遗传算法改进及其在岩土参数反分析中的应用

本文的主要目的是开发基于实数编码的杂交遗传算法来识别土体的本构参数。该杂交遗传算法在经典遗传算法框架下开发,融合两个新开发的交叉算子,形成了一个新的杂交策略。为了保持种群的多样性,在算法中采用了一个动态随机变异算子。另外,为了提高算法收敛性,采用了一个基于混沌的局部搜索技术。分别基于室内试验和现场试验,通过识别土的本构参数来测试新算法的搜索能力和搜索效率。为了测试新开发算法的突出表现,特选用5种经典的随机类算法（遗传算法、粒子群算法、模拟退火算法、差分算法和蜂巢算法）,分析同样的案例进行比较。结果表明,在收敛速度和最优解的准确度方面,新改进的算法可以很好地处理岩土工程的参数反演。     

多种群遗传算法在PBX本构模型参数识别中的应用

利用多种群并行结构对标准遗传算法SGA进行并行化处理,引入移民算子和精华种群形成多种群遗传算法MPGA,并设计了自适应交叉和变异概率对算法的收敛速度进行改进。结合ABAQUS软件和改进的多种群遗传算法,建立了材料本构模型参数识别方法。采用该方法对PBX炸药黏弹性损伤本构模型参数进行了模拟识别,并同基于标准遗传算法的参数识别方法进行了比较。结果证明,基于改进多种群遗传算法IMPGA的方法对克服算法未成熟收敛有显著的效果,识别结果更稳定。同时该方法的收敛速度更快,寻优能力更强,适合复杂非线性问题的优化,此方法可以被应用到其他材料本构模型的参数识别中。     

JC本构参数反求中的自适应微型遗传算法

提出自适应微型遗传算法,使种群的交叉和变异概率可以根据适应度的大小自我调节,该算法经过了测试函数的测试。本文以JC(Johnson-Cook)本构模型描述的高导无氧铜材料为例,集成运用该算法和有限元方法来反求JC动态本构参数。结果表明,该方法提高了收敛速度和搜索效率,能够快速地获取参数。     

宏微观耦合本构模型参数识别取值范围研究

宏微观耦合本构模型的参数识别往往通过反分析方法进行,为了使参数识别结果具有高的置信度,需要确定合适的参数取值范围. 基于动态再结晶过程的微观机理以及相应本构方程的数学特征,提出一个确定参数取值范围的方法. 首先详细给出考虑动态再结晶的黏塑性本构模型,并根据模型构造物理机理,提出通过6 步确定该模型参数取值范围的方法;其次,对300M 低合金钢进行不同温度、应变速率下的热变形试验,测试宏观的流动应力-应变数据及微观的组织数据;然后应用提出的方法,依据试验数据,确定参数取值范围;最后,基于确定参数取值范围中获得的知识,对模型进行局部修改,使模型模拟结果更接近实验结果.      

STUDY ON THE PARAMETER VALUE DOMAIN OF MACRO-MICRO CONSTITUTIVE MODEL

宏微观耦合本构模型的参数识别往往通过反分析方法进行,为了使参数识别结果具有高的置信度,需要确定合适的参数取值范围. 基于动态再结晶过程的微观机理以及相应本构方程的数学特征,提出一个确定参数取值范围的方法. 首先详细给出考虑动态再结晶的黏塑性本构模型,并根据模型构造物理机理,提出通过6 步确定该模型参数取值范围的方法;其次,对300M 低合金钢进行不同温度、应变速率下的热变形试验,测试宏观的流动应力-应变数据及微观的组织数据;然后应用提出的方法,依据试验数据,确定参数取值范围;最后,基于确定参数取值范围中获得的知识,对模型进行局部修改,使模型模拟结果更接近实验结果.     

基于遗传算法的低压液压管路模型参数识别

为了合理预测伴随气泡和气穴的低压液压管路压力瞬态脉动,提出了用改进遗传算法对低压液压管路压力瞬态脉动模型进行参数辨识的新方法.给出了用来描述管路流动特性的瞬态脉动数学模型,建立了用来计算伴随气泡和气穴的液压管路瞬态下气泡体积和气穴体积的数学模型.构造了基于最小二乘法的适应度模型,探讨了遗传操作方式及算法终止准则,采用了算术交叉同线性逼近相结合的改进算术交叉算子进行交叉操作,给出了模型参数寻优的算法流程.实现了对低压液压管路压力瞬态脉动数学模型的参数识别,得到了参数优化后的低压液压管路压力瞬态脉动模型.仿真结果与实验数据的比较表明在低压液压管路瞬态模型中,用改进遗传算法来识别模型中的未知参数的方法是可行的、有效的.     

