边界层对流扩散方程在自适应网格上的高精度紧致格式

对流扩散方程在非均匀网格上的高精度紧致格式具有精度高、模板小等优势,然而现有方法往往需要事先指定边界层或大梯度的位置,利用网格分布函数生成非均匀网格并调整网格分布参数,这严重影响方法的适用性.本文提出了一种在二维计算区域上生成正交网格的自适应方法,根据物理解的特征对网格的分布进行自适应调整,并结合非均匀网格上的高精度紧致格式对一维及二维边界层对流扩散问题进行求解.数值结果表明,自适应网格方法结合高阶紧致格式可以有效求解边界层问题,提高数值解的精度,减少计算所需的网格和计算量.     

基于求解非线性方程组的并行遗传算法的设计

作者将非线性方程组的数值求解问题转化为线性约束最优化问题,然后利用遗传算法求解该最优化问题。为防止遗传算法过早收敛,作者将遗传算法改进为自适应并行遗传算法.数值模拟实验表明,该文的算法从另一个角度为求解非线性方程组提供了一条比较有效的途径.     

利用优化的遗传算法解决饲料配方设计问题

 利用改进和优化传统遗传算法的选择策略、搜索空间,自适应调整交叉率和变异率提高了计算效率,并在遗传进化过程中用优秀个体群来逐步缩小搜索空间,提出了求解饲料配方设计问题的一种改进方法(GA+).应用该方法对3个经典非线性测试函数进行了仿真,在收敛速度和全局优化方面好于现有的遗传算法.结果表明,GA+较好地保持了种群的多样性,精度高、收敛速度快,对求解饲料配方设计问题非常有效.     

基于可靠度指标的小概率失效结构优化

针对实际工程中具有隐式功能函数的小概率失效结构的可靠度计算与优化问题,提出一种适用于小概率结构可靠度计算与结构优化设计的方法.该方法首先采用径向基神经网络构建结构的隐式功能函数;其次,引入自适应随机变量对遗传算法进行改进,遗传算法根据可靠度的几何意义搜索可靠度指标最优解及验算点,以此求解可靠度指标;最后,以引入自适应随...     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

遗传算法在多目标规划中的应用

利用遗传算法对项目群优选数学模型的求解进行了新的探索，并在单目标遗传算法程序的基础上，拓宽为多目标遗传算法。计算结果表明遗传算法是求解工程优化问题的一种有效方法。     

高维多模态免疫遗传算法及其性能比较研究

随着优化方法在各领域的广泛应用,对优化技术的要求越来越高,为此,基于免疫系统抗体的自适应、自组织等学习机制,提出一种免疫遗传算法用于高维多模态优化问题求解.算法设计中亲和力随抗体群动态自适应学习,采取高斯突变及混合交叉等策略增强群体的多样性,提高算法的搜索和探测能力.将其与遗传算法及克隆选择算法通过数值实验比较,结果表明:所获的算法收敛速度快,勘测能力强,优越于其他比较的优化算法,具有较强的优化能力.     

非线性电路的ACNGA求解方法研究

在非线性电路的研究中，非线性电路的全解集的求解方法研究是非线性电路理论的重要研究领域之一。遗传算法是一种模拟生物进化的最优化搜索方法，因其稳定性好、不需要计算目标函数的能处理多维数值问题，遗传算法在科学研究和工程技术中得到广泛运用。针对非线性电路的全解集的求解要求，本文提出了一种改进的具有自适应交叉算子的小生境遗传算法，成功地应用于非线性电路的全解集的求解，结果表明了具有自适应交叉算子的小生境遗传算法（ACNGA）对非线性电路求解的有效性和实用性。     

采用遗传算法的自适应随机共振系统弱信号检测方法研究

针对传统自适应随机共振系统只能实现单参数优化的缺点,提出了一种基于遗传算法的多参数同步优化自适应随机共振算法.该算法选用由双稳系统输出的信噪比作为遗传算法的适应度函数,能够实现随机共振系统中多个参数的自适应选取,从而最优地检测出原始信号中的微弱周期成分.同时,将该优化算法和移频变尺度随机共振相结合,可以实现大参数条件下的随机共振.仿真数据和滚动轴承外环故障数据的分析表明,该算法收敛速度快,简单易行,在采样点数较少的条件下能从强噪声背景中检测出微弱的高频周期成分,因此具有良好的工程应用前景.     

自适应遗传算法在某拱坝渗流参数反演中的应用

利用水头实测资料,以渗透系数为待反演参数,在采用基本遗传算法进行参数反演研究的基础上,针对简单遗传算法难以确定交叉率和变异率的最佳值及计算量较大、易早熟等缺点,提出以自适应遗传算法来解决工程中的这类反演问题;为力求使改进的遗传算法计算量更小,收敛性更强,同时结合二维稳定渗流有限元工程实例进行了反演计算.结果表明,自适应遗传算法在保持简单遗传算法优点的同时,有效地提高了算法的收敛性,并在一定程度上克服了简单遗传算法的早熟问题.     

