超高压水射流喷头水动力特性研究

基于对超高压水射流喷头的外部参数定量化分析,给出关于射流核心参数的优选方法,旨在提高水射流效率。首先,根据超高压水射流除锈喷嘴的工作特点,考虑到水的压缩性和空化效应,建立单束定冲角、多束旋转喷头的三维数值模型,通过改变靶距、入射角度、转速等外部特征参数,实施了超高压水射流除锈喷头水动力性能模拟研究。然后,重点分析单束定冲角喷嘴靶距、入射角度对靶面剪切应力、打击压强分布的影响,以及射流等速核长度与最佳射流靶距的关系。发现当靶距等于喷嘴射流等速核长度时,壁面剪切应力达到最佳水平。此外,通过分析高速旋转射流卷吸效应、靶面水垫作用对靶面所受剪切应力、打击压强分布的影响,得到最佳转速范围和对应线速度。初步阐明了射流冲击剥离的机理、单束定冲角以及多束旋转射流的特征参数对射流效果的影响,可为超高压除锈喷头的设计、装配提供参考。     

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。     

遗传算法在结构优化中的研究进展

遗传算法(genetic algorithm)是基于Darwin的进化论和Mendal遗传学说而形成的新算法,具有全局收敛性和并行性,适用性广,并要求较少的先验知识,现在已广泛应用于优化、模式识别等方面.本文简要地介绍了简单遗传算法的基本过程及其数学基础;并从编码机制、收敛性和算子的研究等方面详细地阐述了遗传算法理论的发展;对约束处理方式、适应值函数的选取等方面的研究进行分析和评论;最后还提出遗传算法存在的主要问题和展望.      

基于改进遗传算法的多波束水下地形匹配方法

传统地形匹配算法在初始位置误差较大的条件下,由于搜索区域过大,定位精度较低,容易发生误匹配。针对此问题,提出一种基于改进遗传算法（GA）的多波束水下地形匹配方法。首先,根据地形变化特征,在多波束测深数据中自适应选择多条水深数据作为匹配序列,提高在地形相似处的匹配精度;然后,设计适应度函数用于衡量匹配航迹与真实航迹的相似度,加入收敛因子以减小惯导累积误差的影响;最后,利用正余弦算法对遗传算法进行优化,提高算法收敛速度,改善局部收敛的问题。仿真与船载实验结果表明,基于改进GA的多波束匹配方法对初始位置误差的大小不敏感,在分辨率为1 m的地形图上,匹配定位误差小于3 m,相比ICCP方法,在不同初始位置误差的情况下,定位精度分别提高了53%和79%。     

基于ANN-GA协同寻优的动态拉伸试样尺寸优化方法

材料动态拉伸力学性能测试中,动态拉伸试样的几何尺寸对测试结果的准确性与有效性有着较大影响。为对动态拉伸试样的结构进行优化设计,以使其在动态拉伸过程中更好地满足一维应力与变形均匀等基本假设。首先,建立了量化的试样测量准确度指标,即应力平衡达到时间、变形均匀度、非轴向应力相对水平、过渡段相对变形。然后,对试样结构参数进行正交试验设计,通过数值模拟的方法得到了关于试样尺寸与测量准确度指标的正交试验数据库,并对正交试验数据库进行多目标正交试验矩阵分析,得到了试样结构参数对各测量准确度指标影响的主次顺序和规律。最后,以正交试验数据库为训练集,采用人工神经网络（artificial neural network, ANN）协同遗传算法（genetic algorithm, GA）的全局寻优方法对试样的结构尺寸进行优化设计,得到了试样的最优结构尺寸,并对最优尺寸的有效性进行了验证。结果表明,优化后的试样结构在材料动态拉伸力学性能测试精度上的表现明显得以提升。因此,采用ANN-GA协同优化的方法对动态拉伸试样的结构进行优化具有可行性和有效性。     

基于遗传算法的设计地震反应谱标定方法

基于自然进化原理的遗传算法是一种解决复杂非线性规划问题十分有前景的方法。对遗传算法中一些有代表性的算法作了简要分析和评价。介绍了用地面峰值加速度(PGA)、峰值速度(PGV)和峰值位移(PGD)三个参数标定设计地震反应谱的模型。针对此分段非线性函数规划问题,运用MATLAB编写遗传算法程序进行了计算。计算表明遗传算法在全局优化、非线性优化、多参数优化等方面表现出了传统算法无法比拟的优势。     

