基于IRSM和IP-GA的车架非概率可靠度优化

以某牵引车车架为研究对象,对车架进行有限元分析,求车架结构的强度值。制造车架材料的密度和弹性模量存在不确定性,在求解可靠度时,要考虑这些参数的不确定性。运用改进响应面法(IRSM)构建不确定变量、设计变量与强度值之间的近似模型,求得车架原厚度的非概率可靠度指标。以设计变量相关车架部件的质量最轻为目标函数,车架原厚度可靠度指标为约束构建非概率可靠度优化模型。运用隔代遗传算法求解不确定性优化,并与确定性优化相比较。计算结果表明:在不降低车架原厚度可靠度指标的基础上,确定性优化和不确定性优化都能够做到轻量化,且不确定优化比确定性优化多减轻20 kg质量,有重要的优化设计价值。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

贴近倾斜摄影测量在古建筑病害调查中的应用

以实际工程项目为例，对贴近摄影测量技术在古建筑物病害调查中的应用展开探究，采用相关软件对测区古建筑物进行了实景三维建模，统计了古建筑物的病害类型，并对其病害原因进行了分析，针对其原因提出了相关的修缮意见，以延长古建筑的寿命。     

基于PCA初始化卷积核的CNN手写数字识别算法

针对卷积神经网络对手写数字识别训练在卷积核随机初始化情况下收敛速度慢和识别率低的问题，提出一种主成分分析（PCA）初始化卷积核的卷积神经网络（CNN）手写数字识别算法。算法首先选取训练样本集并将其送入CNN，在相应层对Feature Map进行全覆盖取图像块处理，然后进行分层PCA学习，将学习到的特征向量做为对应卷积层的卷积核参数进行初始化，最后再用这些卷积核对原始图像进行卷积操作。实验结果表明，与随机初始化卷积核的CNN手写数字识别算法相比，改进的算法在应用MNIST数据库训练时不仅收敛，而且在产生相同均方误差的情况下迭代次数少，识别率高。