基于差异演化算法和多属性决策的机电系统可靠性多目标优化设计

针对机电系统可靠性设计问题,以可靠性和费用(或体积等)最优为目标建立可靠性设计的多目标优化模型．提出了自适应多目标差异演化算法,该算法提出了自适应缩放因子和混沌交叉率,采用改进的快速排序方法构造Pareto最优解,采用NSGA-II的拥挤操作对档案文件进行消减．采用自适应多目标差异演化算法获得多目标问题的Pareto最优解,利用TOPSIS方法对Pareto最优解进行多属性决策．实际工程结果表明：自适应多目标差异演化算法调节参数更少,且求得的Pareto最优解分布均匀;采用基于TOPSIS的多属性决策方法得到的结果合理可行．     

用于平板结构的动力吸振器参数优化设计

多重动力吸振器用于连续体主振系统减振时,其参数需要经过优化设计才能获得最优的减振效果,目前,参数优化设计方法还有待完善。研究平板结构动力吸振器减振参数优化设计方法,将平板-多重动力吸振器系统运动方程化简,推导得到优化的目标函数——动力放大系数函数,采用一种基于偏导数的优化方法得到多重动力吸振器的最优设计参数。通过数值计算和仿真分析验证所设计吸振器的有效性。结果表明,吸振器对平板振动有明显抑制效果,且在振子总质量比相等的条件下,振子数越多,吸振器的减振效果越好,减振频带越宽。     

用于含阻尼薄板结构减振的分布式动力吸振器的优化方法研究

动力吸振器用于结构减振时,其参数需要经过优化调谐才能获得最优的减振效果;目前,针对用于连续体结构减振的分布式(或多个)动力吸振器还没有很便捷的优化方法。研究了用于抑制含阻尼薄板结构基础模态振动的分布式动力吸振器的参数优化方法;利用模态叠加法建立了薄板与分布式动力吸振器的动力学方程,根据动力吸振器的振动特性推导得到了薄板基础模态与吸振器的简化二自由度运动方程,结合含阻尼的线性系统中动力吸振器最优调谐参数的求解方法,最终得到了分布式动力吸振器的解析优化公式。通过数值计算验证了优化公式的有效性;数值计算分析还表明优化公式对分布式动力吸振器抑制薄板结构的低频综合振动有很好的优化效果。     

平流层飞艇的多目标优化与决策

该文建立了以平流层飞艇阻力最小、自重最轻、极限承载力最大及刚度最大为优化目标的多目标优化模型;采用强度Pareto进化算法(SPEA)进行了多目标优化设计;基于优化所得的Pareto解集,采用基于信噪比的决策方法选择满足实际需要的最终方案。结果表明:采用的SPEA算法是合理有效的,可以得到非劣解分布较均匀的Pareto曲面;通过基于信噪比的决策方法,可从非劣解集中获得满足实际要求的最稳健设计方案。     

考虑声振耦合的平板结构声振特性优化研究

研究多个动力吸振器优化结构的声振特性。根据Hamilton变分原理建立多个动力吸振器—平板—介质系统的声振耦合动力学方程,给出简支边界条件下耦合方程的解;以吸振器的质量、刚度、阻尼和位置为设计变量,以平板结构表面平均振速级和辐射声功率级为优化目标,采用遗传算法进行优化研究。研究表明:在一定频段内,单个动力吸振器能够降低优化目标10 d B左右,采用多个动力吸振器能够控制结构较宽频带的噪声;对于水下结构,可采用两个动力吸振器进行优化,但不能将空气中吸振器的优化结果直接用于水下结构。研究结果可为动力吸振器的减振降噪设计提供理论依据。     

基于智能算法的动力吸振器多参数优化研究

动力吸振器在改善系统振动与噪声方面应用广泛,优化动力吸振器的参数是提高动力吸振器性能的关键。设计动力吸振器多参数优化目标函数,研究人群搜索算法在动力吸振器参数优化中的应用,并运用人群搜索算法、遗传算法和粒子群算法进行仿真计算,对比三种算法对动力吸振器进行参数优化时的稳定性、计算速度、计算精度。结果表明,所设计的基于人群搜索算法的优化方法具有较好的稳定性及计算精度,但计算速度稍慢于另外两种算法。工程实例证明,基于人群搜索算法优化后的动力吸振器对于改善汽车部件共振、降低车内噪声具有良好效果。     

基于MOABCO的多目标测试用例优先级排序

为了提高回归测试的效率,提出了一种基于多目标人工蜂群优化(Multi-Objective Artificial Bee Colony Optimization, MOABCO)算法的多目标测试用例优先级排序(Multi-Objective Test Case Prioritization, MOTCP)方法.针对标准多目标人工蜂群(Multi-Objective Artificial Bee Colony, MOABC)算法容易陷入局部最优解的问题,将差分变异策略融入到新蜜源更新阶段,且基于信息熵改进新蜜源选择方法,以避免算法陷入局部最优并增强了全局搜索能力;然后,将代码覆盖率和测试用例有效执行时间作为优化目标,并用MOABCO算法求Pareto最优解集,以解决MOTCP问题.实验结果表明, MOABCO算法求得的Pareto最优解集在逼近性和分布均匀性上均优于MOABC算法;在解决MOTCP问题上,相对于NSGA-II算法具有更高的收敛速度和更高的缺陷检测率.     

一种基于“探测"与“开采"的多目标进化算法

针对实践中多目标优化问题(MOPs)的Pareto解集(PS)未知且比较复杂的特性,提出了一种基于"探测"(Exploration)与"开采"(Exploitation)的多目标进化算法(MOEA)——MOEA/2E。该算法在进化过程中采用"探测"与"开采"相结合的方法,用进化操作不断地探测新的搜索区域,用局部搜索充分开采优秀的解区域,并用隐最优个体保留机制保存每一代的最优个体。与目前最流行且有效的多目标进化算法NSGA-Ⅱ及SPEA-Ⅱ进行的比较实验结果表明,MOEA/2E获得的Pareto最优解集具有更好的收敛性与分布性。     

用于约束多目标优化问题的改进蚁群遗传算法

针对多目标蚁群遗传算法(MOAGA)解集边界分布不均的问题,提出改进算法,解决连续空间中带约束条件多目标优化问题.改进算法在基本MOAGA算法的基础上,在选择中引入一定比例的边界决策、单目标最优决策,并提高边界决策的交叉率.实验证明,改进算法解决了基本算法解集分布边界疏中间密的问题,并且能更快的获得散布性较好的Pareto最优解集.     

可调频悬臂梁式动力吸振器多频减振研究

手持打磨工具振动大,存在多个振动峰,且不同工况振动峰对应的频率不同.动力吸振器是控制窄带振动峰的有效方法,传统的"弹簧—质量"形式动力吸振器频率不易调节,且不能同时对多个频率进行动力吸振.为适应实际工程应用,以频率可调、可多频减振为目标,首先从结构阻抗角度阐述动力吸振器减振原理,然后设计一种适用于手持打磨工具的频率可调...