油田注水机组直接自适应节能控制技术的研究

根据油田注水机组节能优化控制的特点 ,采用神经网络直接自适应控制 ,可以根据控制对象的动态变化来调整控制系统内部参数。对神经网络采用改进的基因遗传算法进行训练 ,可以实现神经网络权值和结构的同时优化。     

离散变量桁架结构拓扑优化的混合遗传算法

为了避免结构拓扑优化过程中杆件和节点的增删带来的计算上的麻烦，在对桁架结构受力分析的基础上，提出一种启发式方法，以快速产生符合机动性要求的拓扑结构形式；然后在既定的拓扑结构形式下采用混合遗传算法——拟满应力遗传算法进行截面优化。该方法通过在遗传算法中嵌入拟满应力算子，同时对基本遗传算法采用最优个体保留、最差个体替换和控制种群个体差异等改进措施，有效提高遗传算法求解的效率和质量。算例结果表明，该方法用于离散变量桁架结构拓扑优化是有效的。     

用遗传算法解无功优化问题的研究

传统的遗传算法解无功优化问题,存在着随机性大、过早收敛而陷入局部最优、计算复杂等缺点。本文在原有的遗传算法基础上提出了基因库和基因重组两个新的概念,对算法进行了改进。在每一次进化过程中不是优化某个个体而是对基因库进行优化,进化一次之后重新进行基因重组生成新的父代。本文对IEEE-14标准网络进行算例分析,结果优于传统遗传算法,真实有效。     

面向工程的高效优化方法的研究

应用遗传算法进行工程问题的优化求解,较好地解决了传统优化过程中陷入局部最优问题,为进一步提高优化效率,提高并采用了基因进行策略,杰出个体保护策略和多点交叉策略,经改进后的遗传算法在实际应用中表现出良好的性能。     

布局优化和尺寸优化相结合的合材料机翼优化设计

研究复合材料机翼结构优化,提出一种能同时解决布局优化(拓扑和位置优化)和尺寸优化的混合算法.对机翼的布局变量采用多参数级联编码的遗传算法进行优化,同时对遗传算法种群中所有个体布局的复合材料元件利用准则法进行尺寸优化,并将其结果作为布局遗传操作的依据.为了加快收敛进程,对遗传算法本身做出一定改进.通过对某型机翼结构的优化计算,表明所提优化方法是可行有效的.     

油田注水机组直接自适应节能控制技术的研究

根据油田注水机组节能优化控制的特点，采用神经网络直接自适应控制，可以根据控制对象的动态变化来调整控制系统内部参数。对神经网络采用改进的基因遗传算法进行训练，可以实现神经网络权值和结构的同时优化。     

布局优化和尺寸优化相结合的复合材料机翼优化设计

研究复合材料机翼结构优化，提出一种能同时解决布局优化（拓扑和位置优化）和尺寸优化的混合算法。对机翼的布局变量采用多参数级联编码的遗传算法进行优化．同时对遗传算法种群中所有个体布局的复合材料元件利用准则法进行尺寸优化，并将其结果作为布局遗传操作的依据。为了加快收敛进程，对遗传算法本身做出一定改进。通过对某型机翼结构的优化计算，表明所提优化方法是可行有效的。     

基于神经网络和遗传算法的身管多目标优化

身管结构的优化通常涉及到刚度、重量等多个目标,为了节省优化迭代过程中大量有限元计算的时间,以均匀试验的样本数据为输入,采用神经网络和遗传算法相结合的方法对火炮身管结构进行优化。采用模糊设计方法建立多个优化目标,通过权重将其转化成单目标,并在传统方法的基础上进行改进,采用权重优化的方法来确定权重,建立了基于神经网络和遗传算法的权重优化模型,从而克服了传统上确定权重方法主观性大的问题;在此基础上,进行基于神经网络和遗传算法的身管结构优化的求解。经算例验证表明,该方法可以获得较好的优化结果,并能大大提高身管结构优化的效率。     

基于遗传算法的工艺路线决策与优化

在已有的工艺路线决策优化研究的基础上,分析了工艺知识的特点,确定了基于特征的工艺知识表达方法,根据工艺知识间的约束关系,构建基于工艺约束的工艺路线决策空间,提高遗传算法的搜索能力。针对工艺路线决策的不确定性,建立了多目标优化函数,将遗传算法应用于工艺路线决策过程中。通过设计合理的基因编码规则、适应度函数、交叉、变异算法优化工艺路线。通过实例,介绍了利用遗传算法进行工艺路线决策和优化的过程。     

机床横梁结构神经网络与算法优化研究

通过正交试验法确定网络训练样本,在MATLAB中利用神经网络对有限元分析得出的样本数据建立了激光切割机横梁结构设计参数与各输出参数的非线性全局映射,利用模糊解法得到多目标优化模型的目标函数,并通过遗传算法对激光切割机横梁进行结构优化。仿真结果表明,采用基于神经网络和遗传算法,并与模糊解法相结合的多目标优化技术,可实现激光切割机横梁结构设计的优化,使得横梁的质量和刚度得到改善。     

面向生产线仿真模型的优化技术研究

针对复杂生产线控制参数的优化问题,提出了一种基于遗传算法的仿真优化方法,该方法在传统遗传算法的基础上,采用小生境种群生成技术、整体与局部交叉繁殖策略和自适应变异算子,在实际测试中大大地提高了优化的效率.最后给出了算法的求解实例及与同类软件的比较结果.     

