并行遗传算法在模具型腔形状优化设计中的应用

针时挤压模具型腔形状的优化设计，提出了并行微观遗传优化方法，该方法采用多种群的并行微观遗传算法进行优化计算，利用BP神经网络的预测功能获得目标函数值，采用三次样条插值函数表达挤压模具型腔形状。训练BP神经网络模型的导师信号利用刚塑性有限元数值计算获得。以表面栽荷沿凹模型腔轮廓表面均匀分布为目标，建立了优化数学模型，对挤压模具型腔轮廓形状进行了优化设计。采用有限元软件MARC／AutoForge对优化结果进行了有限元仿真，仿真结果验证了优化结果的有效性。     

复合材料加筋结构的神经网络响应面优化设计

针对复合材料加筋结构优化设计的复杂性,提出利用人工神经网络结构近似分析响应面来反映结构设计输入与结构响应输出的全局映射关系的优化方法。通过正交试验设计选取合适的结构有限元分析样本点,进行神经网络响应面的构建和训练;将神经网络响应面作为目标函数或者约束条件,汇同其他常规约束条件完成优化模型的建立,并应用遗传算法(GA)进行优化,从而形成一套适应性强的的高效优化方法。以复合材料翼身融合体帽型加筋板的质量优化为实例,建立加筋板模型的重量响应面目标函数、强度和翘曲稳定性响应面约束条件;通过PATRAN/NASTRAN有限元软件进行有限元计算,获取用于响应面训练的样本点数值。算例结果表明,该方法能以很少的有限元分析次数取得高精度的响应面近似模型,并且使优化计算耗时大为减少,优化效率大大提高。     

冠状动脉支架轴向缩短力学性能优化设计研究

优秀的轴向缩短性能即低的轴向缩短率已经成为新一代冠脉支架所应拥有的很重要的一个特征。针对支架结构优化设计的复杂性,提出综合应用径向基函数神经网络(RBFNN)和遗传算法(GA)优化支架的轴向缩短性能。结合有限元模拟技术和径向基函数神经网络的方法,建立了轴向缩短率和支架结构设计参数之间的非线性映射模型。把映射模型作为目标函数,应用遗传算法进行优化,使得支架的轴向缩短率达到最小,从而形成一套适应性很强的高效优化方法。结果表明,该方法能够取得高精度的响应面近似模型,并且使支架缩短性优化计算耗时大为减少,优化效率大大提高。     

BP-GA算法对斗轮堆取料机回转平台的结构优化

提出了一种基于BP神经网络和遗传算法(GA)的多工况离散变量结构优化设计方法,并对某斗轮堆取料机回转平台进行优化设计。该方法将多工况问题处理为多约束问题,利用正交试验法选择神经网络训练样本点,通过参数化有限元模型计算出各工况下的样本数据,建立起基于BP神经网络的回转平台数学模型,为遗传算法提供适应度函数,最后运用遗传算法完成寻优计算。结果表明,回转平台自重减轻13.8%,取得了满意的优化效果。     

压痕法评价奥氏体不锈钢拉伸性能的神经网络分析

基于Ludwik模型,采用有限元软件进行仿真,建立压痕曲线神经网络数据库,利用Matlab提供的函数来创建反向传播神经网络,利用材料参数输入和压痕曲线输出向量对神经网络进行训练,学习输入和输出数据之间的关系。利用训练好的神经网络模拟压痕曲线,通过Matlab优化函数使试验观测值与神经网络模拟预测值之间的误差最小。由于神经网络数据库已包含所有的数据信息,计算时不需要再进行有限元模拟,神经网络法能够节省大量计算时间。神经网络法计算得到奥氏体不锈钢的屈服强度、抗拉强度、应变硬化指数和弹性模量等力学性能与单轴标准试验结果吻合良好,能够用于预测奥氏体不锈钢的力学性能。     

基于RBF神经网络模型的数控车床主轴箱优化设计

针对复杂机床结构优化中，通常难以获得设计变量与性能目标之间显式函数关系式的问题，提出了一种基于RBF神经网络模型和组合优化策略的结构优化设计方法。以某型精密数控车床主轴箱为研究对象，通过有限元软件ANSYS Workbench和多学科优化软件Isight联合仿真技术对主轴箱设计尺寸进行最优拉丁超立方实验设计和灵敏度分析，根据实验样本点构建RBF神经网络模型代替主轴箱有限元模型。采用多岛遗传算法(MIGA)和序列二次规划法(NLPQL)相结合的组合优化策略，对RBF神经网络模型进行优化设计。优化结果表明，在保证主轴箱静动态性能的前提下，质量减轻12.89%，达到了预期的效果。     

