风速和风偏角对斜拉索风雨激振的影响

基于滑移理论建立了斜拉索风雨激振双向耦合理论模型,应用COMSOL与MATLAB相结合的自编译程序计算不同风速以及风偏角条件下随时间变化的气动力系数、斜拉索振动响应以及表面水膜形态变化,并分析了三者之间的关系,得到了不同风速以及风偏角条件下的斜拉索风雨激振现象的变化规律。结果表明:风偏角的改变对斜拉索风雨激振起振区间范围影响不大;在起振区间内,斜拉索振幅随风偏角的增大,先增加后减小,风雨激振发生时,风偏角为22.5°的斜拉索振幅最大;一定风速范围内,风偏角大小不变时,斜拉索振幅随风速增加都是先增大后减小的规律;当上水线厚度较大且其振动频率与斜拉索自振频率相接近时,斜拉索与水线之间发生同频谐振,斜拉索会发生大幅振动。     

基于遗传BP神经网络的短期风速预测模型

为了提高风电场短期风速预测精度,提出将遗传算法和反向传播(BP)神经网络相结合的预测模型.采用自相关性分析找出对预测值影响最大的几个历史时刻风速,以历史时刻的风速、温度、湿度和气压作为BP神经网络预测模型的输入变量;利用遗传算法的全局搜索能力获得BP神经网络优化的初始权值和阈值;采用优化后的BP神经网络分别建立1、2、3 h的短期风速预测模型.实验结果表明,该方法较BP神经网络具有预测精度高、收敛速度快的优点.     

基于文化鲸鱼优化算法的特征权重优化分配方法

为了解决基于数据的预测模型中特征权重分配不合理的问题,将鲸鱼优化算法(whale optimization algorithm,WOA)纳入文化算法的种群空间中,获得了一种文化鲸鱼优化算法(cultural whale optimization algorithm,CWOA)以用于特征权重的优化分配.首先,将预测模型的均方根误差作为适应度函数;然后,采用WOA在种群空间中对特征权重进行迭代寻优;接着,通过接受函数将种群空间中的最优权重置于信仰空间中进行性能评价与双变异演化,以此形成形势知识和规范知识;最后,通过影响函数对种群空间中的权重进行更新指导,如此循环,从而得到特征权重的优化分配结果.以基于案例推理的预测模型为例,使用加州大学欧文分校(University of California Irvine,UCI)标准数据集对特征权重的不同分配方法进行了对比实验,结果表明该方法分配权重后的预测精度最优,在涉及特征权重分配的机器学习领域具有一定应用价值.     

一种离散鲸鱼算法及其应用

针对鲸鱼优化算法(WOA)在求解高维复杂问题时存在收敛精度低,难以解决离散优化问题等的不足,提出了一种离散鲸鱼算法(DWOA)。该算法引入收敛因子调控个体距离最优鲸鱼位置的远近程度,利用惯性权值平衡算法的全局搜索和局部开发能力,通过改进的Sigmoid函数对WOA进行离散化处理。9个基准函数和油田措施规划方案的测试结果表明,DWOA在收敛速度和寻优精度等方面均有较大的提升。     

硫酸盐法制浆蒸煮终点预测模型

为了实现制浆蒸煮终点的精确预测，建立了基于广义回归神经网络（GRNN）的预测模型．GRNN具有很强的非线性映射能力，能够根据样本数据逼近自变量与因变量之间隐含的关系，平滑参数的确定是GRNN训练的实质和难点．均衡地兼顾GRNN模型的预测性能与训练可行性，提出了一种平滑参数优化方法．通过分析训练样本分布、恰当地设计适应度函数，运用优进遗传算法（EGA）实现参数寻优．通过实验表明，所建立的制浆蒸煮终点预测模型，预测精度高、稳定性能好．     

雷诺数效应对斜拉索风致振动的影响

为了从雷诺数效应的角度分析斜拉索发生大幅振动的机理,利用不同粗糙度表面无人工水线的斜拉索模型和光滑表面贴有人工水线的斜拉索模型,进行了测力和测振风洞试验,得到了斜拉索模型气动力系数、驰振表达式的数值和气动稳定性的结果。通过分析相关的关系表明：在临界雷诺数区域,力系数及流场的变化特性可能导致斜拉索发生大幅振动,这可能是干索驰振的机理;斜拉索表面粗糙度能改变雷诺数效应的强弱和临界雷诺数的区域;水线的存在能改变雷诺数效应,一些水线位置在特定的雷诺数范围内,由于力系数的特殊变化规律导致dCF/dα为负,斜拉索发生符合驰振判据的振动;在高雷诺数区域,振动还可能与力系数急剧下降和流场的不稳定有关。     

