密封条结构参数优化设计方法

为了对轿车车门密封条结构参数进行优化设计，采用遗传算法和神经网络相结合的策略，首先利用神经网络建立密封条结构设计参数与压缩负荷、应力等的非线性全局映射关系，获得求解结构优化问题所需的目标函数，然后用遗传算法进行优胜劣汰的寻优搜索运算，求出最优解。优化结果表明，椭圆形结构在壁厚为1．5mm、高度为20mm时，压缩负荷和应力能达到目标函数要求。压缩负荷和应力的优化结果与理论计算值的误差分别为7．4％、9％，因此，利用神经网络和遗传算法进行结构参数优化的方法是可行的。     

应用序列二次规划的波达方向与多普勒频率联合估计

为了快速准确地联合估计阵列信号波达方向(DOA)与多普勒频率,提出了将序列二次规划(SQP)应用于最大似然函数优化的联合谱估计算法。该方法利用空时信号模型通过Hankel矩阵构造出阵列流型中包含DOA与多普勒频率信息的广义天线阵模型,并推导出其最大似然函数,从而将参数估计问题转化为非线性函数优化问题。然后,将SQP方法应用于似然函数的优化求解中,得到DOA与多普勒频率的估计值。最后应用SQP方法、微分进化法、遗传算法和量子粒子群算法分别进行了优化的仿真对比实验。结果表明:提出的算法具有寻优时间短,估计精度高,参数自动配对等特点,在信噪比为0dB时估计两个目标信号源的DOA与多普勒频率的均方根误差分别为0.263 6°和0.007 6rad,基本达到了阵列信号处理中参数联合估计方法的设计要求。     

用于供水系统直接优化调度的蚁群改进算法

在城市供水系统中建立了多目标在线直接优化调度模型，并对影响优化调度的各方面因素进行了系统的分析和挑选。使用化多为一的乘除法，将该多目标决策问题转化为单目标问题求解，提出了使用乘法形式的罚函数将模型中的约束函数转化为目标函数。采用蚁群算法求解调度模型。为了更好地得到全局最优解，对算法进行了改进，加入了更多的决策点，实现蚁群算法的二进制编码方法，并采用单只最优蚂蚁更新路径上的外激素值、外激素值限定在一定范围内等改进方法。使用改进算法实现了某小区供水系统的直接优化调度，并与遗传算法优化调度的过程进行了对比，新算法在优化时间及得到最优解的次数上都优于遗传算法。     

塔式起重机变幅机构的模糊优化设计

以塔式起重机变幅机构中蜗轮齿冠体积最小为优化目标，建立了模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故应用MATLAB遗传算法工具箱寻求问题最优解，使求解过程得到简化，能可靠地获得全局最优解。     

改进遗传算法在NGW行星齿轮传动可靠性优化设计中的应用

采用浮点编码的遗传算法与动态罚函数结合的方法解决约束优化设计问题,并在遗传算法中引入迁移策略,以加快全局最优解的搜索。将改进后的遗传算法应用于NGW行星齿轮传动可靠性优化设计,优化过程证明,在可行域搜索全局最优解能力明显优于常规优化设计方法,使行星齿轮的各项尺寸参数得到改进,传动稳定性和效率得到了提高。     

基于Isight平台的房车空调送风参数优化

为了提高房车空调夏季降温效果，对房车空调的送风温度、速度、角度进行优化研究。利用CFD方法对房车内流场进行数值模拟。应用k-e RNG湍流模型，合理的设置热力学边界条件，并引入太阳辐射模型。以Isight软件为优化平台集成Fluent软件搭建房车夏季降温多目标优化设计流程。通过最优拉丁超立方试验设计方法设计样本点，采用径向基函数神经网络建立近似模型，并结合NCGA遗传算法对不同送风参数进行多目标优化。在Pareto最优解集中选取最优折衷解，并通过CFD仿真和房车静态温度实验对比验证。结果表明：建立的近似模型能很好取代内流场仿真进行多目标优化，优化后的结果使房车内部能够获得更好的气流组织形式，温度场、速度场更加合理。     

应用遗传算法的塔机起升机构模糊优化设计

针对塔式起重机起升机构的设计实例，考虑到设计参数取值的不确定性，在满足承载能力和传动比分配要求条件下，以起升机构的减速器中心距最小为优化目标，建立了该问题的模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故应用matlab遗传算法工具箱寻求问题最优解，使求解过程得到简化，能可靠地获得全局最优解。     

基于遗传算法的机械零部件可靠性优化设计

以发动机气门弹簧为例,考虑设计参数的离散性,建立了以部件可靠度为目标函数的数学模型,确定了设计变量、目标函数及约束条件,使用遗传算法通过选择、交叉和变异等操作使种群逐代进化,同时以全局并行搜索来优化群体,利用遗传算法进行优化运算并得到了全局最优解.设计结果表明:使用遗传算法可以有效地解决非线性和离散性的优化设计问题,能够得到全局最优解,既可保证优化结果,又提高了优化效率;该优化方法合理有效,能够解决非线性约束条件下的优化问题,是对现代机械可靠性优化方法的丰富,可广泛应用于机械零部件的优化设计.     