基于卷积神经网络和松鼠优化算法的机翼结构混合优化设计#br#

针对大展弦比机翼的结构轻量化优化设计,提出了一种高效的布局和尺寸混合优化方法．在CFD/CSD气动弹性计算的基础上,对不同的结构变量进行统一编码,使用一维卷积神经网络建立代理模型,并使用松鼠优化算法建立了混合优化模型进行搜索寻优．以某型太阳能无人机的机翼结构优化为例,优化结果表明翼肋的布局变量和翼梁的尺寸变量之间存在着耦合关系,使用松鼠优化算法相比于遗传算法节省了35 %~45 %的计算成本,且混合优化后的结构比原始结构减重4.1 %,验证了该方法的有效性．     

压缩机管道系统振动激励的优化研究

本文提出“以管道中流体压力脉动不均匀度为目标函数，以管系各段管长布局为设计变量”的压缩机管道系统振动激励的优化计算模型，采用“ＳＵＭＴ”和“Ｐｏｗｅｌｌ”优化算法，运用小波动理论中的“刚度矩阵法”，建立了目标函数的计算模型；同时，为了缩短优化过程，提高收敛速度；本文针对管系振动激励优化问题，提出优化初值点的一种近似处理方法。通过算例验证，表明计算方法是可靠的，具有工程应用价值，是管系动态优化设计的一个重要方面。     

遗传算法的一个改进及其在气动设计中的应用

提出一个概率型二值搜索思想,驿标准遗传算法进行改进,改进是在原算法中增设一个概率型二值决策步。在该步中,首先通过计算种群中每个个体以体（二值串）各分量的适应值,统计染色体分量所在位置（基因位）取值的历史表现,由此给每个分量们赋予一个分值;然后,利用该分值以概率方法产生若个干新个体,并加入新代种群能与进化。由于分量位分值包含全局收敛信息,以此为基础产生的新个体可望具有良好素质,从而提高收敛速度,这在     

基于改进粒子群算法的翼型多目标优化研究

在多目标优化研究中,为改善多目标粒子群算法的局部搜索能力,以标准粒子群算法为基础,引入单点模拟退火算法,局部进化最优个体,采用基于目标向量的共享函数法评价适应值.标准测试函数优化实例表明:本文算法比标准粒子群算法具有更好的收敛稳定性和收敛速度,收敛速度提高了近50%;针对某翼型的气动优化设计结果表明:改进算法有效缩短了优化时间,迭代代数由61减为49,调用CFD由4880减为4250次;阻力系数、升力系数、低头力矩系数分别改进了9.23%、0.42%、16.4%,取得了较好的优化效果.     

基于拟满应力设计和遗传算法的网架截面优化方法

通过在遗传算法中嵌入拟满应力算子,提出了一种以网架结构杆件截面作为离散变量的优化设计方法,即基于拟满应力设计和遗传算法的网架截面优化方法.分析结果表明,该法能够提高遗传算法的搜索效率和获得全局最优解的可靠性,对于同时有应力和位移约束的网架等空间结构截面优化问题,这种混合算法有较高的效率.     

Variational boundary integral approach for asymmetric impinging jets of arbitrary two‐dimensional nozzle

We consider asymmetric impinging jets issuing from an arbitrary nozzle. The flow is assumed to be two‐dimensional, inviscid, incompressible, and irrotational. The impinging jet from an arbitrary nozzle has a couple of separated infinite free boundaries, which makes the problem hard to solve. We formulate this problem using the stream function represented with a specific single layer potential. This potential can be extended to the surrounding region of the jet flow, and this extension can be proved to be a bounded function. Using this fact, the formulation yields the boundary integral equations on the entire nozzle and free boundary. In addition, a boundary perturbation produces an extraordinary boundary integral equation for the boundary variation. Based on these variational boundary integral equations, we can provide an efficient algorithm that can treat with the asymmetric impinging jets having arbitrarily shaped nozzles. Particularly, the proposed algorithm uses the infinite computational domain instead of a truncated one. To show the convergence and accuracy of the numerical solution, we compare our solutions with the exact solutions of free jets. Numerical results on diverse impinging jets with nozzles of various shapes are also presented to demonstrate the applicability and reliability of the algorithm.     

