空间梁板结构可靠性优化的全局最优解

基于可靠性分析理论,用改进的一次二阶矩法给出了空间梁板结构安全余量对各设计变量敏度分析的表达式,由PNET法给出了结构系统可靠性函数对设计变量的一、二阶敏度表达式,以及Hessian矩阵中各元素的具体形式,据此能确定结构系统可靠性函数的凸凹性,为判断基于结构系统可靠性优化所得解是否为全局最优解提供了理论基础。算例表明,对空间梁板结构系统基于可靠性的结构优化问题,可靠性指标合理的解多为全局最优解。     

复合材料层合板的可靠性分析方法

基于复合材料层合板的一阶横向剪切变形理论,提出了同时考虑层合板面内和分层破坏的可靠性分析方法。该方法考虑了层间应力对层合板分层的影响,结合Tsai-Hill理论和层合板分层判据,给出了安全余量的表达形式,并考虑了各失效模式之间的相关性。在失效分析过程中,采用蔡氏所提出的刚度退化规律进行刚阵的减缩;利用随机有限元方法对安全余量进行敏度分析,结合改进的一次二阶矩法求解可靠性指标;用改进的分枝限界法寻找主要失效路径;用PNET法计算系统失效概率。计算表明,当考虑分层失效时结构系统失效概率有所增加,这是符合工程实际情况的。因此,设计过程中考虑分层失效是必要的。     

不完整结构系统刚度可靠性分析

基于结构强度可靠性分析的基础之上，提出了不完整结构(结构系统中有部分元件已失效，但结构未变成机构仍具有一定的承载能力)刚度可靠性的分析方法。该方法考虑了元件因强度失效对结构系统刚度可靠性的影响，以条件概率的形式给出了不完整结构因刚度失效所对应的模式失效概率。并且导出了条件概率所对应的等效安全余量的形式，进而计算在各失效历程中的各失效模式之间的相关性和刚度失效概率。算例表明这样分析符合结构在变成机构之前在使用各阶段刚度可靠性的真实情况，为结构的合理利用起指导作用。     

进化神经网络在复合材料格栅结构设计中的应用

根据Kolmogorov多层神经网络映射存在定理,利用进化神经网络来实现结构设计参数(输入)与结构响应参数(输出)的全局非线性映射关系,以此来代替实际结构优化过程中存在的大量有限元计算,从而提高优化效率。以遗传算法为优化求解器,神经网络屈曲稳定性响应面为主要约束,对复合材料格栅加筋结构的优化问题进行了分析研究。算例表明,在相同(有限元)样本数据的情况下,进化神经网络通过自适应调节网络结构和权值,可获得比BP神经网络更高精度的映射模型,具有很强的泛化能力。该方法可为解决大型复合材料结构优化设计提供一条高效途径。     

基于HHGA-RBF神经网络的复合材料结构脱层损伤监测研究

针对应用于结构健康监测中的径向基函数神经网络(RBFNN)算法和训练中存在的一些问题,提出一种将递阶遗传算法和最小二乘法相结合,用于优化径向基神经网络的结构和参数的新算法,遗传过程中采用自适应的交叉和变异概率有效地加快了遗传收敛速度和避免早熟现象的出现。搭建了复合材料结构健康监测实验系统,并将实验模态分析结果归一化后送入训练好的ＲＢＦ神经网络进行预测,实现了对复合材料梁的脱层损伤定位和损伤程度的辨识仿真。结果表明基于混合递阶遗传算法的径向基神经网络(HHGAkRBF)收敛速度快,鲁棒性好,精度高。     

复合材料层合结构优化设计的遗传算法

为提高复合材料层合结构优化设计中遗传算法(GA)的可靠性和计算效率，提出了一些改进措施．如自适应杂交、自适应突变、多重动态优选和冒泡等遗传算子。它们不仅可避免算法收敛于局部最优解，而且能防止优良基因结构遭到破坏，从而显著提高遗传算法的可靠性和收敛速度。计算应用的结果表明，改进后的遗传算法有较高的计算效率和可靠性。     

最佳矢量与遗传算法在结构系统可靠性优化中的应用

利用目标函数和约束函数的梯度信息,给出了基于结构可靠性的最佳矢量优化方法,其具有较强的局部搜索能力、收敛快等特点,并结合遗传算法较强的全局搜索能力构造了基于最佳矢量优化方法和遗传算法的混合算法。该方法结合了二者的各自的特点,使两种算法的搜索能力得到了相互补充,祢补了各自的弱点。结合算例表明,应用该方法所得的优化结果好于单独使用最佳矢量优化方法或单独使用遗传算法所得的优化结果,该方法是一种优化能力、效率较高的优化方法。     

延伸喷管延展撞击动力学分析

运用MARC软件对某发动机延伸喷管进行了非线性瞬态动力学分析，得到出口锥与延伸锥延伸过程仅经受撞击力作用下的变形及应力随时间的变化情况。对接合部位的密封圈进行了大变形处理，并在计算过程中对网格进行了重新划分。计算结果表明，该喷管出口锥与延伸锥结构是安全的，但考虑到材料性能的波动，安全余量较小，应从设计上保证产品的可靠性。该计算方法对延伸喷管的设计具有指导意义。     

具裂纹的桁架结构系统静强度可靠性分析

根据具裂纹结构的剩余截面模量和刺余极限应力,分别在屈服与断裂失效条件下建立了元件的安全余量,并以两者串联的失效概率为该元件的失效概率,分析了结构系统的失效过程.算例表明:不同裂纹长度元件的失效形式可不同,结构系统主要失效路径中元件屈服与断裂失效同时存在.认为有裂纹结构的可靠性分析需同时考虑元件的屈服与断裂失效.     

