基于GASA优化算法的自适应协同优化方法

针对协同优化方法收敛困难、优化效率低的问题,采用自适应概念与混合优化算法对其进行改进.采用基于学科优化解的差异信息构造自适应惩罚函数,将系统级约束条件进行转化,重新构建系统级的优化模型,克服了协同优化内部定义缺陷所造成的收敛困难.结合协同优化的优化特征,采用兼备遗传算法与模拟退火算法两者优点的混合算法作为协同优化系统级优化算法,提高了协同优化寻优效率.以飞机起落架缓冲器优化问题为例验证了该方法,结果表明该方法提高了协同优化的搜索效率与收敛速度,优化性能良好.     

粒子群优化算法在改善传感器稳定性中的应用

针对最小二乘支持向量机在建立传感器回归模型时,其惩罚因子及核函数参数难以确定的问题,提出了利用粒子群算法对模型参数进行优化选取的方法,以提高模型的预测准确度及建模效率,并与遍历优化方法进行比较。实验结果表明,采用粒子群算法进行参数优化所用时间约为1621s,得到的模型预测结果均方误差为1.24×10-6;而采用遍历优化所用时间约为21599s,所得模型预测结果均方误差为2.74×10-5。采用粒子群算法进行参数优化使得建模效率和建立的模型预测准确度提高了一个数量级。测试样本计算表明,经过粒子群算法优化之后建立的传感器回归模型使得传感器的温度灵敏度系数及电流灵敏度系数比建模前降低了大约97%,比采用遍历优化方法降低了约85%,传感器的稳定性得到了大幅度改善。该方法切实有效,具有一定的发掘空间和实际应用价值。     

基于ESO方法的梁形状拓扑优化

基于渐进结构均匀化拓扑优化的方法,以体积为目标函数,建立了梁结构的不同布局的拓扑优化模型.利用ESO方法的思想理论推导出梁结构拓扑优化的数学模型,并借助于ANSYS软件平台,利用APDL语言实现了优化算法.数值算例验证了该方法的可行性和有效性,它可减少设计变量的数目,提高求解效率.     

基于Lanczos法的模态重分析法在拓扑优化中的应用

在拓扑优化中,经常要求对结构进行修改,快速准确地计算修改后结构的低阶特征值对于提高整个结构优化的效率非常重要。将基于Lanczos算法的模态重分析法应用于拓扑优化过程中,利用初始结构模态分析结果,结合Lanczos算法和投影技术,采用缩减基方法求解修改结构的固有频率和振型, 则该方法同时具备了Lanczos向量快速收敛的优点和基于全局近似的缩减基向量的高精度。刚架算例验证了该重分析法的高精度。固支方形板和车架结构优化结果表明,该方法在保证求解精度的同时能够在一定程度上提高优化迭代速度。     

基于结构优化设计的新算法研究

在开发优化软件过程中，采用模块化的设计方法，集成现有有限元分析软件，完成结构特性分析，提取其分析结果，调用高效的优化方法完成优化计算。所提出的结构优化设计算法充分利用了现有有限元分析软件强大的分析功能和高效优化方法的优越性，同时避免了优化程序设计中重复开发有限元分析部分，提高了优化效率。优化算例表明，该算法切实可行，有较强的工程实用性。     

系统分解多级优化法及其在结构优化设计中的应用

提出了一种适用于大规模工程系统（如大规模结构系统）优化设计的系统分解多级优化法，该方法的核心是将原大系统的优化设计问题按等级分解成若干个子系统的优化问题，各子系统间通过行为灵敏度及优化灵敏度导数加以耦合，由于每一级的各个子系统相互隔离，故对每一级的各个子系统的分析和优化可并行处理，这一特点可望在大规模工程系统优化设计过程中提高总的计算效率，缩短设计时间，同时优化过程中所产生的行为灵敏度及优化灵敏度导数信息对设计师的定性分析具有指导意义，刚架优化设计算例表明该方法行之有效，具有良好的收敛性．     

粒子群优化算法在求解线性规划方程中的效率研究

提出了使用粒子群优化算法求解线性规划方程的方法,并对粒子群优化算法设置不同的参数求解线性规划方程,研究粒子群优化算法在求解线性规划方程时所表现出的效率,实验表明,粒子群优化算法在求解线性规划方程时当设置参数φ1,=2.8,φ2=1.3,粒子人口数选择40时该算法表现出较高的效率.     

混凝土泵车固有频率优化的设计方法

使用 MSC/NASTRAN 软件对混凝土泵车的有限元模型进行灵敏度分析和动态优化.通过灵敏度分析找出了一阶频率对设计参数的灵敏度与质量对设计参数的灵敏度的比值较大的设计参数.选择这些结构参数为设计变量,以一阶频率为性能约束,进行了旨在提高一阶固有频率的优化设计,提高了泵车的一阶固有频率,使一阶固有频率避开油缸冲击载荷的频率,从而减小泵车臂架系统的振动幅度.     

