集雪器螺旋叶片的结构参数优化及动力特性

对小型除雪机螺旋集雪器的结构参数进行了优化设计,并进行了动力学特性分析.对雪颗粒在螺旋叶片上的运动进行了分析,建立螺旋叶片上雪颗粒运动的数学模型,得到螺旋叶片的结构参数与雪颗粒运动速度的关系,确定了螺旋叶片的外环直径、内环直径、螺距及转速等参数的最优值.通过对集雪器螺旋叶片进行力学分析,得到螺旋叶片受力时的应力分布和位移变形情况,确定了螺旋叶片厚度的最优值.应用模态分析方法,分析了集雪器的工作转速对螺旋叶片振动性能的影响.分析结果表明,经参数优化后的除雪机效率更高,在许用工作转速内,动态性能稳定,不会发生共振现象.     

基于遗传算法的结构主动控制作动器优化布置

研究地震激励作用下主动控制结构的作动器优化布置,基于等效激励法构造了随机激励,应用状态空间控制算法进行了求解。针对作动器优化布置问题提出了基于遗传算法的优化方案,即利用遗传算法的0,1染色体编码模拟作动器的楼层空间布置,实现了作动器数目限定条件下,以楼层最大加速度和层间位移角组合为控制目标函数的作动器最优布置。仿真分析表明,该优化方法适应性强,效果显著。     

基于遗传算法的网格结构优化方法

为了加快遗传泊进化过程,提出了基于遗传算法和满应力准则进行网格结构优化的杂交算法,杂交算法能大幅度地减少单纯采用遗传算法进行网格结构优化的解空间,其结果表明杂交算法能明显地加快遗传算法的收敛进程。     

基于改进天鹰优化器的抱杆结构优化

为了提高抱杆设计的安全性和经济性,提出一种基于改进天鹰优化器的抱杆结构优化方法。根据抱杆工程实例,建立轻量化设计模型。将角钢杆件的截面尺寸作为优化变量,采用罚函数法处理许用应力,位移和屈曲系数三种约束条件。为了解决天鹰优化器局部搜索能力不足的问题,使用混沌映射进行种群初始化,使首代种群在搜索空间内分布更加均匀,并引入新的平衡方式使算法在迭代后期仍具有全局搜索能力,同时加入非线性参数增强局部搜索能力,引入反向学习策略增强算法摆脱局部最优的能力。十杆平面桁架结构尺寸优化算例结果验证了改进算法具有更好的寻优能力。抱杆结构轻量化设计结果表明,改进的天鹰优化器提供的设计方案更佳,抱杆质量减轻了16.55%。改进天鹰优化器能够有效处理平面桁架和空间杆系结构的优化设计问题。     

基于遗传算法的神经网络结构优化

介绍了遗传算法的基本原理,然后利用遗传算法优化神经网络结构,形成以遗传算法与神经网络相结合的进化神经网络.经验证可知,该算法具有一定的可行性与有效性.     

一种基于遗传算法的模糊神经网络结构和参数优化

提出一种基于遗传算法的三阶段优化策略。在给定初始参数基础上,利用基于十进制编码的遗传算法实现模糊神经网络的结构优化,用基于二进制编码的遗传算法实现模糊神经网络的参数优化。仿真结果表明上述优化策略是有效的。     

基于改进遗传算法的桁架结构优化

桁架是一种广泛应用于工程领域的结构形式,对其结构优化有重要的意义.文章提出了随种群的进化而动态变化的自适应交叉算子和变异算子,以提高算法的优化效率及增强收敛性;引入了精英保留策略,以克服各代种群最佳个体未能保护的缺点.建立以最小化结构总重量为目标函数的桁架优化数学模型,并应用改进的遗传算法对桁架结构进行优化求解.通过实例验证了所建模型以及对算法改进的有效性和实用性.     

遗传算法和神经网络的结构优化策略

提出了基于遗传算法和神经网络的结构优化方法.在该方法中,将个体繁殖和群体进化局限于可行域空间.利用该方法求解了2个结构优化实例.     

基于改进免疫遗传算法的机械零件的结构优化

鉴于现有免疫遗传算法其收敛差的问题,剖析其理论体系本身存在的6大弊端,提出6条全新的免疫策略,以加快算法的收敛速度并提高其收敛精度.同时,对实码抗体与变量向量之间的关系进行阐述,将复杂的算法机理用图形直观地描述出来,以便于对免疫遗传算法的理解与实际操作;将可靠性分析的随机摄动法与其灵敏度分析相结合,对随机参数的概率分布为任意形状的机械零件计算其可靠度及其灵敏度的函数表达式,并创建可靠度对设计变量的灵敏度最低与体积最小的两目标数学模型;提出实现目标函数值之间保持动态平衡的全新模型,以实现上述两目标函数与像集法的对接;最后,以盾构机三级行星减速器轴为例,按照上述思想建立数学模型,编写改进的免疫遗传算法的MATLAB程序对其进行优化.研究结果表明:该算法的鲁棒性使行星减速器轴的总体积减小13.65％,与改进前相比,所提出的免疫遗传算法具有更快的收敛速度与更高的收敛精度.     