桁架结构截面优化设计的改进模拟退火算法

将模拟退火算法应用于桁架结构截面尺寸优化设计,提出若干方法改进了算法的鲁棒性、计算效率和求解精度。通过一批经典问题,同时与传统结构优化算法和遗传算法进行了比较。数值结果表明,本文的改进模拟退火算法具有很高的优化求解精度,计算效率有显著提高且优于遗传算法,有望在结构优化设计问题中发挥其特点。     

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。     

Evolutionary optimization techniques as versatile solvers for hard‐to‐converge problems in computational fluid dynamics

Evolutionary algorithms mimic the process of natural evolution governed by the ‘survival of the fittest’ principle. In this work, a genetic algorithm (GA) is successfully used to solve problems in potential flow in a gradual contraction, viscous flow over a backward facing step, and non‐Newtonian flow using the power law model. Specifically, the GA heuristically searches the domain for potential solutions, precluding many convergence difficulties associated with the stiffness of a problem. The GA was able to solve problems that the gradient‐based method could not mainly because of its relative indifference to regions of high gradients when performing the search and that systems of discretized equations are never actually solved. The GA exhibited excellent scalability properties for solving problems with a large number of nodes. These results show evolutionary techniques to be of great utility in solving stiff problems in fluid flow. Copyright © 2006 John Wiley & Sons, Ltd.     

金属栅格加筋结构的并行协同优化方法

栅格加筋板的主要失效形式为整体屈曲和局部屈曲,据此提出了一种栅格加筋板布局的并行协同优化方法,将设计变量分为整体设计变量与局部设计变量,在两个子空间中并行优化,然后进行系统级协调,反复迭代至收敛。两个典型算例结果表明,本文方法优化流程清晰、算法稳定且结果可靠,可以获得最优解。     

基于遗传算法和参数化建模的非线性结构优化

提出了一种对存在接触关系的非线性结构(装配体)进行优化设计的新方法。该方法将遗传算法与结构几何及有限元参数化建模方法相结合，在通用CAE软件的二次开发编程环境中实现对带接触的结构装配体进行结构尺寸和形状优化设计。文中利用该方法对某浮动式闭气结构的重要结构参数和关键构件形状实施了优化设计，使其闭气性能得到大幅度提高，体现了本文方法在解决这类优化问题中的优势。本文的方法有利于拓宽结构优化技术在机械设计领域的应用范围。     

Computations for a jet impinging obliquely on a flat surface

A SIMPLE-C algorithm and Jones-Launder k-ε two-equation turbulence model are used to simulate a two-dimensional jet impinging obliquely on a flat surface. Both the continuity and momentum equations for the unsteady state are cast into suitable finite difference equations. The pressure, velocity, turbulent kinetic energy and turbulent energy dissipation rate distributions are solved and show good agreement with various experimental data. The calculations show that the flow field structure of the jet impinging obliquely on a flat surface is strongly affected by the oblique impingement angle. The maximum pressure zone of the obliquely impinging jet flow field moves towards the left as the oblique impingement angle is decreased.     

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。     

遗传递增演化算法配筋优化设计

递增演化结构算法(AESO)是在初始结构上,逐步增加有效材料,进而得到优化拓扑形状,其运算速度快,但容易陷入局部最优解。为提高寻找全局最优解的能力,把递增演化结构算法(AESO)和遗传算法(GA)相结合,提出遗传递增演化算法(GAESO),在增加有效材料的选择性上引入生物进化遗传理论,并以ANSYS有限元分析软件的非线性分析为平台,采用钢筋混凝土分离式模型,探讨遗传递增演化算法(GAESO)在钢筋混凝土复杂应力构件配筋优化设计上的应用,直观地完成在荷载作用和应力约束条件下简支深梁、简支开洞深梁和开洞剪力墙等钢筋混凝土复杂应力构件的配筋优化设计,所得结果符合受力机理,演化方向正确,钢筋布置明确,与遗传演化优化算法(GESO)所得结果进行比较验证,证实了算法的可行性、速敛性和稳定性,能为钢筋混凝土配筋优化设计提供参考。