基于启发式算法的移动机器人SLAM

为了实现GPS信号缺失下的移动机器人自主导航,解决传统粒子滤波中的粒子退化以及粒子贫乏引起的移动机器人定位和导航精度下降问题,提出了基于小生境理论的启发式蝙蝠优化粒子滤波的同时定位与地图构建算法。首先,在启发式蝙蝠优化算法的速度和位置更新过程中,引入惯性权重,加快了算法寻优精度,提高了收敛速度;然后,利用小生境理论进一步优化启发式蝙蝠算法,利用排挤机制和惩罚函数,有效地保证了种群的多样性,提高了算法的全局寻优能力;最后,将基于小生境理论的启发式蝙蝠优化算法用于传统粒子滤波采样中,使得粒子能够智能、快速地向高似然区域运动,同时提高了传统粒子滤波算法的全局寻优能力和寻优精度。实验结果表明:该算法显著提高了移动机器人导航和定位的精度和实时性。     

机械系统动力优化设计的自适应混合遗传算法

针对机械系统动力优化设计问题的特点，本文提出了一个自适应混合遗传算法。该方法将目适应控制参数调整策略、小生境技术和单纯形法有机地融入遗传算法，较为有效地解决了基本遗传算法的过早收敛和局部搜索能力弱的问题，提高了算法全局寻优的可靠性和收敛速度，为解决机械系统动力优化设计问题提供了一种可靠、有效和易用的优化方法。一个五自由度汽车悬挂系统的动力优化设计实例验证了算法的效率、可靠性和实用性。     

自适应Kriging近似模型及其在二维扩压器优化设计中的应用

将均匀设计方法、CFD技术、Kriging近似模型及小生境微种群遗传算法相结合发展了一种自适应全局优化设计方法.优化过程中综合考虑Kriging模型的预测值与预测标准差,引入了EI(Expected Improvement)函数得到校正点,解决了采用近似模型最优策略得到校正点带来的局部收敛问题.分别采用该方法和小生境微...     

基于改进蛙跳算法的结构可靠指标计算

为了克服传统的结构可靠指标求解方法存在的模型描述和计算缺陷,引入改进混合蛙跳算法用于求解可靠指标。针对标准蛙跳算法求解组合优化问题时后期收敛速度慢、容易陷入局部最优的缺点,新算法引入蚁群算法的信息素调整策略,对蛙跳算法后期局部搜索进行改进,扩大算法后期搜索范围,使蛙跳算法跳出局部最优。最后,将改进后的算法应用到结构可靠指标的求解过程,算例验证了改进算法的有效性。     

基于差分进化和RBF响应面的混合优化算法

针对气动优化等昂贵优化问题,提出了一种基于差分进化和RBF响应面的混合优化算法HSADE,该方法结合了差分进化算法的强全局寻优能力和RBF响应面方法的快速局部搜索能力,能够同时有效地提高算法的局部搜索效率和全局寻优能力.对各子算法中的策略和逻辑进行了多项改进,提出和应用了基于双败淘汰赛的竞赛赛制和参数自适应等改进策略.对HSADE使用多个典型算例进行了测试,并横向对比了NSGA-II,MOPSO和多目标差分进化算法.测试结果表明,在大多数问题中HSADE在以世代距离表征的局部搜索效率和以超体积比表征的全局寻优能力两项指标上都优于其他算法,证实了以上混合策略及算法改进的有效性.将该算法应用于一个翼型优化问题和一个二维超声速喷管膨胀面优化问题,并横向对比未经改良的差分进化算法DE和另一种混合算法NARSGA,结果表明在接近1 000次的函数评估下,HSADE能相对其他算法进一步对翼型减阻0.5 count,在喷管优化中HSADE得到的结果也好于其他两种算法,表明该方法具有较强工程应用价值.     

结构非线性动力分析混合时间积分并行算法

综合隐式和显式时间积分技术,对结构非线性动力反应分析提出一种并行混合时间积分算法.该算法采用区域分解技术.将并发性引入到算法中,即利用显式时间积分技术进行界面节点积分而利用隐式算法求解局部子区域.为实现并行混合时间积分算法,设计了灵活的并行数据信息流.编写了该算法的程序,在工作站机群实现了数值算例,验证了算法的精度和性能.计算结果表明该算法具有良好的并行性能,优于隐式算法.     

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

合隐式和显式时间积分技术,对结构非线性动力反应分析提出一种并行混合时间积分算 法. 该算法采用区域分解技术. 将并发性引入到算法中,即利用显式时间积分技术进行界面 节点积分而利用隐式算法求解局部子区域. 为实现并行混合时间积分算法,设计了灵活的并 行数据信息流. 编写了该算法的程序,在工作站机群实现了数值算例,验证了算法的精度和 性能. 计算结果表明该算法具有良好的并行性能,优于隐式算法.     