遗传算法在复杂结构离散优化中的应用

本文利用遗传算法ＧＡ处理离散非凸问的优势,提出将序列二次规划法,改进的外罚函数法与ＧＡ法结合,并提出了进行可行性调整的新策略,从而为复杂结构离散优化建立了一种新的方法。     

基于遗传算法的卸载阀结构参数优化

分析了矿用乳化液泵站中卸载阀的工作原理,建立了数学模型。在AMESim软件中运用遗传算法优化原理,选择卸载阀中影响因素较大的参数进行参数取值,并对这些参数进行优化设计。最后,通过仿真证明优化结果能使卸载阀在工作时达到最大的节能效果。     

基于混沌优化的量子遗传算法

量子遗传算法是一种高效的并行算法，但它有时会陷入局部极值。混沌优化的遍历性可作为搜索过程中避免陷入局部极小值的一种优化机制，随机性和规律性使它具有丰富的时空动态。所以二者结合可互补。经试探分析，典型函数测试结果表明，混沌优化与量子遗传算法相结合全局寻优效果更佳。     

基于混合遗传算法的随机结构可靠性优化设计

遗传算法（GA）是一种具有随机搜索技术的进化算法,但在运用过程中出现早熟、收敛速度慢、局部搜索能力差的缺点。对遗传算法中的遗传算子进行了改进,提出了遗传算法和最佳矢量法相结合的混合遗传算法,并引入了小生境技术。分析表明,基于小生境的混合遗传算法即发挥了最佳矢量法局部搜索能力强的特点,又结合了遗传算法全局搜索能力强的优点,使收敛性能大大改善,同时小生境技术的使用,避免了优化过程中局部最优解的出现,提高收敛速度。具体算例表明该混合遗传算法是一种高效的结构优化方法。     

基于遗传算法的函数优化拟下降算法

在传统优化算法中嵌入一拟下降步,改善了算法的收敛性质;用遗传算法计算拟下降步,提高了算法的全局搜索能力,又不改变原算法的收敛性．数值计算结果表明,所提出的算法结合了遗传算法和传统算法的优点,是一种可行的解决函数优化问题的混合算法．     

基于遗传算法的静电反馈式微传感器多目标优化

讨论了一种新型梳齿式静电反馈微加速度计的多目标参数优化问题，从耦合静电场能量关系出发，建立了系统的动态模型．在此基础上，以灵敏度、分辨率和动态响应为优化目标，通过目标规划法，构建了系统的多目标优化模型．利用遗传算法进行优化求解，并与序列二次规划法的优化解进行了对比分析，研究结果表明，这2种算法均能成功地求解优化问题，但遗传算法可得到设计者更为满意的多目标有效解．研究工作为进一步利用遗传算法的随机性和潜在并行性进行系统的Pareto多目标优化提供了基础．     

基于遗传算法的管材矫直优化

针对管材矫直质量问题,利用单向弯曲的方式,建立了矫直过程的力学模型,提出了优化的目标函数,建立遗传算法模型对矫直工艺参数进行了优化,得出了合理的工艺参数值.将该工艺参数值用于实际加工中,能显著提高管材的矫直质量.     

结构优化设计中的组合遗传算法

针对标准遗传算法存在的早熟收敛、随机振荡和收敛速度慢等缺陷,采取改进措施.利用混沌序列的随机遍历性生成初始种群,并把相对差商算法的优化解加入到初始种群中,改善初始种群的性能.采用适应度的指数尺度变换改进传统的适应度评价函数.相对差商算法局部搜索能力强,而遗传算法具有较强的全局搜索性,发挥两者的优势,提出组合遗传算法.把相对差商算法作为一个与选择、交叉、变异平行的遗传算子嵌入到改进遗传算法中,提高局部寻优能力,防止早熟收敛.通过十杆平面桁架的数值算例来验证组合遗传算法应用的可行性和有效性,组合遗传算法的优化结果也远好于标准遗传算法和改进遗传算法.     

基于改进遗传算法的露天采矿优化

首先针对露天采矿优化问题的实际情况,建立了优化数学模型,并将原问题的约束条件转化为目标函数的组成部分,使之便于利用遗传算法求解.针对遗传算法的局限性,实施了最优保留策略,并改进了选择、交叉和变异操作,使该算法能够有效地提高收敛速度,避免早熟收敛.最后,通过实际算例说明,该优化方法有效、实用.     

基于遗传算法的模糊逻辑控制器优化设计

设计了一种新的用于模糊逻辑控制器优化的遗传算法，实现了模糊逻辑控制器参数和结构的同步快速优化。该算法对经典的简单遗传算法进行了改良，设计了一种带区间限制的十进制编码方案，实现了模糊控制器隶属度函数和控制规则的联合编码；并设计了受限分步一致交叉和变异算子，改进了经典赌轮选择法,避免了病态个体产生，加快了收敛速度。通过对典型的一阶和二阶工业对象控制器优化的仿真研究表明，相对于一般的遗传算法，该算法在群体规模较小（20或40）的情况下，能够在20代左右快速收敛到理想结果，并且在进化过程中很少产生病态个体，因此能够在小群体规模下，实现模糊控制器参数和结构的快速同步优化。