HFCVD系统热丝参数遗传优化

在热丝化学气相沉积金刚石系统中，衬底温度是影响金刚石成膜质量的关键因素之一。为了沉积大面积优质金刚石膜，必须对衬底表面温度的大小及均匀性实施有效控制。中通过应用遗传算法对热丝参数进行优化设计，保证了衬底在半径为Rs＝10cm的范围内具有较均匀的温度场，从而为大面积生长优质金刚石膜提供了可能。     

用遗传算法精确计算圆度误差

提出了一种应用遗传算法计算满足最小区域法的圆度误差的新思路,并对传统的遗传算法提出了一些改进。采用实数值编码,其计算结果精确度非常高,理论上可以获得全局最优解;保留上一代种群中适应度最好的个体到下一代,可以确保解的收敛性;对基于实数值编码的繁殖算子、交叉算子、变异算子给出了具体的操作方法。仿真结果表明,用改进的遗传算法求解圆度误差,简单明了,收敛速度快,在计算机上容易实现。     

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。     

基于翼型反设计的遗传算法

遗传算法有时收敛太慢或收敛困难.在翼型反设计问题中,算法的计算效率很重要.给出了翼型的非均匀B样条曲线表示,设计了遗传操作算子,引入一种简单、易实现、高效率的随机逼近算法--Simultaneous Perturbation Stochastic Approximation(SPSA)算法,将SPSA算法作为一种快速局部优化方法和遗传算法的整体搜索策略结合起来,为翼型反设计提出了一种快速高效优化算法.并用该算法分别对NACA2412和NACA0016翼型进行了反设计,取得了令人满意的结果.     

自适应加减速控制的NURBS曲线插补算法

通过对轮廓误差引起的速度变化曲线分析,提出了自适应加减速控制的NURBS曲线插补算法,在插补预处理中对进给速度突变的敏感区域进行加减速控制。应用该算法,在保证系统加工精度的基础上,自适应地调整进给速度,使进给速度变化趋于平滑,有效地避免了进给速度一阶或二阶导数的变化对伺服系统造成的机械冲击。通过NURBS曲线插补的实例,验证了该算法的可行性和有效性。该算法同样可以应用于其他参数曲线的轨迹规划。     

机会维修策略下的多部件系统可用度仿真

针对多部件系统固定维修时间长的特点,提出采用机会维修策略,将预防性维修和故障维修有机结合起来,从而分摊系统的固定维修时间,实现提高系统可用度的目的.为此,分析了系统的故障率特性,以及最小维修下的随机故障时间的产生特点.在此基础上,以各部件机会维修役龄为变量,最大化可用度为目标,给出了系统可用度仿真优化方法.最后通过算例,验证了该仿真算法的正确性.     

航班进场调度的改进捕食搜索算法

为高效解决航班进场调度问题,采用以航班总延误时间最小为目标的规划模型,设计了一种改进的捕食搜索算法.区别于传统捕食搜索算法,新算法采用变化的局部搜索和全局搜索限制,从而避免陷入局部最优和解的退化.为测试新算法解决航班进场调度问题的性能,采用10架航班和双跑道数据进行仿真验证,并与传统捕食搜索算法和遗传算法进行比较.结果表明,新算法在最优解的获得率和计算时间上均优于传统捕食搜索算法和遗传算法.     

基于遗传算法的涡喷发动机身份证模型建立

为建立发动机身份证模型,针对发动机个体差异和寿命期内性能蜕化引起的发动机模型与真实发动机之间的失配问题,提出1种基于遗传算法的发动机部件级模型自动修正方法。在发动机部件级模型中,引入能反映个体发动机部件特性的性能调节因子。根据发动机试车数据与待修正部件级模型输出数据,以发动机关键测量参数残差最小为优化目标,采用遗传算法获得不同换算转速下的特性修正系数,建立发动机身份证模型。以某型涡喷发动机为对象进行试验验证,结果表明该方法能有效提高发动机部件级模型精度,适用于建立发动机身份证模型。     

一种基于微观组织演化的率形式本构模型

为建立塑性变形中微观组织演化与宏观响应的关系,依据定义的率扩散势导出了考虑温度影响的率形式流动应力方程,修正了Chaboche非线性各向同性硬化准则以考虑位错密度演化对硬化的贡献,以位错密度为内变量建立了位错密度演化模型,提出了一种基于微观组织演化机理的率形式本构模型。以927℃钛合金Ti-6Al-4V热单拉实验数据为基础,通过遗传算法确定了模型材料常数。将计算结果与实验数据进行比较,最大应力误差在12%以内,最大晶粒尺寸误差在4%以内,证明了模型的有效性。     

基于云模型的自适应并行模拟退火遗传算法

针对遗传算法收敛速度慢,容易"早熟"等缺点,提出了一种改进的遗传算法,即基于云模型的自适应并行模拟退火遗传算法(PCASAGA,Adaptive Parallel Simulated Annealing Genetic Algorithms Based On Cloud Models).PCASAGA使用云模型实现交叉概率和变异概率的自适应调节;结合模拟退火避免遗传算法陷入局部最优;使用多种群优化机制实现算法的并行操作;使用英特尔推出的线程构造模块(TBB,Threading Building Blocks)并行技术,实现算法在多核计算机上的并行执行.理论分析和仿真结果表明:该算法比其他原有的或改进的遗传算法具有更快的收敛速度和更好的寻优结果,并且充分利用了当前计算机的多核资源.