基于生物地理-海鸥群优化的高维结构可靠性分析

结构可靠度分析中,一阶可靠度方法由于简单高效而得到广泛使用.然而,对于高维非线性问题,一阶可靠度方法可能导致不收敛或者早熟.为克服这一缺陷,本文提出了基于生物地理-海鸥群优化的改进一阶可靠度方法.针对海鸥群优化算法在寻优过程中存在的早熟现象,引入生物地理优化算法中的变异与迁移机制,提出生物地理-海鸥群混合优化策略进行寻...     

加速度计参数长期稳定性多尺度混合建模与预测

针对温度、振动等环境载荷导致石英挠性加速度计参数随着时间发生非线性变化,难以进行准确描述的问题,提出一种加速度计参数长期稳定性多尺度混合建模方法,并利用所建模型对参数变化进行预测。首先,采用经验模态分解对参数长期变化序列进行多尺度分解,使其平稳化以降低其复杂度,为多尺度混合建模奠定基础;然后,在单核向量机的基础上,应用多核最小二乘支持向量机数据拟合算法,以提高多尺度混合建模算法的准确性与适应性;而且为了提升多核向量机的性能,设计一种自适应人工鱼群寻优算法对多核向量机的相关参数进行寻优;最后,建立石英挠性加速度计参数长期稳定性模型,并通过实例进行模型适用性验证与预测性能验证。结果表明,所提出的建模方法相比于传统最小二乘方法,模型更加精确,预测精度更高,零偏K_0与标度因数K_1的预测均方根误差分别降低了88.65%、86.49%。     

类电磁机制算法研究与改进

针对原算法中初始种群不均匀、局部搜索随机性强及移动公式效率低等问题,提出了一种改进的类电磁机制算法。采用随机化均匀设计方法构造初始种群,将混沌搜索与试探性移动方法相结合进行局部搜索,运用改进后的公式计算粒子之间的合力,将遗传变异思想融入移动公式来更新粒子。实验结果表明,改进后的算法具有更好的收敛效果和更高的求解精度。     

Modified sub-population teaching-learning-based optimization for design of truss structures with natural frequency constraints

In this paper, a modified sub-population teaching-learning-based optimization (MS-TLBO) algorithm is proposed to improve the exploration and exploitation capacities by including the concept of number of teachers, adaptive teaching factor, learning through tutorial, and self-motivated learning in the basic TLBO algorithm. The multiple frequency responses to the structural optimization problems are challenging due to its search space, which is implicit, nonconvex, nonlinear, and often leading to divergence. The viability and efficiency of the proposed method are tested by five structural benchmark problems of shape and size optimization with multiple natural frequency constraints on the planar and space trusses. The results reveal that MS-TLBO is more effective as compared to the original TLBO and other state-of-the-art algorithms.     

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.     

Automated critical point identification for PIV data using multimodal particle swarm optimization

A hybrid sequential niche algorithm is used for the automated identification of critical points of velocity fields. This method combines an adaptive sequential niche technique with deterministic local optimization to detect critical points: focus, node and saddle points. A particle swarm algorithm performs a global search whereas vortex core identification functions compute the precise location as the extremum of the corresponding function. Once a critical point is found, a rectangular niche is constructed around the point. The particle swarm then proceeds to explore different regions of the velocity field. The process advances sequentially, avoiding areas near previously found critical points by blocking niches obtained from previous steps. The niche size is automatically adjusted each time a search enters inside an existing niche. Vortex core functions are used for critical point identification and calculating its precise location inside each niche. The procedure is validated on particle image velocimetry data obtained with two types of flows, an impinging jet flow and a flow downstream of a model building. The hybrid algorithm proved to be very efficient and robust for automated detection and identification of critical points. It can be used as a first step for studying the time‐dependent dynamic behavior of instantaneous velocity fields by tracking topological critical points. This is the first study that uses a multi‐modal particle swarm algorithm for critical point identification. Copyright © 2011 John Wiley & Sons, Ltd.     

