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

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.     

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。     

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。     

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。     

Bammann-Chiesa-Johnson粘塑性本构模型材料参数的一种识别方法

粘塑性本构模型能否成功模拟金属高应变率大应变变形过程依赖于材料参数识别结果的好坏。由于BCJ模型考虑了应变率、温度与材料硬化之间的耦合效应以及应变率、温度历史效应,同时模型中包含了多个材料参数,因此很难通过试验直接识别模型的材料参数。本文针对BCJ模型中的耦合效应和历史效应,基于对模型中材料参数物理涵义的界定,给出了一种对材料参数解耦、分离并进行估计的方法,获得了模型材料参数估计公式,估计了材料参数的取值范围。在此基础上,编制了BCJ模型应力积分径向返回算法和粒子群优化算法的计算程序,应用重新设计了BCJ模型耦合效应和历史效应的反分析方法,在参数取值范围内对材料参数进行了优化识别。以OFHC Cu为例,应用提出的识别方法对BCJ模型的材料参数进行了识别,计算结果和试验结果符合较好。     

基于多项式代理模型的薄膜材料力学参数识别

针对鼓泡方法对具有不同本构关系的薄膜材料力学参数识别方法难以统一的问题,提出了一种基于代理模型的薄膜材料力学参数识别方法。首先,运用多项式代理模型将薄膜材料力学参数与薄膜试件在不同测点的挠度仿真值之间的关系显式化,然后采用改进的鼓泡实验装置测量并获得薄膜试件上各测点的扰度实验值,再以相应的测点多项式代理模型值与实验值之间的相对误差的平方和作为目标函数,采用状态转移算法对材料参数进行反解,获得能表征薄膜的真实材料参数。采用这一方法,对304不锈钢薄膜和橡胶材料进行识别实验,证实了这一方法的有效性和可靠性。因此可以利用本文的方法研究鼓泡实验装置的仪器化,从而为进一步实现薄膜材料力学参数识别方法的统一提供新的思路。     

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。     

基于改进萤火虫算法的移动车辆参数识

提出了一种基于萤火虫优化算法的移动车辆参数直接识别方法.采用四自由度双轴十二参数车辆模型和欧拉梁有限元模型建立了车桥耦合系统的动力方程,并利用Newmark直接积分法求解了系统的动力响应.通过引入一种局部搜索策略和末位淘汰机制改进了萤火虫优化算法的收敛速率,并提高了识别结果的精度.本文方法仅利用车辆振动的竖向加速度响应测量就能进行移动车辆参数的识别.数值算例表明,改进的萤火虫优化算法可以准确地识别出车辆的质量、悬挂刚度和阻尼等参数,并且对测量噪声不敏感.     

基于改进萤火虫算法的移动车辆参数识别

提出了一种基于萤火虫优化算法的移动车辆参数直接识别方法。采用四自由度双轴十二参数车辆模型和欧拉梁有限元模型建立了车桥耦合系统的动力方程,并利用Newmark直接积分法求解了系统的动力响应。通过引入一种局部搜索策略和末位淘汰机制改进了萤火虫优化算法的收敛速率,并提高了识别结果的精度。本文方法仅利用车辆振动的竖向加速度响应测量就能进行移动车辆参数的识别。数值算例表明,改进的萤火虫优化算法可以准确地识别出车辆的质量、悬挂刚度和阻尼等参数,并且对测量噪声不敏感。     

基于遗传算法的水轮机振动参数识别

通过对水轮机现场测试数据的频域分析，建立了测点位移响应的参数正模型。并基于遗传算法，建立了在时域内识别结构振动参数的数值方法，采用该方法对水轮机位移响应正模型的待定参数识别进行了研究。计算结果表明，所建立的基于遗传算法的参数识别方法具有良好的稳定性、抗观测噪声能力和较高的识别精度，能够反演出比较符合实际情况的位移响应振动模型。这就为荷载识别、结构优化和预报减震效果等后续工作提供了可靠的实施前提。     

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。     

改进单向搜索遗传算法的工程结构优化设计

本文基于规范规定的约束条件和各项技术标准要求，建立了离散变量结构优化模型。针对遗传算法在迭代过程中经常出现未成熟收敛、振荡、随机性太大和迭代过程缓慢等缺点，提出一种新的遗传算子单亲遗传算子，用于对遗传算法的改进。并提出一种离散变量结构优化设计的单向搜索算法与遗传算法结合在一起解决问题。优化设计结果表明，这种改进单向搜索遗传算法的收敛特性得到了很好的改善，即发挥了单向搜索算法局部搜索能力强的特点，又发挥了遗传算法全局性好的特点。该方法是一种有效的工程结构优化设计方法。     