神经网络与进化策略在结构优化设计中的结合

利用BP神经网络对有限元计算出的样本数据训练出一种参数映射关系，从而获得进化策略求解结构优化问题的目标函数值，进一步获得问题的优化解，5杆结构表明此方法使用较少的有限元分析次数就能有效地求出最优解。     

基于RBF神经网络的补燃火箭发动机频率预测

为避免建立或修改计算量巨大的发动机有限元模型,研究探讨径向基函数(radial basis function,RBF)神经网络在液体火箭发动机频率预测中的应用。以某型高压补燃液氧/煤油火箭发动机为研究对象,在考虑喷管内外壁材料差异的基础上,利用刚度和质量等效原则,建立了喷管有限元模型。然后采用分布参数法建立了补燃循环火箭发动机的有限元模型,同时利用模态试验数据修正有限元模型。根据结构灵敏度分析理论,选择不同的结构参数组合作为训练样本训练神经网络,并利用训练好的神经网络预测发动机结构频率。研究结果表明,RBF神经网络能较好地预测液体火箭发动机结构频率,预测误差在1.0%以内。同时该方法具有收敛速度快的优点,可广泛应用于火箭发动机数值仿真领域。     

挤压模具型腔的等磨损优化设计

针对目前国内挤压模具寿命过低的情况,将有限元分析、神经网络和遗传算法结合起来应用到挤压模具型腔优化设计中。采用B样条函数插值描述凹模型腔轮廓形状,用有限元数值模拟获得型腔表面节点的应力场、速度场和温度场,基于修正Archard磨损模型计算型腔磨损深度,以此作为样本训练BP神经网络,建立模具型腔控制点与磨损深度之间的映射关系,再结合遗传算法以等磨损为目标,优化模具型腔轮廓形状。优化结果与序列二次规划法一致,可以降低模具磨损,提高模具寿命,结果与实际情况吻合,表明了这种设计方法是可行的。     

基于等几何拓扑优化的柔性机构设计

等几何分析能够将几何建模的基函数与结构数值分析的形函数统一,从而得到高精度的结构数值分析结果。面向柔性机构,提出了一种基于等几何拓扑优化的柔性机构设计方法：通过NURBS基函数和Shepard函数构造增强密度分布函数,该函数的高阶连续性可确保优化结构边界的光滑清晰;然后根据密度分布函数建立柔性机构的等几何拓扑优化模型;最后,将该方法应用于柔性机构设计。通过算例结果可知,等几何拓扑优化方法特有的计算原理可提高数值计算的精度和效率,能有效避免由网格依赖、棋盘格现象等产生的边界问题,确保了优化结构均具有较好的光滑性和连续性,验证了提出的方法能有效避免柔性机构的铰链现象。     

结构可靠性分析的响应面方法比较研究

针对隐性功能函数下结构可靠性分析问题,将有限元数值分析(FEM)、响应面方法(RSM)和蒙特卡洛随机模拟(MCS)相结合,实现了隐性功能函数下结构可靠度的计算,其中响应面方法包括多项式响应面法(MRSM)和神经网络响应面法(ANN).以简支梁为例,阐明了该方法的具体实现过程,并以直接MonteCarlo模拟法计算结果作为相对精确解,对不同响应面法支持下的FEM-MRSM-MCS和FEM-ANN-MCS的计算结果进行了对比分析,得出两种响应面法均可满足工程要求,但在泛化能力和精度方面,神经网络响应面均优于多项式响应面,且神经网络响应面可以一次实现从多维空间向另一多维空间的映射,为多失效模式下隐性功能函数下复杂结构的可靠性分析提供了新的思路.     

基于有限元法和神经网络技术的汽车碰撞事故再现

为充分利用事故变形信息,提出采用有限元法和神经网络技术进行事故再现的方法.在该方法中,首先采用数字测量技术得到事故车辆变形关键点的测量值,采用有限元仿真技术得到此关键点的计算值.将事故发生前的车辆运动参数作为神经网络的输入数据,关键点变形量测量值与仿真计算值的偏差作为神经网络的输出数据,将汽车碰撞仿真结果作为网络训练样本,对训练完成的神经网络进行优化求解得到事故发生瞬间的车辆运动参数.应用此方法对一起车-障碍物碰撞事故案例进行再现分析,建立整车、障碍物及地面有限元模型,选取前纵梁及挡泥板上的11个定位孔与螺栓孔作为变形量测量的关键点,再现分析结果验证了该方法的有效性,为事故责任鉴定提供了科学依据.     

