简单差异演化算法及其在装配公差优化中的应用

差异演化算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,算法易早熟收敛.为此,在对算法参数以及关键算子分析的基础上,提出了自适应缩放因子及突变因子两个概念,进而提出了简单差异演化算法(A Simple Differential Evolution Algorithm)SDE.首先将缩放因子按照进化代数进行递减,一方面为了减少用户参与程度,另一方面为了平衡算法的收敛速度与全局搜索能力;其次在研究交叉算子的基础上,引入了灾变因子,使群体中的部分个体在进化过程中不进行交叉操作,而直接与父代个体进行竞争,简化了差异演化算法的步骤.仿真实验结果与工程应用实例表明,SDE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了算法的收敛速度,而且具有较好的全局搜索能力.     

动态惩罚函数非线性规划遗传算法及在汽车变速器中的应用

针对传统遗传算法在求解非线性规划问题时局部搜索能力较弱,惩罚函数求解精度不高的缺陷,将非线性规划算法引入到遗传算法中,提出一种基于动态惩罚函数的非线性规划遗传算法,将遗传算法的全局寻优能力和非线性规划算法的局部寻优能力结合起来,并引入动态惩罚函数,根据不可行点到可行域的距离和可行度自适应的调整惩罚项的值,从而能够快速求出全局最优解。介绍了动态惩罚函数的设计、改进遗传算法的关键技术和流程。最后,以某型号汽车变速器的优化设计验证了算法的合理性。与传统遗传算法相比,改进后的遗传算法解的质量、收敛速度明显提高,因而为遗传算法的改进提供了一种新的思路。     

基于自适应松弛因子的协同优化方法

针对协同优化过程中松弛因子取值不当导致的优化效率低下、精度不高的问题,提出基于系统级和学科级不一致性的松弛因子自适应计算方法。该方法分为三个阶段:在初步寻优阶段,着重于快速减小系统级设计期望点和学科级设计点的差异;在减震缓降阶段,利用严格递减函数减轻松弛因子取值震荡,并保证松弛因子逐步减小;在加速收敛阶段,引入系统级罚函数增强一致性,并加快收敛至全局最优点。通过典型数值算例和减速器多学科设计优化问题对该方法的性能进行验证,并与标准协同算法和恒定松弛因子协同算法进行比较,结果表明,该方法能够随优化进程对松弛因子作自适应计算,消除了现有动态松弛法中松弛因子取值震荡的问题,且不受初始点选取的影响,具有较好的鲁棒性和较高的收敛速度。     

利用改进的遗传算法解决全局寻优问题

寻找函数的全局最优解是一个很常见的工程应用问题,简单遗传算法是解决此类问题的有力工具.但由于简单遗传算法具有中全局收敛能力差和收敛速度慢的缺点.本文基于对遗传算子的优化,提出一种混合分类选择和定向变异的改进遗传算法来解决全局寻优问题.经仿真结果表明,该算法具有较强的全局收敛能力和较快的收敛速度.     

用于多峰函数优化的改进竞选算法

通过把竞选人的当前位置作为全局抽样,增加局部抽样调查选民和竞选人威望的比较改进竞选算法,将其应用于不等高多峰函数优化问题.计算结果表明,改进后的算法极大地提高了查找效率,能够快速搜索到全局最优解,同时还能跟踪多个次优解.     

并联机构敏感性分析和多目标优化设计方法

为了解决并联机构全局性能指标高计算成本引起的敏感性分析和多目标优化设计困难,提出了一种结合多项式响应面模型、基于方差的敏感性分析方法和智能优化算法的高效计算方法。首先,确定并联机构的目标函数和设计参数,增加节点密度以提高目标函数的计算精度,基于拉丁超立方体抽样方法和最小二乘多项式拟合技术建立全局目标函数与设计参数之间的响应面解析映射模型,并结合基于方差的Sobol’敏感性分析方法得到对目标函数有重要影响的设计参数。然后,结合敏感性分析结果简化设计参数并建立并联机构的多目标优化设计模型,包括目标函数、约束函数和设计参数,结合响应面模型与智能优化算法开展并联机构多目标优化设计。最后,考虑规则工作空间体积、运动学性能和动力学性能指标为目标函数,以DELTA并联机构为例实现了本文提出的方法。优化前后的结果对比证明了算法的有效性。     

基于BP神经网络的故障模式识别与应用

阐述了神经网络模式识别的基本原理,采用改进的BP算法对故障模式识别进行了研究.改进算法采用的变换函数并引入动量因子,利用变步长算法加速学习,结合汽轮机减速箱故障模式识别进行仿真实验,建立了详细的诊断模型.仿真结果表明,改进算法能够快速收敛,识别结果稳定.     