基于改进遗传算法的桥梁结构损伤识别应用研究

提出了一种基于残余力向量和改进遗传算法的桥梁结构损伤识别方法。在无噪声的情况下,使用任意一阶模态数据,残余力向量法都能够对损伤进行准确定位。但是,振动测试数据中往往包含噪声,导致运用残余力向量法进行损伤识别完全不可行。考虑到这个问题,在常规模态分析的基础上,以节点的残余力向量构造目标函数,提出了一种用于遗传搜索优化的目标函数形式。利用改进遗传算法重点进行了噪声条件下的结构损伤定位和定量研究,并对遗传算法的参数选取问题进行了深入探讨。遗传算法的主要改进包括:采用浮点编码、采用基于标准化几何分布排名的选择策略、采用最优保存策略、采用算术交叉算子、采用自适应变异算子。最后,本文用一个连续梁桥模型进行了数值模拟,验证了所提出方法的有效性,并对方法应用中存在的一些问题进行了深入探讨。     

基于遗传退火混合算法的弹性地基上框架结构参数识别研究

对传统的简单遗传算法(GA)进行了改进,融合模拟退火技术(SA)的思想,建立了遗传模拟退火算法(GASA)的串行结构.GA采用群体并行搜索,通过概率意义下基于"优胜劣汰"思想的群体遗传操作来实现优化.SA采用串行优化结构,赋予搜索过程一种时变最终趋于零的概率突跳性,避免局部极小并最终趋于全局最优.两者的结合提高了遗传算法的全局搜索能力.本文对一实验室中弹性地基上框架结构进行了逐层模态实验研究,得到了四种工况下的模态频率和振型.首先对利用GASA算法对退火参数进行了优选,SA部分中的退温参数g和扰动幅度参数η对搜索效率及全局搜索能力具有重要的影响;然后对四种工况下混凝土的弹性模量和地基的动剪模量进行了识别,并与灵敏方法识别结果进行了对比,得到了结构物理参数随着结构浇注层数的增加而上升的规律,识别得到的弹性模量比回弹法结果偏大,与结构的静模量和动模量的区别有关.以上方法及其应用对于结构的健康监控具有现实的意义.     

基于混合遗传算法的动力系统阻尼参数识别方法

将动力系统阻尼参数识别反问题转化为非线性优化问题处理，提出了基于遗传算法的动力系统阻尼参数识别方法。为了提高简单遗传算法的计算效率和处理早熟问题，将模拟退火算法与遗传算法相结合，建立了混合遗传算法。数值计算结果表明，本文所建立的方法对于求解参数识别反问题和非线性优化问题是非常有效的，并且具有良好的鲁棒性和全局收敛能力。     

一种土的非线性弹性本构模型参数的反演方法

旨在提出一种土的非线性弹性本构模型参数反演的方法。以现今普遍实行的地基载荷试验为基础,依据遗传算法的组合优化理论,采用正演计算和遗传算法优化相结合的方式,建立了土层非线性弹性本构模型参数反演的方法;并依据某黄土场地地基载荷试验数据,实施了黄土土层非线性弹性本构模型参数反演的全过程。计算结果表明,所建立的方法可以实现土层非线性弹性本构模型中相互关联的多个参数的组合优化,并在对初始值要求较低的情况下,可以获得良好的参数反演精度。从而为土的变形特性分析和土与其中及相邻结构的共同作用分析,提供了较好的土体本构模型参数的确定方法。     

自适应免疫遗传算法

遗传算法(GA)是基于自然遗传规则随机搜索技术的一种进化算法,但是随着实际结构的大型化和复杂化,它往往出现过早收敛的现象。在研究了算法的编码方式、控制参数和算子操作之后,就其全局收敛性的不足,提出动态自适应策略以改进其性能,在基本遗传算子的基础上,采用了免疫遗传算子和保优策略。其中免疫算子可以防止交叉变异中的个体退化,自适应策略则保持了种群的多样性,以此保证遗传算法尽快收敛到全局最优解,称之为自适应免疫遗传算法(AIGA)。随后以经典的十杆桁架结构优化问题作为例子说明算法的优越性,结果表明AIGA在随机结构优化中计算有效、结果可靠。     

用于设计灵敏度分析的弹粘塑性边界元法

基于一致切线算子概念的弹粘塑性隐式边界元方法,进行了弹粘塑性设计灵敏度分析.采用了Perzyna经典粘塑性本构模型,针对包含各向同性硬化和运动硬化的混合硬化模型,导出了弹粘塑性灵敏度分析的径向返回算法和一致切线算子.利用直接微分的方法,建立了设计灵敏度分析的弹粘塑性边界元增量方程,导出了弹粘塑性径向返回的灵敏度公式.给出了在不同粘塑性流动参数下的三个典型算例的结果,与ANSYS结果相吻合,证明了方法是正确的.     

????????????????????????????

基于群体与适应度的概念，应用改进的PSO算法，从随机解出发，提出了基于PSO 算法的本构模型参数识别方法. 该方法解决了橡胶类材料大应变时硬化现象的本构模型参数 的确定这一难题. 首先通过单轴拉伸本构模型实验，在针对硬化实验曲线存在拐点的情 况下，应用PSO算法进行拟合，最后利用简单剪切实验进行验证. 结果表明该方法科学可行， 且具有速度快、精度高、易于收敛等优点. 并且有效地解决了本构模型参数识别的困难，可 广泛应用于各种复杂材料.     