索对斜拉拱桥横向静风稳定性的影响

应用有限元软件ANSYS对斜拉拱桥在静风荷载作用下的面外稳定问题进行研究,考虑不同索预张力、索塔高度、索距及拉索布置位置等参数下索对斜拉拱桥横向静风稳定性的影响.结果表明:拉索可以有效控制结构的面外失稳形式,斜拉拱桥具有较高的横向抗风稳定性能;增大索预张力、增高索塔及减小索距都能改善结构横向静风稳定性能,且塔高影响最显著,增高索塔甚至能使横向静风稳定性能提高近一倍;拉索布置位置对横向静风稳定性能有明显影响,且索面中心线宜位于拱肋四分点处.     

斜拉索耦合振动模型及其参数分析

考虑支撑构件对斜拉索参数振动的影响,从整体振动角度研究斜拉索的非线性参数振动特性,提出一个耦合索支撑结构模型.该模型既考虑了斜拉索的几何非线性,也考虑了支撑构件的运动对斜拉索振动的影响.应用多尺度法对该模型进行摄动分析,得到该模型参数振动时的激励频率及稳定区域边界,讨论模型质量比、刚度比和倾角等参数对幅频响应及稳定性的影响.研究表明,索的非线性参数振动特性并不随质量比和刚度比单调递增,而是存在某一临界值,使索的非线性参数振动特性最大化;随着倾斜角度的增加,索的非线性参数振动特性是单调递增.     

基于现场观测的拉索风雨振参数特性分析

以湖南省岳阳洞庭湖大桥斜拉索风雨振现场观测试验采集的有效数据为依据,定量分析了风速、风向角、雨量与拉索振动的关系,风场参数对气动负阻尼比的影响.据此,对风雨振研究工作提出了一些建议.     

斜拉索垂度对大跨度斜拉桥的影响分析

大跨度斜拉桥在设计过程中必须考虑斜拉索垂度对结构的影响．以苏通大桥设计方案为背景,分析了在成桥阶段斜拉索垂度引起斜拉索弹性模量的变化．明确了斜拉索垂度影响斜拉桥内力与变形．     

钢框架优化遗传算法的若干改进

将遗传算法应用于钢框架结构优化设计时，在实际的应用中，基本的遗传算法存在着收敛速度慢和稳定性差等缺陷。为克服这些问题，采用了改进的适应度函数和约束处理方法、自适应的交叉、变异概率和最优保存策略，提高了遗传算法的效率和可靠性。算例表明改进的遗传算法对离散变量结构优化是有效、可行的。     

基于改进遗传算法的汽车永磁起动机优化设计

针对电机的优化设计是一个复杂的、有约束、多变量优化问题,为了提高优化效率和收敛速度,使电机成本降低,结构更紧凑,采用了改进的遗传算法,将永磁起动机的原始方案直接加在初始种群中,并对交叉概率和变异概率采用了随着适应值变化进行自适应调整的方法．在适应值的计算过程中,为了提高计算准确度,2D有限元模型被用来计算永磁起动机的参数和性能．根据优化结果研制了新的样机,实验结果表明：通过优化,在满足各项性能要求和约束的前提下,降低了电机的成本．     

种群分类粒子群改进算法研究

针对粒子群算法在陷入局部最优时难于跳出的缺陷,提出一种改进的粒子群算法.该算法首先利用粒子适应值的统计规律对粒子进行分类,对属于不同类别的粒子采用不同的进化模型,对于利用完全模型进化的粒子,采用动态调整学习因子的方法,从而大大提高了算法的优化效率和优化精度.通过反复实验分析,得出学习因子随着进化推进的最优变化规律,并给出了学习因子的最佳函数表达式.仿真结果表明,利用改进的PSO算法优化4种具有代表性的基准函数,无论是在优化精度方面还是在优化效率方面,均较以往提出的PSO算法在性能上有本质的提高.     