基于模拟退火算法优化分析与研究

通过对模拟退火算法(简称SA)的机理与流程分析,找出其优点与缺点,指出了决定SA优化结果的关键因素,给出了设计原则和方法及改进方式,并设计出一种对退火过程和抽样过程进行修改的两阶段改进策略;还根据SA的发展趋势,分析了SA并行设计的意义和可行性,给出了三种可行的并行SA设计方案;最后,针对TSP问题和状态产生函数,设计了优化问题的改进方案.     

基于支持向量回归的迭代序列响应面可靠度计算方法

在基于支持向量回归的响应面可靠度计算方法基础上,采用试验设计中设计试验点的方法生成样本点,构造训练集,并对可靠度计算的迭代序列响应面方法进行改进.计算结果表明,与采用拉丁超立方抽样和常规梯度优化法求解的基于支持向量回归响应面方法相比,文中方法所需样本更少、收敛更快、结果更理想.     

基于粒子群算法的越野车悬架参数优化

针对基于平顺性的悬架参数优化问题,建立了越野车后悬架系统参数优化的数学模型,包括优化变量、目标函数和约束条件,设计和应用了三种改进的粒子群算法,线性时变惯性权重粒子群算法、随机惯性权重粒子群算法和时变加速因子粒子群算法,来对车辆悬架平顺性进行优化,并与遗传算法对比。仿真结果表明,时变加速因子粒子群算法在收敛速度和收敛精度上都明显高于其他算法,优化后的车辆平顺性大大提高。     

一种基于增量元模型方法的全局优化算法

针对复杂仿真模型的全局优化问题,提出一种基于增量元模型方法的全局优化算法。首先,分析了现有增量拉丁超立方采样方法新增点数量难以控制以及其数值必须为原采样点数量的整数倍的缺陷,在此基础上利用减法规则思想改进了增量拉丁超立方采样;其次,将改进后的增量拉丁超立方采样与径向基函数的增量更新方法相结合,提出了一种全新的高效全局优化算法;最后,将该算法应用于压力容器的优化设计,计算结果证明了该方法的实用性与工程有效性。     

采样噪声对北斗全球信号测距误差的影响分析

随着北斗卫星导航系统的全球化,基于软件定义无线电的北斗接收机在北斗导航定位中的应用越来越广泛。但是北斗接收机在实时动态差分等高精度测量应用场景下,其基带采样ADC受到采样时钟抖动影响,再叠加固有的量化噪声和热噪声,对北斗信号的扩频测距精度产生不可忽略的影响。本文首先针对北斗公开的B1I、B1C、B2I、B2a和B3I 5种全球信号,描述了ADC采样中时钟抖动、量化噪声和热噪声等采样噪声的数学模型,提出了影响测距的信噪比综合公式,再通过载噪比进而得出测距误差的一般表达式,并给出了高精度测量要求下不同参数选择的工程化定量分析方法,然后针对不同参数对北斗信号测距误差的影响进行了仿真分析,仿真结果表明,在0. 6 cm的测距误差目标下,要求时钟抖动不大于45 ps,接收机中心频率不大于80 MHz,带宽不小于25 MHz,量化位数不少于7位,载噪比不小于30 d B。最后,针对北斗B2I信号进行了实测实验,在时钟抖动为35 ps,接收机中心频率61. 38 MHz,带宽32 MHz,量化位数12位,载噪比67 d B时,解算的测距误差为0. 41 cm,验证了本文方法的有效性。     

Sequential RBF Surrogate-based Efficient Optimization Method for Engineering Design Problems with Expensive Black-Box Functions

As a promising technique, surrogate-based design and optimization（SBDO） has been widely used in modern engineering design optimizations. Currently, static surrogate-based optimization methods have been successfully applied to expensive optimization problems. However, due to the low efficiency and poor flexibility, static surrogate-based optimization methods are difficult to efficiently solve practical engineering cases. At the aim of enhancing efficiency, a novel surrogate-based efficient optimization method is developed by using sequential radial basis function（SEO-SRBF）. Moreover, augmented Lagrangian multiplier method is adopted to solve the problems involving expensive constraints. In order to study the performance of SEO-SRBF, several numerical benchmark functions and engineering problems are solved by SEO-SRBF and other well-known surrogate-based optimization methods including EGO, MPS, and IARSM. The optimal solutions, number of function evaluations, and algorithm execution time are recorded for comparison. The comparison results demonstrate that SEO-SRBF shows satisfactory performance in both optimization efficiency and global convergence capability. The CPU time required for running SEO-SRBF is dramatically less than that of other algorithms. In the torque arm optimization case using FEA simulation, SEO-SRBF further reduces 21% of thematerial volume compared with the solution from static-RBF subject to the stress constraint. This study provides the efficient strategy to solve expensive constrained optimization problems.     