高速列车气动外形优化研究进展

随着运行速度的提升, 高速列车对气动外形的要求也越来越高, 追求性能优异、美观大方的气动外形是新型高速列车研发的一个重要方向. 基于当前高速列车外形研发的思路, 可以将气动外形优化概括为基于流场机理的改型优化和基于优化算法的外形优化两类. 本文简要回顾了当前国内外在这两类优化途径上的系列工作, 着重介绍了作者所在团队近年来做过的一系列气动外形优化工作. 在基于流场机理的改型优化上, 着重从"和谐号"和"复兴号"这两款主力车型的外形研发上探讨其改型优化的思路, 主要探讨了空调导流罩、受电弓平台、风挡和转向架裙板几类对列车阻力影响较为明显的部件的优化设计,并介绍了其相对于上一代车型在气动性能上的提升. 基于优化算法的外形优化方法,则因循气动外形优化流程, 在列车外形已经具有较好性能的基础上,以高速列车头型流线型为主要优化对象,分别从高速列车参数化方法、替代模型开发以及优化算法改进三个方面进行介绍.其中,高速列车参数化方法主要介绍了局部型函数法、修正车辆造型函数法和类别/形状函数法三类;替代模型开发介绍了最优化替代模型和基于交叉验证的Kriging模型; 在优化算法的改进上介绍了改进的非劣分类多目标粒子群算法和连续域混沌蚁群算法两方面的内容.基于上述三个方面介绍了气动外形优化策略在典型工程上的应用案例.      

结构拓扑优化中变量连接算法研究与软件实现Research and software implementation of variable connection algorithm for structural topology optimization

结构拓扑优化的变量连接,是通过对设计变量之间添加约束关系,从而得到特定的拓扑优化构型,使得优化结果能够满足工程上的特殊要求和工艺制造技术的限制。针对拓扑优化中的几类过滤形式及灵敏度分析,给出了考虑变量连接的计算公式;基于自主研发的SiPESC软件集成化平台,在SiPESC ．TOPO拓扑优化模块上进行二次开发,构建了拓扑优化的变量连接算法框架,其核心思想是基于面向对象设计方法和软件设计模式,实现算法与数据分离。详细阐述了变量连接的作用方式,以及软件框架通用接口设计方案,并通过数值算例验证了其在静力问题、动力问题和热传导问题上的可行性。     

Improved non-dominated sorting genetic algorithm （NSGA）-II in multi-objective optimization studies of wind turbine blades

The non-dominated sorting genetic algorithm (NSGA) is improved with the controlled elitism and dynamic crowding distance. A novel multi-objective optimization algorithm is obtained for wind turbine blades. As an example, a 5 MW wind turbine blade design is presented by taking the maximum power coefficient and the minimum blade mass as the optimization objectives. The optimal results show that this algorithm has good performance in handling the multi-objective optimization of wind turbines, and it gives a Pareto-optimal solution set rather than the optimum solutions to the conventional multiobjective optimization problems. The wind turbine blade optimization method presented in this paper provides a new and general algorithm for the multi-objective optimization of wind turbines.     

引入退火机制的智能单粒子算法在复杂边坡最危险滑动面搜索中的应用

复杂边坡的安全系数可能存在多个局部极小值点,如何确定边坡的最小安全系数是复杂边坡稳定性分析中的一个关键问题。本文结合简化Bishop法,采用一种新的启发式全局优化算法——智能单粒子算法(ISPO)来搜索复杂边坡的最危险滑动面。为帮助该算法快速跳出局部极值点,本文将模拟退火(SA)机制引入到智能单粒子算法中,结合了两种算法各自的优点,提出了引入退火机制的智能单粒子算法SA-ISPO。将本文提出的SA-ISPO算法用于搜索两个复杂边坡的最危险滑动面,并与其它方法相比较,验证了SA-ISPO算法的优越性,该算法搜索效率高,计算结果不受搜索范围的影响,是一种较好的全局优化算法。     

Analytic Sensitivity Analysis for Shape Optimization

ＩｎｔｒｏｄｕｃｔｉｏｎＳｈａｐｅｏｐｔｉｍｉｚａｔｉｏｎｆｏｒｅｌａｓｔｏｍｅｒｉｓａｎｉｍｐｏｒｔａｎｔｍｅａｓｕｒｅｔｏｒｅｌｉｅｖｅｓｔｒｅｓｓｃｏｎｔｒｉｔｉｏｎ ,ｐｒｅｖｅｎｔｂｒｅａｋｉｎｇ ,ｉｍｐｒｏｖｅｌｏａｄ＿ｂｅａｒｉｎｇｃａｐａｃｉｔｙ .Ｓｔｒｕｃｔｕｒａｌｒｅｐｅｔｉｔｉｏｎａｎａｌｙｓｉｓ,ｓｅｎｓｉｔｉｖｉｔｙａｎａｌｙｓｉｓａｎｄｏｐｔｉｍａｌａｌｇｏｒｉｔｈｍａｒｅｔｈｒｅｅｉｍｐｏｒｔａｎｔｌｉｎｋｓｏｆｓｈａｐｅｏｐｔｉｍｉｚａｔｉｏｎ .Ｉｎｔｈｅｃｏｕｒｓ…