基于模态综合技术的结构有限元模型修正

由于结构的动力分析需要大量的计算时间和占用大量的计算机内存,常规的数值迭代计算方法难以实现,提出了基于模态综合技术的模型修正方法。该方法首先得到缩减后结构模型的频率与振型,并将该振型转换为缩减前模型物理坐标下的振型。然后,用缩减后模型的频率和转换后的振型,共同构成模型修正的优化目标函数,进而通过优化求解实现结构的模型修正。该方法既保证了计算精度又提高了模型修正的计算效率,使大型复杂结构的模型修正成为可能。最后,对某吊杆拱桥模型进行了动态测试和模型修正,验证了该算法的有效性。     

DEPSO算法在永磁直线电机结构优化设计中的应用

将传统优化算法应用于直线电机结构优化设计时,传统算法的易早熟与收敛速度慢的缺陷降低了优化效率,并且由于直线电机特有的磁场效应,无法用解析方法准确计算推力波动。为此,提出一种粒子群和差分进化的混合优化算法(DEPSO算法)。该算法在粒子进化过程中,利用差分进化的变异、交叉和选择操作产生新的个体最优位置,优化粒子进化方向。将该算法与有限元数值分析相结合,对直线电机结构参数进行了优化。具体实例的试验结果表明,优化后磁阻力峰值显著下降,证明了DEPSO算法对解决此类问题的有效性。     

典型三维机械结构拓扑优化设计

为了提高拥有数万个单元以上的三维机械结构拓扑优化的计算效率, 基于渐进结构优化方法, 并结合结构位移计算的迭代方法, 建立一套三维机械结构拓扑优化的求解策略和算法.然后, 构建分别用于结构分析和结构优化迭代的两套数据流和它们间的映射方法, 研究和开发三维机械结构拓扑优化设计软件.完成几个典型和复杂的三维机械结构的仿真优化设计.设计结果表明,发展的方法和软件是正确和有效的, 且具有广泛的工程应用前景.     

供应链最优供需路径的演化计算求解方法及其应用

在分析多企业协同生产主要特点的基础上，建立了基于企业关键绩效指标度量的供应链供需路径优化模型，提出一种协调优化和多目标优化相结合的联合计划与控制模式，给出了供需最优路径的演化计算求解算法。结合实际的供应链典型应用环境，实现了基于演化计算求解的供应链联合规划管理系统，并通过实验与应用分析验证了方法的有效性。     

结合专家群体评估法的渐进结构优化算法

结构拓扑优化作为现在迅速发展的结构化设计的一个分支,已得到广泛应用。基于渐进结构优化(ESO)方法,结合灰色理论中的专家群体评估法,得到一种新的处理多目标优化的方法。首先使用线性加权法对一平面简支梁进行优化分析得到三组拓扑结构。然后运用该新方法对同一算例进行优化得到三组拓扑结构。并将最终拓扑结构进行对比。     

基于增材制造各向异性的强度约束拓扑优化

增材制造工艺的特殊性导致制造结构展现出各方向不同的力学性能,为满足其所带来的更加严苛的结构强度设计需求,提出了一种基于双向渐进结构优化法的各向异性强度约束拓扑优化策略。推导了描述增材结构强度的各向异性Tsai-Hill失效系数,通过权重因子构建了包含失效系数约束的目标函数。详细求解了优化灵敏度公式,并采用敏度归一化等数值方法稳定优化历程。典型算例表明,所提方法可有效抑制高失效风险区域以保证结构强度,且在材料各向异性强度假设下可获得更优于von-Mesis应力相关设计的结果。此外,优化结果高度依赖于各向异性程度与材料堆叠角度参数的变化,因此合理的调整将有助于优化结构性能。     

基于应变能的双方向结构渐进优化方法

渐进结构优化法已发展成为工程设计中的一种重要方法,但由于其误删除单元的不可恢复性限制了它的广泛应用。文中基于在优化结构边界和孔洞周围附加人工材料的思路,并结合evdutionary structural optimization(ESO)方法和单元应变能分析,建立结构有限单元增、删的准则,给出一种基于应变能的结构拓扑双方向渐进优化算法。算例表明该方法是正确和有效的。     

