航空发动机风扇转子动叶的选配优化技术研究

针对航空发动机风扇转子动叶挑选过程中存在的动叶资源利用率低的问题,以转子动叶一阶弯曲频率离散度、一阶扭转频率离散度和重力矩差为挑选准则,以叶片数据库中未被挑选的叶片数最少为优化目标,提出了叶片智能优选算法,实现了动叶装配前高效挑选、充分利用的目标;针对风扇转子动叶装配中多装多调、装配成功率低的问题,以180°对角位置上两支叶片的重力矩差为约束,以剩余不平衡量最小为优化目标,采用改进模拟退火算法优化动叶的装配序列,大大降低了转子动叶的剩余不平衡量,减少了转子的装调次数。实例验证结果表明:所提的动叶优选算法使叶片资源利用率从企业目前所能达到的65%～74%提高到83%～93%,而且算法运行20次时,单次运行的时间最短为7.7 s,最长为28.7 s,求解效率较高;动叶优配算法为转子动叶的实际装配提供了优化的装配序列,实现了转子动叶的高效装配。转子动叶的优选优配实现了转子动叶的充分利用和高效装配,为转子动叶装配质量和服役性能的可靠性和稳健性奠定了基础。     

汽轮机长叶片型面双刀加工刀位轨迹优化算法

为改善汽轮机长叶片型面加工中的变形问题,提出了2种优化目标下的叶片型面双铣刀对刀加工刀位轨迹规划算法。首先建立了牛鼻刀的切削力与切削参数、刀具姿态的关系模型,在此基础上分别以最小径向切削合力和最小切削合力矩为优化目标计算了2把铣刀的切削刀位点和刀具姿态。采用有限元分析方法对比了传统单铣刀切削加工路径、未优化双刀切削加工路径和2种双铣刀切削加工路径下的叶片加工变形情况,结果显示:在一组给定的常用切削参数下,径向切削合力优化轨迹算法和切削合力矩优化轨迹算法可分别将叶片的平均加工变形减小约31%和55%;沿优化后的双刀切削加工路径加工能够有效改善叶片整体受力情况,减小叶片的加工变形,提高加工精度和效率。     

一种实用的启发式资源平衡优化算法的改进

资源平衡优化问题即资源有限项目调度问题,是一个NP难问题,现在商用项目管理软件系统中的资源平衡优化问题多采用基于优先规则的启发式算法.通过定义一个新的作业集合和一个巧妙的修改动态参数的方法,使算法在实现上极大地减少了调度时间,进一步增强了启发式算法的实用性.     

基于叶尖定时单参数法的叶片共振倍频数辨识

针对传统基于叶尖定时的单参数法无法实现叶片共振倍频数测量的缺点,分析了该方法无法实现叶片共振倍频数辨识的原因,在此基础上,研究了一种利用多只传感器的叶尖定时数据实现叶片共振倍频数测量的方法.通过分析振动相位信息实现叶片共振倍频数辨识,并对传感器安装角度进行了优化.所提算法在叶尖定时测量系统定时精度较高时,采用2只传感器即可实现转动叶片共振倍频数测量;在定时精度较低的情况下,采用3只传感器可实现叶片振动倍频数准确辨识.利用叶尖定时系统对实际高速转子叶片进行叶尖定时测量实验,并利用所提算法对叶片共振倍频数进行辨识,实验结果证明了理论分析的正确性与所提方法的有效性.     

利用三维接触有限元法的透平叶片枞树型叶根轮缘优化

采用三维接触有限元方法对透平叶片枞树型叶根轮缘结构进行了优化研究.以单个叶片为研究对象,采用零阶一阶算法、智能优化算法及模式搜索算法对叶根轮缘的7个特征尺寸进行了优化分析;结合实际工作状态,建立了3个叶片及轮缘的多变量优化模型,采用模式搜索算法对叶根轮缘结构进行了优化.结果表明:以单个叶片为例,在综合考虑优化精度和优化时间的情况下,模式搜索算法是解决叶根轮缘优化问题的最优方法;利用符合实际的模型可以得到能使叶根轮缘最大等效应力大幅度减小的优化结构,优化前后叶根和轮缘的最大等效应力位置基本不变,最大等效应力分别减小11.96％和21.63％.     