基于SHMSRM系统传感器分布优化的损伤识别技术

针对固体火箭发动机结构健康监测(SHMSRM)系统的传感器合理布置问题,提出了基于遗传算法的传感器分布优化。利用ANSYS软件对药柱有限元模型进行了应变分析和模态分析,得到了传感器优化布局初选点,再基于遗传算法对初选点进行优化排序。阐述了该系统的损伤识别原理,基于应变传感器所收集的信息,确定了以应变模态变化率作为损伤识别指标,提出了应用应变模态分析解决药柱的损伤识别问题。算例证明了此方法的可行性和有效性。     

基于遗传算法和序列二次规划法的结构稳健性优化设计方法

针对目前结构优化设计方法未考虑参数随机性的问题,提出基于遗传算法和序列二次规划法的结构稳健性优化设计方法.将结构产品的质量特性作为优化目标,性能函数的可靠度指标作为约束条件,建立稳健性优化设计模型.利用序列二次规划法计算其性能函数的可靠度指标,在此基础上,利用遗传算法进行迭代计算,得出最优设计结果.最后,将某型导引头导...     

复合材料结构损伤的小波神经网络辨识研究

将小波神经网络应用于结构健康监测，研究实现复合材料结构常见损伤的高精度辨识。剖析了小波神经网络的收敛算法，并使用了惯性系数以抑制振荡并提出了一种自适应调整学习率的算法以加快收敛。组建结构健康监测实验系统，进行数据处理和特征提取以获得不同的结构损伤模式。提出了小波神经网络初始权值的设置方法，据此删除了小波神经网络的冗余节点。将该小波神经网络应用在实验获得的各种结构损伤模式的辨识上，验证了它的高精度和快速收敛，并成功实现了复合材料结构损伤状态的辨识仿真。     

深度交叉遗传神经网络在液体火箭发动机故障检测中的应用

将遗传算法与BP神经网络深度交叉融合,即采用遗传算法对BP神经网络的权值和阈值进行多点优化,而在进化的每一代中随机取少量染色体进行单一BP网络训练,训练结果再返回染色体,经过若干代的进化后得到稳定的权值和阈值,再将它们赋给BP神经网络,作为初始值,按误差前向反馈算法沿负梯度搜索重新训练,最终得到最优解。这种算法既避免BP算法易陷入局部最优解的不足,又克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点。并且经过仿真分析,深度交叉遗传BP神经网络的收敛性和故障诊断能力优于传统BP神经网络和单一使用遗传算法,可有效应用于液体火箭发动机故障检测中。     

基于遗传神经网络的高能固体推进剂高压燃烧性能计算

建立并利用遗传(GA-BP)神经网络对NEPE类高能固体推进剂高压燃烧性能进行了模拟计算。针对计算需求,对NEPE类高能固体推进剂配方进行了全新表征,提出了13个表征参数。燃速预示结果表明,该方法计算误差小于10%,精度较高,能指导高能固体推进剂高压燃烧性能研究及配方设计;同时,也说明该表征方法能反映出此类配方的本质特征。该研究为高能固体推进剂燃速预估提供了新方法。     

基于广义回归神经网络集成的宽带波束形成算法

首先构造宽带波束成形所需要的协方差矩阵,利用基于粒子群优化算法对核主成分分析方法和广义回归神经网络进行了优化。在对神经网络的输入变量进行降维处理后,生成多个复杂度低的泛回归神经网络模型。利用提出的基于聚类启发式集成算法求出波束成形时的权系数,既考虑了网络的差异性,又考虑了网络的正确性。仿真结果表明,提出的基于聚类启发式神经网络集成的波束形成算法在网络结构十分简单的情况下,仍然具有较好的性能。     

基于深度学习的组合体航天器模型预测控制

利用模型预测算法先预测控制结果后控制的类人行为特点,借助深度学习在多参数寻优上的优势,提出了一种基于卷积神经网络的模型预测控制算法,满足航天工程低硬件需求,实现组合航天器多场景下姿态控制律的重构。该算法首先利用模型预测控制将组合航天器从初始状态控制到预期状态,然后将控制过程中状态量用于3层3核卷积神经网络的训练,训练完成后,用该卷积神经网络代替模型预测对组合航天器进行控制,从而降低计算资源需求。仿真校验表明：该算法可预测5个控制周期内的控制参数,相比传统模型预测算法所需硬件计算时间降低约5倍,在一般硬件环境下30 s内即可完成各场景下的组合航天器姿态控制,控制精度在10 -4 量级。