基于遗传神经网络的钢管壁厚预测模型的研究

为解决钢管热轧过程荒管壁厚难以计算的问题,首先利用遗传算法优化了BP神经网络,在这种遗传神经网络算法的基础上建立了钢管轧制前毛管温度、长度、外径、轧辊转速、芯棒直径五项工艺参数与钢管轧制后荒管壁厚之间的数学模型.经过测试,基于遗传神经网络的钢管壁厚预测模型的壁厚预测误差远小于常规壁厚公式的计算误差,为设计更合理的设置毛管参数提供了科学的依据,对钢管热轧工艺水平的提高的具有重要意义.     

自适应频移变尺度振动共振轴承故障诊断

针对广泛应用于水轮机、风电机组等设备中的滚动轴承存在早期故障难以检测的问题,提出了自适应频移变尺度振动共振轴承早期故障诊断方法。该方法利用高频周期激励促使滚动轴承振动信号中的噪声能量转向轴承故障特征频率,并自适应地频移变尺度轴承故障特征频率使其满足振动共振的小参数检测条件,最后通过参数优化最佳地检测出轴承早期故障。利用轴承实验数据验证了该方法的有效性,与最大相关峭度解卷积技术相比,所提方法的诊断结果具有一定的优势和工程应用价值。     

GARTEUR飞机模型的模态试验与模型修正技术

为了获得精确的结构动力学模型,需要对结构动力学模型进行修正与确认。首先,采用相位共振/相位分离一体化技术对模型进行模态参数识别。其次,提出一种设计参数的灵敏度分析方法,根据工程经验、误差定位技术以及灵敏度分析技术调整动力学模型的建模细节,以试验与仿真结果的模态频率误差为目标函数,研究了序列二次规划算法、自适应模拟退火算法、多岛遗传算法等三种算法的修正效果,最终选择多岛遗传算法进行动力学模型修正研究。最后,引入三级质量标准来评估模型修正质量。结果表明:修正后的模型具有复现与预测响应水平的能力,证明本文所提出修正方法的正确性和有效性。     

热轧带钢轧制批量计划的实例应用

应用轧钢厂生产批量计划的理论方法,从热轧带钢的实际生产工艺出发,建立了热轧生产批量的具体模型·对模型参数的结构进行了分析,给出了模型参数的具体表达,并应用遗传算法用来求解热轧带钢生产计划问题·组合了运筹学与人机协调系统,开发了实验性原形系统·这个系统不但改进热轧调度的质量,由调度系统产生的热轧调度优于手工系统产生的调度,平均改进在２０％以上,而且降低了产生热轧调度的时间·     

基于MRFAC的感应电机控制器设计

结合感应电机这一非线性控制对象,设计了感应电机的模型参考模糊自适应速度控制器。该控制器具有传统模型参考自适应控制构架,传统模型参考自适应控制系统中的反馈控制器和常规自适应机构分别由主模糊控制器、模糊自适应机构替代,模糊逆模型结合自适应调整算法构成的模糊自适应机构对主控制器参数进行实时调整,以达到快速适应对象参数和状态变化的目的。基于模块化建模工具Matlab/Simulink建立感应电机控制系统模型,仿真结果表明该控制器运行平稳,具有良好的动、静态性能。     

数据挖掘在热轧平整机轧制力计算偏差补偿模型中的应用

分析了数据库技术及数据挖掘常用算法,以热轧平整机轧制力计算偏差补偿为例,建立了数据挖掘的热轧平整机轧制力补偿模型．经实际检验,模型在生产应用中完全满足生产实际要求,对现有的基于二级数学模型计算的薄规格板带后期工艺再处理生产的进一步优化具有深远的意义．     

基于遗传算法的Kriging空间分析及其应用

半变异函数是Kriging空间分析法中的重要数学模型，在得到实际变异函数图的基础上用遗传算法来估计半变异函数中的参数比用传统的线形回归方法更精确更自动化。介绍了用遗传算法拟合Kriging空间分析法中变异函数的模型的方法，并以分析某区域煤层厚度分布情况为例介绍了该方法的应用。     

基于遗传算法的自适应内模控制器

探讨了基于遗传算法的自适应内模控制,用遗传算法结合模糊算法整定二自由度的内模控制器中的滤波器参数,仿真及其在电加热炉温度控制中的应用表明,所提出的方法具有一定的自适应能力,有较强的鲁棒性和抗干扰性,适用于时变大时滞的被控过程     

基于遗传算法的排桩支护结构优化设计

基于自然选择和自然基因机制的遗传算法是当前处理复杂非线性模型的一种新的优秀方法。为此,文章建立了悬臂式排桩这一基坑支护结构形式的数学模型,并运用改进遗传算法对设计参数进行优化调整;结合以实际工程资料为背景的支护案例进行优化。计算结果表明,设计参数既满足约束条件,又可降低工程造价,从而显示了该方法的有效性,具有一定的参考价值。     

1350铝箔轧机轧制压力的数学模型

通过实测获得的大量数据，并以轧制理论为基础，选择了比较合适的模型结构。利用最小二乘法回归出铝箔轧制压力数学模型，模型精度可以满足工程应用的要求。