采样定理的拓展--一种新的非均匀采样规则

由于采样定量用来指导采样时段内信号的均匀采样（或重采样），但在实际中需要进行磋均匀采样，因此提出了一种新的非均匀采样规则，即让短时采样频率大于等于2倍的信号短时最大频率，以指导非均匀采样（或重采样）。经用两个仿真信号验证说明，非均匀采样的数据用样条插值恢复只有很小的数值误差，说明该规则是可行的，并将它与传统的非均匀采样定理做了比较，指出了它面向时变信号采样的特点。     

用非均匀采样实现谐波的高精度分析

信号的谐波分析一直是信号处理的基本方法之一。通过对国内外一些提高谐波分析精度的有效方法的研究,从傅里叶算法的基本原理出发,提出了一种新型的谐波分析方法,可以在不增加硬件设备及采样数据的前提下,利用双速率采样的非均匀序列,简单有效地提高谐波分析的精度。计算机仿真证实了该方法的有效性。     

软件同步采样实现方法的分析与比较

分析常规采样法产生同步误差的原因，阐述了三种通过实时改变采样间隔有效减小同步误差的算法，即偏差累积增量法、采样间隔动态调整算法：和实时最佳同步采样算法；分析了这三种改进算法的误差和性能，供交流周期信号测量选择。     

基于整周期自适应采样的砂轮不平衡量分析

精确获取与转速同频周期信号信息是对砂轮进行动平衡的前提。应用 DSP技术和整周期自适应采样算法实现了砂轮振动信号倍频采样 ,并且给出了在砂轮动平衡测试中的具体应用。此方法具有硬件电路简单 ,倍频采样精度高 ,跟踪速度快等优点。实验表明该方法可从复杂噪声中在线提取砂轮不平衡信号。     

基于坐标测量机的自由曲面检测采样策略

为了实现自由曲面快速精确的检测和评定,研究了检测过程涉及的采样策略。提出采用随机Hamersley采样、简单随机采样和列系统采样3种方法设置自由曲面上的测量点。采用拟粒子群算法优化变换参数,实现被测曲面与设计曲面之间的定位,采用曲面细分法搜索设计模型上与被测点距离最近点以计算自由曲面轮廓度误差。为了对基于坐标测量机(CMM)在不同采样策略下的检测结果进行比较,采用非均匀有理B样条生成零件设计模型,选择相同的加工工艺在不同的加工中心加工多个零件得到粗糙度不同的自由曲面。最后,使用CMM在所设计的采样策略下实测零件,用提出的方法计算零件的轮廓度误差,并与CMM内置软件的计算结果进行比较。实验结果显示:选择随机Hammersley采样法和中等采样点数的采样策略检测效果最佳,不仅测量精度高,而且耗时少、成本低。应用提出的方法计算自由曲面轮廓度误差时,其精度比由CMM内置软件计算结果高10%~22%,表明提出的方法适用于自由曲面零件轮廓度误差的快速精确检测与评定。     

结构失效概率计算的重要方向自适应线抽样方法

首先通过算例分析线抽样方法存在的问题,对于线性问题,线抽样法的效率受抽样重要方向与最优重要方向偏离程度的影响,这种偏离程度越大,效率越低;而对于非线性问题,当抽样重要方向与最优重要方向偏离较大时,线抽样的效率和精度均严重下降,甚至得出错误的计算结果.针对线抽样存在的问题,提出一种重要方向自适应的线抽样方法.在标准正态空间中,所提方法将原点指向典型失效点的方向作为初始重要方向,通过探索性线抽样和逐步修正的方法,使得线抽样的实际重要方向逼近最优重要方向,进而使线抽样方法的精度和效率得以充分发挥.数值和工程算例均验证了改进线抽样方法的优越性.     

复杂系统小子样可靠性综合检验方法

一次计数抽样检验方法是一种基于经典统计理论的试验分析方法,由于它具有较强的通用性,被广泛应用于工程实践中.但该方法由于忽略其他信息的作用,需要较大的试验样本量,不适用于小子样产品的检验问题.为解决上述问题,考虑到子系统的性能在一定程度上能决定全系统的性能,提出适用于串联系统的一次计数抽样综合检验方法.该方法充分利用子系统试验数据,可将子系统试验与全系统试验进行折合,从根本上减少系统的样本量.通过实例仿真分析结果表明,所提出的综合检验方法是合理可行的,较传统计数抽样检验方法所需样本量大大减少,从而满足小子样抽样的要求.