遗传算法求解的转化思路；最后，通过对一个多峰函数优化的遗传算法求解，验证了此方法在全局优化、鲁棒性等方面的更有效性。     

基于Kriging的多目标遗传算法

为了提高多目标优化问题的求解效率,提出了一种新的处理约束多目标优化问题的基于Kriging的多目标遗传算法(MOKGA)。MOKGA采用物理规划法将多目标优化转化为单目标优化,然后构建目标函数的考虑约束的EI(Expected Improvement)模型,并采用遗传算法进行求解。六峰值驼背函数和一个导弹多目标多学科设计优化问题用于MOKGA算法性能的测试。结果表明,与理论解相比,MOKGA算法有很好的优化结果;与NSGA II相比,MOKGA有很快的收敛性。     

分布递阶式计算机管理与控制综合系统的研究

论述了计算机管理系统与控制系统在信息处理过程中的内在统一性,给出了计算机管理与控制综合系统的集成框架,提出了综合系统的分布递阶式结构方案,以及分布式结构中信息流通的实现策略。从方法论的角度阐明了控制过程自动化的实现途径。     

基于遗传算法的铜/钢双金属冷结合结构优化

针对双金属冷结合技术中结合部位结构参数与结合力的复杂关系,建立装配过盈量、孔壁凹槽深度和凹槽宽度3种影响因素与双金属结合力之间的BP神经网络。通过正交试验选定数据进行神经网络的训练和测试,得到具有较高预测精度的神经网络模型。以建立的神经网络作为适应度函数,基于Pareto遗传算法进行针对结合力与变形量的多目标优化,得出结合部位的最优结构参数。     

基于精英保留遗传算法的连续结构多约束拓扑优化

采用遗传算法对应力、位移及结构约束下的连续体结构进行拓扑优化。通过在遗传算法中引入精英保留的进化策略,保证算法的收敛性,改善优化结果。优化过程中,利用精英保留遗传算法进行结构优化,通过基于ANSYS软件的有限元技术进行结构的建模和分析。算例分析表明所提出的方法是合理、有效的。该方法可用于复杂工程结构的初始设计,并能够提供多种初始设计方案。      

基于遗传算法的翼型多目标气动优化设计

采用遗传算法实现了单/多目标情况下NACA0012翼型的气动优化设计。绕翼型的外部无粘流场解采用基于非结构网格的显式时间推进Jameson有限体积方法。遗传算法采用二进制编码,通过外部调用流场解算器对种群适应度函数进行评估。为提高计算效率,使用了动弹网格技术以及使得优化程序可以从任一进化代继续计算的中间进化结果存储技术。优化参数为翼型气动型面,分别以给定来流条件下的升力系数、阻力系数作为优化目标进行了单目标优化设计,并以此为基础,结合博弈论中的Nash博弈,实现了升力系数和阻力系数的多目标优化设计,得到了优化结果。分析表明,该方法具有较高的计算效率,能够给出更优的翼型气动性能,具有一定的实际工程应用前景。     

应用多目标遗传算法的叶栅气动优化设计

采用Pareto排名策略和共享小生境技术, 实现遗传算法的多目标优化设计.叶栅的气动性能通过求解二维Navier-Stokes方程获得.本文中压气机叶栅的多目标优化确定为在给定条件下同时追求高增压比和低总压损失系数.优化设计获得的Pareto解集显示出本文发展的优化设计平台能够较好的实现多目标的气动优化设计.      

遗传算法与模糊方法相结合在电梯群控中的应用

提出了一种基于改进遗传算法的群控多目标优化调度方法。对乘客候梯时间,乘梯时间,拥挤度和电梯系统运行能耗等多个控制目标进行优化。改进遗传算法由模糊控制与遗传算法组和构成,在遗传操作过程中采用首位存放策略。采用MATLAB编写通用性仿真程序,在给定建筑物参数和电梯配置参数条件下,对调度算法进行仿真,数值结果表示该方法是有效的,可行的。     

基于遗传算法的太阳同步轨道组网访问序列优化

针对考虑回归周期、重访周期及地面站接收数据冲突等多约束条件下太阳同步回归轨道多星组网问题,开展了基于遗传算法的组网优化研究。通过分析太阳同步回归轨道运动特性与星下点的关系,构造了回归周期内轨道的访问序列,建立了卫星半长轴、相位差与太阳同步回归轨道的关系;结合组网卫星有效载荷指标参数,分析了回归周期、重访周期与访问序列的关系及极值;将组网卫星的访问序列作为优化参数,采用二进制编码方式建立综合适应度函数;设计了遗传算子并通过种群繁殖得到优化结果。仿真结果表明,该方法能够快速设计出满足约束条件的组网优化策略。     

基于遗传算法的液体火箭发动机参数优化

建立了液体火箭发动机系统设计的仿真模型和多目标优化模型,采用组合优化策略和遗传算法,针对全流量补燃循环发动机,进行了不同设计变量和目标函数下发动机性能参数的优化,求得全局最优解.计算结果表明,遗传算法是解决该类问题的有效方法,可为其它类似发动机的优化提供一定的指导作用.      