平流层飞艇气动参数辨识

进入21世纪以来，随着科技的飞速发展，世界上掀起了研究和开发平流层平台的热潮。飞艇作为平流层平台可以实现无线通信、空间观测、大气测量以及军事侦查等目的。本文首先将飞艇所受的气动力分成由于来流速度产生的定常气动力和飞艇转动引起的非定常气动力两部分，通过理论分析建立了飞艇的气动力模型，从而得到需要辨识的气动参数。其次建立了以浮心为原点的六自由度非线性动力学模型和一种基于混合遗传算法的气动力系数辨识方法——混合遗传算法（遗传算法＋单纯型法）与极大似然法相结合的方法，并利用该方法对飞艇的气动参数进行辨识。通过仿真结果验证了该方法实用性和有效性。最后通过对气动参数的准确值与辨识值的分析比较，得出各个参数对飞艇运动性能的影响情况。     

优化方法用于模型校核

在工程实际中，常常会遇到需要选择本构模型和校准参数的模型校核问题。文中采用优化方法实现了复杂模型校核的自动化。文中，首先将各种本构模型映射为整数编号，并根据这些编号来激活相应的本构模型和本构模型参数，解决了本构模型的参数化问题；另外，根据模型校核问题的特点选择了试验结果和计算结果相对误差的平方和作为目标函数。通过这些步骤，用实现了优化方法模型校核自动化。     

结构性软土弹塑性模型的隐式算法实现

对于考虑软土结构性的高度非线性弹塑性本构模型,在采用Newton-CPPM隐式算法对模型进行数值实现的过程中容易出现Jacobian矩阵奇异和不收敛问题。为此,本文提出了两种改进隐式算法。考虑到Newton-CPPM隐式算法是局部收敛性算法,因此引入大范围收敛的同伦延拓算法对Newton-CPPM算法的迭代初值进行改进,形成了同伦-Newton-CPPM算法。考虑到Newton-CPPM隐式算法单个迭代步的计算量过大,因此借鉴显式算法的思想提出一种两阶段迭代算法,第一阶段先求出一致性参数,第二阶段采用类似于显示算法的方法进行回代得出状态变量的值。然后,以考虑软土结构性的SANICLAY模型为例,从弹塑性本构模型的组成和算法的特点两个角度分析了引起Jacobian矩阵奇异和不收敛问题的原因,并且在单单元计算的基础上,对全显式算法、传统隐式算法和两种改进隐式算法在计算收敛性、计算精度和计算效率方面进行了对比。最后,将同伦-Newton-CPPM算法和传统隐式算法用于地基承载力多单元计算中,结果表明该算法能够有效地解决Jacobian矩阵奇异和不收敛问题。      

地下水流并行有限层方法及同伦反演研究

根据有限层求解格式存在的解耦性，实现了地下水三维流问题的高效并行化计算。在此基础上，结合非线性同伦方法，提出了地下水参数反演分析的并行同伦算法，利用MATLAB编译了相应的正反演计算程序。与已有解析解和有限差分解的对比以及数值算例，验证了并行化正反演方法及程序的正确性，探讨了并行算法的计算效率。研究表明，并行方法可以有效提高计算速度，较串行方法具有明显优势，同时同伦反演方法具有大范围收敛的特点，不依赖于参数值的初始选取。     

Constitutive Model for the Thermo-viscoplastic Behavior of Hexagonal Close-Packed Metals with Application to Ti-6A1-4V Alloy

In this paper, a new physically based constitutive model is developed for hexagonal close-packed metals, especially the Ti-6 A1-4V alloy, subjected to high strain rate and different temperatures based on the microscopic mechanism of plastic deformation and the theory of thermally activated dislocation motion. A global analysis of constitutive parameters based on the Latin Hypercube Sampling method and the Spearman's rank correlation method is adopted in order to improve the identification efficiency of parameters. Then, an optimal solution of constitutive parameters as a whole is obtained by using a global genetic algorithm composed of an improved niche genetic algorithm, a global peak determination strategy and the local accurate search techniques. It is concluded that the proposed constitutive modal can accurately describe the Ti-6 Al-4V alloy's dynamic behavior because the prediction results of the model are in good agreement with the experimental data.     

Bayesian System Identification using auxiliary stochastic dynamical systems

Bayesian approaches to statistical inference and system identification became practical with the development of effective sampling methods like Markov Chain Monte Carlo (MCMC). However, because the size and complexity of inference problems has dramatically increased, improved MCMC methods are required. Dynamical systems based samplers are an effective extension of traditional MCMC methods. These samplers treat the posterior probability distribution as the potential energy function of a dynamical system, enabling them to better exploit the structure of the inference problem. We present an algorithm, Second-Order Langevin MCMC (SOL-MC), a stochastic dynamical system based MCMC algorithm, which uses the damped second-order Langevin stochastic differential equation (SDE) to sample a posterior distribution. We design the SDE such that the desired posterior probability distribution is its stationary distribution. Since this method is based upon an underlying dynamical system, we can utilize existing work to develop, implement, and optimize the sampler's performance. As such, we can choose parameters which speed up the convergence to the stationary distribution and reduce temporal state and energy correlations in the samples. We then apply this sampler to a system identification problem for a non-linear hysteretic structure model to investigate this method under globally identifiable and unidentifiable conditions.