基于遗传算法和蚂蚁算法求解函数优化问题

针对遗传算法求解精度低以及蚂蚁算法求解速度慢的问题，提出一种基于遗传算法和蚂蚁算法的混合算法.该混合算法利用了遗传算法快速随机的全局搜索能力的优点，设计了编码与适应度函数，进行了种群生成与染色体的选择，并通过设定交叉算子和变异算子， 生成了信息素分布.该混合算法利用了蚂蚁算法正反馈以及具有分布式并行全局搜索能力的优点，通过确定吸引强度的初始值，建立了强度更新的模型，从而求得精确解.并将该算法应用于求解函数优化问题.结果表明，该混合算法与遗传算法和蚂蚁算法相比，收敛速度快，寻优性能好.     

改进遗传算法在水文模型参数优选中的应用

为改善传统水文模型参数优选算法的性能,针对遗传算法的寻优效果明显依赖于模型参数的初始变化区间的大小,并且局部搜索能力较差、可能会出现过早收敛等问题,在遗传算法中加入局部搜索算子和加速算子,并引入了生物学中的小生境概念,提出了基于小生境技术的混合加速遗传算法(HAGA).该算法在广西合浦水库流域的洪水预报中得到成功应用.结果表明:基于小生境技术的混合加速遗传算法不仅有较好的全局优化性能而且精度较高,是一种既可以较大概率搜索全局最优解,又能进行局部细致搜索的优秀非线性优化方法.     

基于遗传算法的热力设备机理模型参数优化方法研究

针对复杂热力系统机理建模参数优化中存在的问题,提出了基于遗传算法的机理模型优化方法。建立热力设备的机理模型,确定优化参数,应用遗传算法进行优化,直到模型精度达到要求。以末级过热器为例进行的仿真研究表明,运用该方法优化的机理模型达到预定的精度要求;优化过程自动进行,缩短了参数优化时间。作为一种通用算法框架,具有简单易用的特点,适用于各类热力设备模型和热力系统模型,为火电厂仿真机数学建模和参数自动优化提出了简单实用的方法。     

基因算法用于射流路面清洗的优化

实验分析了影响水射流路面清洗的参数及其影响趋势,并建立了清洗率的模糊预测方法.使用了基因算法,对清洗过程中的清洗压力、清洗距离、移动速度和喷嘴角度进行优化,建立了相应的多目标优化模型.通过基因算法的优化,分析了不同权重下清洗效果、生产率、能量及水量消耗的优化结果.     

GA优化的RBF神经网络外骨骼灵敏度放大控制

为改善外骨骼机器人灵敏度放大控制(SAC)性能,结合遗传算法(GA)与径向基函数(RBF)神经网络建立在线计算外骨骼机器人的精确动力学模型.用GA优化RBF神经网络的中心矢量与基宽度,并对RBF网络的权值实时更新,在线学习外骨骼机器人动力学模型中的参数矩阵,进一步推导出SAC控制律.仿真结果表明:GA优化后的RBF网络,可以在线学习外骨骼的动力学模型,基于该模型的SAC能够实现精确的人体轨迹跟踪,相比于优化前,人体轨迹跟踪误差以及人机交互信息会快速减小并收敛到0的微小邻域内,可实现人机协调运动.     

改进的遗传算法在结构优化设计中的应用

遗传算法(GA)是基于达尔文进化论和遗传学说形成的一种崭新的优化算法.它具有全局收敛性和并行性;对先验知识要求较少,具有很强的适应性.针对结构优化设计方法中存在的局限性,将改进的遗传算法用于结构优化设计中.改进的GA采用以下措施提高搜索效率:(1)动态调整变量区间和GA参数;(2)在每一轮进化结束后重新初始化群体,开始新的进化;(3)将最优个体保留到下一轮.据此编制了计算机程序,并将其应用到一个桁架结构的优化实例中.运行结果表明,改进后的遗传算法用于结构优化设计能够有效地避免陷入局部最优解的现象,提高了搜索效率,具有较强的适应性.     

一种改进的灰狼优化算法

为了克服标准灰狼优化(GWO)算法寻优精度不高,难以在收敛速度和避免陷入局部最优之间取得平衡等问题,提出了一种改进的灰狼优化(IGWO)算法.该算法采用非线性收敛因子策略和自适应调整策略来提高寻优精度和加快收敛速度.选取10个基准函数对IGWO算法进行验证表明,IGWO算法的优化精度和收敛速度显著优于标准GWO算法和其他元启发式算法,因此本文提出的IGWO算法在求解最优参数方面具有良好的应用价值.