实现高载荷下机翼前缘形状变化的柔性机构优化设计

为使柔性机构在高载荷作用下能实现预期的形状变化,提出了柔性机构的二次优化设计方法。以柔性机构的变形边界与目标边界间的最小平方差(LSE)为优化目标。采用遗传算法(GA),对柔性机构进行全局优化,求得其初始拓扑解;再采用约束随机探索法进行二次优化,求得柔性机构尺寸的精确解。以柔性机构实现机翼前缘形状变化问题为例,运用MATLAB7.1进行编程计算。结果表明,通过对GA初始拓扑解的二次优化,最小平方差下降了31.48%。最后运用ANSYS验证其变形结果基本一致。     

用拓扑优化方法进行热传导散热体的结构优化设计

分析了拓扑优化中的材料密度方法和优化准则数值求解算法,将结构力学中的拓扑优化方法应用到热传导结构的优化设计中,建立了热传导结构的拓扑优化数学模型,以设计具有最佳散热效果情况下的结构拓扑分布,为传热体的结构优化设计提供了一种有效的新思路和方法。     

求解Job shop调度的协同优化算法

针对量子粒子群算法、遗传算法在求解车间调度存在的局部收敛的问题,提出用量子粒子群算法与遗传算法相结合的协同优化方法求解该问题。该算法采用量子粒子群算法与遗传算法的并行搜索结构,通过迁移算子把各个种群联系起来。仿真结果表明,该算法收敛速度快,且具有较高的求解质量。     

基于水平集方法的结构可靠性拓扑优化

基于水平集方法,建立以水平集函数为优化变量、结构柔度极小化为目标、具有可靠性约束的结构拓扑优化模型,并提出一种基于可靠性的结构拓扑优化算法。首先,采用计算效率高的一次二阶矩法进行可靠性分析,编制计算可靠性指标的最优化方法。然后,根据结构可靠性指标的几何意义,优化求解符合可靠性约束的随机变量。将修正后的随机变量作为确定性变量进行结构拓扑优化设计,使基于可靠性的结构拓扑优化模型转为常规的结构拓扑优化模型,采用稳定、高效的水平集方法进行结构拓扑优化。最后以悬臂梁结构的可靠性拓扑优化为例,说明文中所提算法的简便性与有效性。     

典型三维机械结构拓扑优化设计

为了提高拥有数万个单元以上的三维机械结构拓扑优化的计算效率, 基于渐进结构优化方法, 并结合结构位移计算的迭代方法, 建立一套三维机械结构拓扑优化的求解策略和算法.然后, 构建分别用于结构分析和结构优化迭代的两套数据流和它们间的映射方法, 研究和开发三维机械结构拓扑优化设计软件.完成几个典型和复杂的三维机械结构的仿真优化设计.设计结果表明,发展的方法和软件是正确和有效的, 且具有广泛的工程应用前景.     

离散变量优化设计的改进斐波那契遗传算法

根据工程实际，充分考虑规范规定的约束条件和各项技术标准要求，建立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——转基因算子，用于对遗传算法的改进；提出一种离散变量结构优化设计的斐波那契算法，并与遗传算法结合在一起解决问题。优化设计结果表明，这种改进斐波那契遗传算法的收敛特性得到很好的改善，即发挥了斐波那契算法省时、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，是有效的工程结构优化设计方法。     

Efficient,high-resolution topology optimization method based on convolutional neural networks

Topology optimization is a pioneer design method that can provide various candidates with high mechanical properties. However, high resolution is desired for optimum structures, but it normally leads to a computationally intractable puzzle, especially for the solid isotropic material with penalization (SIMP) method. In this study, an efficient, high-resolution topology optimization method is developed based on the super-resolution convolutional neural network (SRCNN) technique in the framework of SIMP. SRCNN involves four processes, namely, refinement, path extraction and representation, nonlinear mapping, and image reconstruction. High computational efficiency is achieved with a pooling strategy that can balance the number of finite element analyses and the output mesh in the optimization process. A combined treatment method that uses 2D SRCNN is built as another speed-up strategy to reduce the high computational cost and memory requirements for 3D topology optimization problems. Typical examples show that the high-resolution topology optimization method using SRCNN demonstrates excellent applicability and high efficiency when used for 2D and 3D problems with arbitrary boundary conditions, any design domain shape, and varied load.     

基于RAMP插值模型结合导重法求解拓扑优化问题

在连续体拓扑优化领域中,寻求更好的建模方法和更快的求解算法一直是研究人员的研究重点。为此,针对拓扑优化设计方法中的变密度法进行深入分析。研究和比较各向同性惩罚微结构法(Solid isotropic microstructure with penalization,SIMP)和材料属性有理近似模型(Rational approximation of material properties,RAMP)的优缺点后,建立基于RAMP法的优化模型,并结合导重法求解算法,用于结构拓扑优化领域。详细推导单、多工况的最小柔度拓扑优化的迭代公式,给出导重法各变量的物理定义,并分别对单工况和多工况两个典型算例进行拓扑优化计算。算例结果令人满意,同时表明RAMP插值模型结合导重法求解结构拓扑优化问题具有设计变量少、迭代次数少、收敛速度快、优化效率高的特点,验证了其可行性和高效性。