基于爆炸切割试验的有机玻璃本构模型参数反演

为了获取爆炸切割数值模拟中有机玻璃（PMMA）的材料本构模型参数，建立了一种基于神经网络的有机玻璃Johnson Holmquist ceramics (JH-2)本构模型参数反演方法：基于从爆炸切割试验和现有研究得到的JH-2本构模型经验参数，确定本构模型参数的调整区间；使用LS-DYNA数值模拟软件对2.5 mm宽爆炸切割索切割14 mm PMMA平板过程进行数值模拟并收集平板损伤数据集；建立PMMA平板本构模型参数与损伤数据之间的神经网络模型；通过训练完成的神经网络模型对PMMA平板的JH-2本构模型参数进行反演。为验证通过反演参数的可靠性，进行了4.2 mm宽爆炸切割索切割19 mm PMMA平板试验和有限元数值模拟，计算结果中的平板损伤情况与实验结果相差较小，表明通过反演获得的JH-2本构模型参数能较好地应用于PMMA平板爆炸切割数值模拟。传统材料参数获取方法，该参数反演方法相较于可以通过较少的试验及测试，获得比较准确的材料本构模型参数。     

基于一种免疫算法的结构动态参数识别

受生物免疫系统的启发提出了一些基于免疫概念的优化算法。该方法有效地避免了传统遗传算法易于出现早熟、搜索效率低及不能很好保持个体多样性等问题。本文将免疫算法应用于结构动态参数识别领域,通过其在VC环境下调用ANSYS有限元程序中的APDL语言,并在后期引入加速循环操作,从而实现了对结构动态参数快速而精确的识别,仿真算例表明其正确性、有效性和较好的抗观测噪声能力。该方法特别适合于对大型复杂结构的参数识别计算。     

基于遗传算法和层叠模型的软土流变模型辨识

利用层叠模型编程方便的优点,采用层叠模型来考虑软土的粘弹塑性,研制了基于层叠模型的软土流变计算程序OMFEM;在此基础上,采用遗传算法来全局搜索软土流变参数,将软土流变层叠模型的计算程序OMFEM和遗传算法有机结合,编制了基于遗传算法和层叠模型的软土流变模型的辨识程序GAIOM,并最终实现了对软土流变模型和模型参数的辨识。工程实例证实了采用遗传算法和层叠模型来辨识软土流变模型的有效性。     

改进的遗传算法求解桁架的拓扑优化

提出了一种改进的遗传算法,用于优化具有离散尺寸、连续形状和0-1拓扑变量的桁架问题。考虑到离散和连续变量的本质,文中提出了混合编码方法,其中包括二进制和实数编码,整数和实数编码。本文采用了凝聚选择法-基于约束和适应度值双重标准,完全适应约束问题的本质。在优化过程中,初始种群和算子具有不确定性,因此有必要检验结构拓扑的合理性。为了增强算法的可靠性,采用了改进的重新开始算子,引入新基因并且探索新空间。求解了典型的算例,证明改进的遗传算法是可行且有效的。     

液压管道故障诊断自适应调整算法

基于染色体中局部区段损伤值缺损的特性,对遗传算法提出了相应改进.通过对遗传算法损伤模式搜索过程中染色体长度的自适应调整,缩小了损伤位置的搜索范围,大大减少了搜索的计算工作量.将新算法应用于液压管道结构损伤诊断位置的搜索,验证了改进算法的有效性和优越性.     

计及表面能的应变梯度理论本构参数识别

本文提出利用静态位移信息对一种计及表面能的应变梯度理论本构参数进行识别的求解策略.基于Vardoulakis和Sulem的计及表面能的简单线性应变梯度理论,文献[13]给出了伯努力-欧拉梁弯曲问题的正演解析模型,本文将其反演归结为两个带有不等式约束的非线性规划问题.在此基础上,采用黄金分割一维搜索方法进行求解,给出了数值验证,讨论了信息误差对反演结果的影响.结果显示,这种方法可以用来对应变梯度理论本构参数进行识别,即使在体积和表面能常数非常小的情况下,仍然能够得到满意的结果.     

基于遗传算法的半刚性连接钢框架设计

采用基于小生镜技术的遗传算法,对半刚性连接钢框架进行优化设计,针对其早熟现象和局部搜索能力差的缺点改进遗传算法。使用自适应策略改进交叉与变异算子。建立半刚性连接钢框架优化设计数学模型,编制了基于遗传算法的优化设计程序。运用这一优化算法可以直接从型钢截面表中选取截面,并在优化设计过程中考虑了连接可变性和二阶效应的影响。通过几个设计实例表明,考虑几何非线性会使用钢量增加,有支撑的情况下,半刚性连接较刚接用钢量经济。