基于神经网络和遗传算法的集装箱龙门起重机结构系统优化研究

论文综合利用有限元方法、正交试验法、人工神经网络以及遗传算法对龙门起重机结构系统进行优化研究。首先利用有限元模型对结构进行灵敏度分析,确定对结构系统特性敏感的设计变量作为神经网络的输入变量。然后利用正交试验法确定神经网络训练样本,并利用有限元模型计算出样本数据,建立人工神经网络模型。最后利用遗传算法对所建立的神经网络模型寻优。     

带时滞的ADALINE神经网络在时变线性系统自适应建模中的应用研究

本文提出了带时滞的ADALINE神经网络对时变复杂线性系统的自适应建模方法,通过对性能函数是权系数二次型的神经网络的算法改进,以梯度变化的共轭向量为搜索方向,以解析式确定最优步长,理论分析和仿真实验证明了此算法的快速性和高精度逼近能力,也证明了基于这种快速算法的带时滞的ADALINE网络实现复杂时变线性系统高精度动态自适应建模的有效性。     

井下微型水轮机流场分析与优化设计

围绕煤矿综采工作面液压系统液压能量利用率低、控制电路冗杂等难题,提出了一种水轮机与发电机集成化设计的方法,对提出的水轮机进行参数分析及结构设计,结合水轮机压差和转速的流场分析结果,通过正交试验、神经网络和遗传算法,实现了不同叶轮宽度、叶轮间隙、基圆直径、入口角度、进出口相对位置和喷嘴尺寸结构参数下水轮机转速和效率的多目标优化设计。通过样机测试试验,优化后整体效率有明显提升,平均效率值提高了2.94%;最大效率值由15.6%提高至21.5%。可为小型水轮机的理论和试验研究提供支持。     

基于BP神经网络优化算法的工程车辆挡位判断的训练及仿真

为了克服工程车辆重载作业时,传动系统效率大幅下降的问题,一般采用自动换挡的办法,以实现对负载的适应,提高传递效率。所以选择一种合适的换挡规律是非常重要的。由于车辆的状态与最佳挡位之间存在非线性,若其关系以相应的数据的形式给出,可直接用所获得的数据对人工神经网络进行离线训练,讨论了建立在人工神经网络基础上的工程车辆挡位判断方法,以三参数换挡规律为例对网络进行了训练,并给出了MATLAB仿真结果。     

神经网络共轭梯度优化算法在激光加工定位中的应用

在应用激光技术加工复杂曲面时,通常以采样点集为插值点来建立曲面函数,然后实现曲面上任意坐标点的精确定位。人工神经网络的BP算法能实现函数插值,但计算精度偏低,往往达不到插值精确要求,造成较大的加工误差。提出人工神经网络的共轭梯度最优化插值新算法,并通过实例仿真,证明了这种曲面精确定位方法的可行性,从而为激光加工的三维精确定位提供了一种良好解决方案。这种方法己经应用在实际中。     

基于神经网络的Job-Shop类调度问题

提出了将Hopfield神经网络与模拟退火相结合以求解Job-Shop类调度问题的算法.该算法给出了Job-Shop类调度问题的约束条件,并且直接把问题的各种约束条件表示为Hopfield神经网络的能量函数项.为避免Hopfield神经网络容易收敛到局部极小解而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield神经网络收敛到能量函数的全局最优解,从而保证神经网络输出是一个可行的调度方案.通过仿真实例验证了该算法的可行性.     

基于改进小波神经网络的旋转机械故障诊断

根据旋转机械复杂的故障特点，提出了结合第2代小波分析、模糊理论和神经网络形成的改进小波神经网络。该诊断方法利用第2代小波分析对信号进行预处理-征向量的提取，然后用训练好的模糊神经网络进行故障识别，并对相应算法进行了优化。将改进小波神经网络运用于旋转机械的故障诊断，通过计算机仿真和试验的结果表明，该方法在处理多故障耦合的情况时优势明显，不仅可以正确识别故障的类型，还可以进一步对故障的严重程度及其发展趋势进行可靠的诊断。这表明改进的诊断方法是行之有效的，为旋转机械的故障诊断提供了理论支持。