空间相机碳纤维框架的设计与优化

设计了一个应用于轻小型空间相机的碳纤维框架。根据光学系统中各光学元件的空间分布特点,通过比较选择结构性能和工艺性能优异的M40J碳纤维复合材料完成了相机框架的结构设计,并使用TC4预埋镶嵌的方法解决了碳纤维框架接口精度低的问题。对碳纤维框架进行区域划分,采用集成仿真与优化设计方法、遗传算法全局寻优与单纯型下山法局部寻优的组合优化策略对碳纤维框架各区域结构参数进行优化设计。经过优化,碳纤维框架包含TC4预埋件的总质量为15.6kg,仅占相机整机质量的18.4%,相机的一阶频率达104.8Hz。最后通过力学环境试验得到相机整机一阶频率为102Hz,与仿真结果相符,进一步验证了设计的合理性和正确性。文中提出的碳纤维框架方案对轻小型空间相机设计有一定的借鉴意义。文中所采用的优化方法可广泛应用于空间相机光机结构设计中,能大幅度提高设计效率,缩短研制周期。     

基于渐进法的约束阻尼结构拓扑多目标动力学优化

为实现阻尼结构减振优化,从阻尼材料的力学本构出发,基于虚功原理建立了约束阻尼板动力学平衡方程,从阻尼耗能角度推导出模态损耗因子解析计算式。构建了以模态损耗因子最大且模态频率变动最小为目标、以阻尼材料用量为约束的阻尼板多目标优化数学模型。在对模态损耗因子及模态频率灵敏度进行推导的基础上,构建了归一化复合灵敏度算式,并引入拓扑渐进法求解优化模型。编制出阻尼板渐近法优化程序,并对阻尼板进行了优化仿真。结果显示,采用多目标拓扑渐进优化,既能大幅提高阻尼材料的减振效能,又能保证阻尼板频率特性的稳定,且可较大幅度地降低阻尼材料用量。对阻尼板进行了谐响应分析,验证了优化结果的有效性。该优化法在对结构动力学特性有严格要求的减振设计中存在应用前景。     

基于渐进优化的锻造预成形优化设计研究

体积成形的预成形设计及优化是金属多工序成形设计领域的难点之一,也是获得高质量产品的关键。借鉴渐进结构优化(Evolutionary structural optimization,ESO)的思想,并考虑体积成形特点,建立一种针对体积成形预成形设计的方法——拓扑优化法,并详细给出该方法的优化策略、单元增删准则、插值处理等关键技术。利用自行开发的优化程序,结合DEFORM-2D有限元模拟软件,以理想充填模膛、改善锻件变形均匀性为目标,以静水压力的大小作为单元的增删准则,对开式模锻下轴对称结构的盘形锻件预成形几何外形进行优化设计。优化结果表明,该方法算法原理清晰明确,实现方便,整个过程集成化以后,从模拟到优化均可实现自动进行,运行效率高,同时也有较高的优化精度,预成形结构比较理想。     

New knowledge-based genetic algorithm for excavator boom structural optimization

Due to the insufficiency of utilizing knowledge to guide the complex optimal searching, existing genetic algorithms fail to effectively solve excavator boom structural optimization problem. To improve the optimization efficiency and quality, a new knowledge-based real-coded genetic algorithm is proposed. A dual evolution mechanism combining knowledge evolution with genetic algorithm is established to extract, handle and utilize the shallow and deep implicit constraint knowledge to guide the optimal searching of genetic algorithm circularly. Based on this dual evolution mechanism, knowledge evolution and population evolution can be connected by knowledge influence operators to improve the conflgurability of knowledge and genetic operators. Then, the new knowledge-based selection operator, crossover operator and mutation operator are proposed to integrate the optimal process knowledge and domain culture to guide the excavator boom structural optimization. Eight kinds of testing algorithms, which include different genetic operators, arc taken as examples to solve the structural optimization of a medium-sized excavator boom. By comparing the results of optimization, it is shown that the algorithm including all the new knowledge-based genetic operators can more remarkably improve the evolutionary rate and searching ability than other testing algorithms, which demonstrates the effectiveness of knowledge for guiding optimal searching. The proposed knowledge-based genetic algorithm by combining multi-level knowledge evolution with numerical optimization provides a new effective method for solving the complex engineering optimization problem.     

利用双向渐进结构优化法对结构固有振型的优化

利用双向渐进结构优化法研究结构的固有振型优化问题，双向渐进结构优化法(bi—directional evolutionary struetural optimization，简称BESO)是一种拓扑优化方法，它基于这样一个简单的优化程序：从结构中一步步地删去对结构目标性能低效或无效的材料，同时增加对结构目标性能高效的材料，从而使材料布局趋于优化。文中分别采用近似重分析思路的方法和基于变分法推导的公式计算单元特征向量灵敏度，并简单阐述BESO法对结构固有振型(特征向量)进行拓扑优化的一般过程。数值算例表明，用该方法对结构固有振型的优化是行之有效的，且用变分法计算特征向量灵敏度进行优化较之近似重分析法效率更高。