基于遗传算法的民用航空发动机送修方案决策研究

为了给航空发动机在整个使用周期内送修方案的制定提供支持,降低发动机使用周期内的大修成本,针对单元体结构的民用航空发动机,基于制造商的发动机维修管理大纲,同时考虑时寿件寿命和单元体超出软时限导致性能衰退而造成发动机送修的情况,设定大修间隔不超过最大送修间隔,建立了一种以送修时间间隔为优化变量,以单位飞行小时送修成本最小为优化目标的发动机大修成本优化模型。采用遗传算法对模型进行求解,并以V2500发动机为例,对其25年里多次返厂送修方案进行了优化,表明当送修次数为6次时返厂大修成本最低,并给出了相应的各单元体的修理级别,该方法可为航空公司制定发动机送修方案提供参考。      

基于Kriging模型和遗传算法的齿轮修形减振优化

针对齿轮修形优化时计算啮合刚度计算量大、计算精度低、操作繁琐等问题,提出一种基于Kriging模型和遗传算法的齿轮减振修形优化算法.以典型直齿轮传动为例开展齿轮修形优化,通过拉丁抽样建立Kriging模型,解决齿轮修形优化的多响应和隐式函数的问题,通过Kriging预测的啮合刚度与有限元法的对比可知,时变啮合刚度函数各参数的误差最大值为7.79×10-5,1.20×10-3及1.30×10-4,验证了Kriging多响应预测啮合刚度函数的精确性.将Kriging预测函数代入直齿轮啮合传动的动力学微分方程,采用遗传优化算法时将齿轮动态传动误差响应波动最小作为优化目标,得到最优的齿轮修形参数.算例表明:相比于ISO(International Standardization Organization)修形和未修形的齿轮,该算法的减振效果最好,验证了基于遗传算法与Kriging模型对齿轮进行修形优化的正确性、高效性.相比于直接采用有限元法进行齿轮修形优化,该算法计算时间由26.91d减小为2.24h,证明了该算法计算效率的优越性.      

基于变精度遗传算法的翼型快速优化设计方法

低碳环保的电动飞机在要求较高升阻比的同时,需要尽量降低成本、缩短研制周期。但高精度的数值模拟时间代价很大,因此针对电动飞机翼型设计中初始翼型较难选取、优化速度较慢的问题,提出了一种基于变精度遗传算法的翼型多点快速优化方法。以常用的 Hicks-Henne 型函数为基础,改进了其对翼型后缘描述不精确的问题。在数值模拟阶段,介绍了一种快速气动参数计算软件XFOIL,并分析了该软件的适用性与局限。之后给出了使用XFOIL 与 Matlab 进行联合求解的方法,在无人干预的情况下完全实现了翼型设计与优化的自动化,提高了设计效率。在翼型优化阶段,为保持较高的精度和寻优效率,设计了翼型参数的实数编码方法。针对传统遗传优化算法了改进,设计了染色体变精度杂交方法以及动态惩罚方法。最后,给出了基于遗传算法的多点优化方案,以及翼型多目标快速优化一体化设计方案。仿真分成两部分进行,首先改进的 Hicks-Henne 型函数能够有效实现参数化翼型的后缘夹角改变。通过与 NSGA-II 方法的优化结果对比,本文的方法在一定迭代次数范围内获得的升阻比更高,失速特性更加缓和,特别是在综合提高翼型优化效率方面表现较好。仿真结果表明,该方法能够快速获得多种工况下具有较高升阻比的翼型,也可以作为进一步优化的初始翼型,能提高翼型优化效率。     

分布式进化算法及其在翼型气动反设计中的应用

构造了一种新型基于基因算法与博弈论的并行分级多目标优化方法，并应用于多段翼型气动反设计。此方法基于二进制编码的基因算法和博弈论，优化变量被分配给不同的博弈者，因而总体优化问题转变为分裂空间中的局部优化问题。文中给出了一个多段翼型形状，位置可压位流的反设计问题的求解算例，引入了基于非结构网格的分级结构。与传统基因算法数值算例的对比表明了本文构造的并行分级算法具有较高的计算效率，可广泛应用于多目标优化问题。