基于遗传算法优化神经网络的结冰环境中MVD和LWC预测

水滴平均体积直径（Mean volumetric diameter,MVD）和液态水含量（Liquid water content,LWC）是两个影响飞机结冰的重要气象参数,但在实际中难以准确测得,如果能够实时、准确地获取这两个参数可以为积冰预测和飞机适航认证标准的建立提供一些指导。文中提出了一种基于遗传算法优化神经网络的结冰气象参数预测模型。以不同测点组合的冰厚和结冰速率、环境温度、飞行速度和机翼迎角为输入参数,结冰气象参数MVD和LWC为输出参数,构建遗传算法优化的结冰气象参数预测模型,并通过预测模型对数值计算测试组数据和结冰风洞实验数据的结冰气象参数进行预测。结果表明,基于遗传算法优化Elman神经网络的预测模型对结冰气象参数的测试组预测相对误差在10%以内,实验数据相对误差在20%以内,该方法具有一定的可行性。     

机翼结构布局优化的并行子空间方法

机翼内部构件的布局优劣在很大程度上影响着机翼结构质量,因此进行布局优化设计尤为重要。采用并行子空间方法求解机翼结构布局优化的问题,将机翼结构布局设计问题分为梁站位优化、桁条优化和厚度优化三个并行的子空间,设计变量在各自的子空间内单独优化;各子空间优化结束后,在系统级中协调三个子空间的设计变量,保持最小质量的子空间的优化变量不变;采用近似一维搜索的方法协调其他子空间的设计变量,然后进行变量迭代直至收敛。结果表明:该方法具有较高的优化效率,能够取得较好的优化结果,具有实际工程应用价值。     

叶轮机械全环非定常大规模并行模拟程序设计

为了更加精确地模拟叶轮机械内部复杂的三维非定常流动,开展了全环网格模拟方法探索,提出了针对滑移面的守恒变量插值和高效的大规模并行计算解决方案。基于千万亿次高性能计算平台,自主开发了非定常数值模拟程序,采用单级压气机、1.5级涡轮和3.5级高负荷压气机三个算例进行了程序的验证与确认,以及并行效率测试工作。模拟采用的最大网格数为2亿,计算核心数为4096个。结果表明:程序计算得到的整体气动性能与试验数据吻合良好;程序所采用的全环非定常计算模型能保证交界面处物理量的连续,削弱非物理熵增,得到更加可信的流场解;所采用的METIS的网格分区方法以及MPI并行策略使程序具有良好的负载均衡和并行效率;同时程序对超大规模的复杂问题具备良好的可扩展性和适应性,能够满足工程实际问题的流动分析和叶轮机械的精细流动研究要求。     

基于遗传算法的插值Coons曲面孔位修正方法

在机器人自动制孔过程中,制孔点位信息通常从待制孔工件工艺数模上获取,而待制孔工件安装过程中会出现位置偏移和变形,由工艺数模得到的点位信息无法直接满足孔位精度要求。为了保证自动制孔的孔位精度,提出了一种基于遗传算法的插值Coons曲面孔位修正方法。利用制孔区域边角基准孔建立双线性Coons误差曲面模型,通过模型计算出待制孔的误差补偿向量,并补偿至理论制孔位置。针对误差曲面切矢模长无法确定的情况,利用制孔区域内的基准孔构建遗传算法模型,计算出切矢模长最优值,使拟合的误差曲面更符合实际制孔区域曲面。通过试验对算法的有效性和精度进行验证,结果表明:采用基于遗传算法的插值Coons曲面孔位修正方法,可以使孔位误差得到有效的补偿。补偿后的平均孔位误差仅为0.195 6 mm,与传统的插值曲面方法相比,孔位误差降低了5%~10%。      

基于小生境遗传算法的多峰函数优化

根据多峰目标函数的具体情况,应用遗传算法随机寻优得到若干个最优值,以这些值作为小生境遗传算法的先验知识,指导小生境距离参数的确定。依据此方法确定小生境距离参数,应用小生境遗传算法成功求解了shubert多峰函数的所有全局最优值。并与相同遗传操作和相同参数下的遗传算法作比较,小生境遗传算法不但能一次性地寻求到解空问中所有的最优解,而且就寻求一个最优点而言收敛速度快于非小生境遗传算法。     

基于非线性直方图变换的对比度畸变图像校正

在实际成像过程中,因受多种因素影响而导致图像对比度畸变,使其质量下降。为了改善图像质量并增强视觉效果,提出了一种基于非线性直方图变换与参数优化的降质图像对比度畸变校正方法。首先,针对常规直方图均衡方法的局限性,通过人眼视觉感知特性分析,引入图像直方图的先验约束条件,建立了非线性直方图变换模型;进而,从校正效果的最优化角度考虑,运用遗传算法的进化寻优进行校正参数的优化,从而形成了一种高性能的对比度畸变校正算法。一系列在不同场景实拍的对比度严重畸变图像的校正实验结果表明,本文方法校正结果的客观质量评价测算指标和实际视觉效果都有显著提升,和常规校正方法相比具有明显优势。      

一种基于年龄和性别特征的遗传算法

提出了一种基于年龄和性别特征的遗传算法。标准遗传算法（SGA）已经被成功的应用到很多进化优化问题上，但是对于复杂的多模态函数寻优时，会出现早熟收敛现象。为了解决这个问题，结合自然界最常见的有性繁殖现象，赋予了遗传个体年龄和性别特征，提出了基于年龄和性别特征的遗传算法的框架以及实现。通过建立年龄和有性遗传进化算子。对不同年龄和不同性别的个体赋予不同的进化控制参数，克服了早熟收敛问题且保持了群体的多样性，使算法能顺利的收敛到全局最优值。     

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。