基于神经网络的齿轮传动遗传算法优化

以一对齿轮机构分度圆柱体积之和最小为优化目标，建立了优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故通过神经网络方法拟合待求系数，结合遗传算法，应用manab遗传算法工具箱寻求最优解，使求解过程得到简化，确保可靠地获得全局最优解。     

基于结构误差的平面连杆机构函数优化综合方法

提出了基于结构误差进行平面连杆机构函数优化综合的方法。基于结构误差了一个统一的优化综合模型，采用改进的遗传算法进行优化计算，保证了获得全局最优解。该优化综合模型应用与机构分析相同的解析函数方法来完成机构的函数综合，因此计算便利，综合实例结果表明了本方法的有效性。     

多种数据状态下三参数Weibull分布的极大似然估计

提出一种既适合完全数据,也适合各种截尾数据的三参数Weibull分布极大似然估计的计算方法.首先建立完全数据和截尾数据下统一形式的似然方程；利用二阶收敛Newton-Raphson迭代法求解给定位置参数时含尺度参数和形状参数的两参数Weibull分布的极大似然估计；然后采用稳定快速的Brent搜索法,求解出仅含位置参数的单变量似然函数最优解；最后结合实例说明该算法的稳定性和高效性.该方法具有计算精度高、速度快、适用数据范围广的优点.     

基于瞬时频率估计的旋转机械阶比跟踪

提出了基于瞬时频率估计(Instantaneous frequency estimation,IFE)实现旋转机械阶比跟踪的新方法,其优点是简化了阶比分析对硬件的要求,用软件的方法实现了阶比跟踪,仿真与实际测试试验验证了本方法的正确性。本方法实现了旋转机械非平稳振动信号中参考轴瞬时转速的跟踪、估计算法,为阶比分析的实际应用提供了一种新方法,是对原有阶比跟踪技术的有力补充,特别适合于虚拟仪器发展的要求。     

自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题，建立多重威布尔混合分布参数估计的非线性最小二乘模型，并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中，采用自适应方法调整惯性权重和加速因子，加快其收敛速度；引入模拟退火机制，根据Metropolis准则确定最优粒子的取舍，改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中，并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较，分析所提方法的优化性能及精度。结果表明，该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

威布尔分布参数估计新方法研究

由样本估计威布尔分布的三个参数是工程中的一个重要问题。应用改进的一阶灰色微分方程模型直接建模方法，可以导出不经迭代就估计出威布尔分布三个参数的灰色估计方法。用这种方法估计参数先得到形状参数，不用迭代，简单明了。实际数据计算和大量的蒙特卡洛模拟试验表明，对形状参数大于1的分布，拟合优度好，精度较高。     

相关系数MA(q)序列分析方法

提出相关系数MA（q）序列分析方法,相关系数MA（q）序列是从非平稳随机序列中分离出的工程上常见且便于研究的一类时间序列,其均值和方差都可随时间变化,与传统的均值和方差为常数的相关函数MA（q）序列相比,它能够更好地描述工种中的时间序列,文中建立相关系数MA（q）序列的条件极大似然估计和精确极大似然估计,前者在样本较大时简单且便于工程应用,后者则在样本较小时仍具有较高的精度,它们通过时域的全程分析,能够充分利用样本信息确定相关系数MA（q）序列的均值函数,方差函数和相关系数函数,在此基础上可以进行高精度的频谱分析。     

基于MATLAB遗传算法的电磁轴承控制系统优化

提出基于MATLAB遗传算法的电磁轴承控制系统的PID参数寻优方法,仿真结果证明遗传算法寻优后的PID控制器较常规PID控制器具有更好的控制特性,并且算法简单,具有广泛的推广使用价值。     

参数估计方法确定柴油机燃烧速度的研究

提出了一种利用实测柴油机功率、油耗等性能参数确定柴油机双韦伯函数燃烧速度的参数估计方法。该方法以参数化的理论模型得出的预测值与柴油机性能参数的实测值最接近为目标函数确定双韦伯函数中的常数。针对这一多参数、非线性的优化问题的特点,综合运用了模拟退火法、单纯形法和均匀设计法对问题进行了求解,得到了满意的结果。     

遗传算法在机械优化设计中的应用现状及展望

阐述了遗传算法的基本原理，基本概念和特点，简介了遗传算法在机械优化设计中的应用现状，实现步骤以及求解约束优化问题时应采取的措施，并对遗传算法的研究和应用进行了展望。     

Iterative,constrained 3-D image reconstruction of transmitted light bright-field micrographs based on maximum likelihood estimation

We present several image reconstruction algorithms for generating three-dimensional (3-D) renderings of bright-field micrographs that are founded on maximum likelihood estimation (MLE) theory. The basic principle of the algorithms is in estimating the values of the optical densities of the specimen. A computer simulation and initial experimental testing of a steepest ascent version of the algorithm is presented. The computer simulation demonstrates that the MLE algorithm has an advantage over previously used inverse filtering techniques in that it partially restores the zeroed Fourier components in the well-known missing-cone region. We present 3-D reconstructions from real biological data to show the potential of the algorithm in practical applications.     

Applying the noising method to find the best regression model

Regression analysis is one of the most applicable methods in statistical methodology used to find the best regression model according to the relationship among several variables in a system. The estimation of regression model, which is solved as a formulate optimization problem and making use of heuristic algorithms, is much simpler and faster than classic methods. Genetic algorithm (GA) as one of the heuristic algorithms had been used to solve this problem. In this paper, we extend the noising method as a recent combinatorial optimization problem to estimate the best regression model and evaluate its performances compared to GA. Also, in order to enhance the performance of our GA, we apply the Taguchi experimental design method to tune the parameters of the algorithm.