叶片振动特性对相关参数的敏感性及频率优化

建立了叶片振动特性对相关参数的敏感度数学模型 ,给出了各相关参数对叶片振动频率影响的定量表达式 .提出了叶片频率优化问题的数学模型 ,并对单目标频率优化和多目标频率优化问题进行了探讨 .给出了一个实际叶片的算例 .     

基于免疫遗传算法的网格任务调度

研究了网格环境下任务调度问题,提出了一个任务调度机制:基于任务图将每一个可能的任务调度方案表示成一个任务-资源分配图,将网格任务调度问题转化为任务-资源分配图优化选取问题.提出了一种基于免疫遗传算法的、实现任务-资源分配图优化选取的任务调度算法.该算法将任务-资源分配图的最长路径作为抗原,每一个任务-资源分配图对应一个抗体.实验结果表明这个算法在全局优化能力及收敛速度上均有显著提高.     

模拟退火算法在排课问题中的应用

针对课表问题的具体特点,使用以课程作为排课算法的研究主体的思路,设计了一个模拟退火算法,解决了给定时间问题和不定时间问题的课程表的优化编排问题,并对生成的课表提出更具体的优化目标,通过设计合适的优化函数来实现这些目标,取得了较好的运行效果.     

SATOH算法的实现

在对SATDH算法进行研究的基础上,给出了该算法的两个优化实现：一个实现是针对193次扩域,另一个实现是通用的,能处理256次以下的扩张,并介绍了在实现该算法时所采取的一些优化措施。     

基于迁徙策略的PSO集成及其在序列模体识别中的应用

对优化问题和游牧民族迁徙行为的比较研究表明,两者存在相似之处,文中模拟了游牧民族迁徙机制,提出了一种迁徙策略,并且与粒子群优化算法相结合,提高了算法摆脱局部极值的能力,通过集成技术,充分发挥各种粒子群优化算法的优点,实现协同演化,提高了算法的全局搜索能力。最后应用于求解计算分子生物学中的一个复杂问题——生物序列模体识别,实验表明,该算法是有效的。     

单品种货物装车问题的两阶段优化算法

针对同种同规格货物的三维装车问题,基于分层思想,将三维装车问题进行降维,转化为二维布局优化问题,提出九种分层装车策略,在算法设计上,提出了两阶段优化算法,第一阶段沿车厢的长、宽或高进行分层,针对不同的层高,通过动态规划算法求解平面内的最大货物装载量,得到货物的最优布局;第二阶段结合背包算法对层进行组合,得到车厢每个维度下的最优层,最后择优选取可装货物数量最多的方案,即为最优装载方案;最后通过两个数据集共8个算例对算法进行测试。结果表明,对于数据集一来说,本文算法求得的平均装载率可达99.43%,优于带排列分层算法、动态规划算法,以及混合递归算法求得的平均装载率;而对于数据集二来说,本文算法求得的平均装载率也达到了96.11%,优于二维排列算法,说明本文提出的两阶段优化算法在一定程度上可以生成较好的装载方案。     

基于免疫原理的多模态函数优化算法

借鉴免疫原理,提出了一种新的多模态函数优化算法。通过构造克隆选择算子,利用抗体单性繁殖和优选进行函数快速局部优化;借助B细胞网络完成各种局部优化结果自组织记忆,有效地实现了全局最优解和局部最优解的快速搜索和保存,证明该算法具有较强的多模态函数优化能力。     

基于灰狼粒子群混合算法的相机标定优化方法

针对传统标定方法参数考虑较少、标定精度不高的缺点,将群智能算法思想应用其中,并在现有的粒子群算法和灰狼算法基础上进行优化,取长补短,提出一种混合算法.首先,基于张正友方法获得标定的参数范围,在该范围内随机生成参数作为初始值,然后以最小平均误差为准则,利用灰狼粒子群优化混合算法,建立目标函数,进一步求解相机的内外参数.研究结果表明,该算法求解结果准确、稳定,可重复操作,可以有效地提高标定精度,结果好于其他几种方法.     

粒子群优化算法在非线性模型预测控制中的研究应用

提出了一种基于粒子群优化算法(PSO)的非线性模型预测控制（NMPC）。作为NMPC重要组成的滚动优化部分对控制效果的好坏起着关键的作用,因而寻求一种可靠的优化算法十分必要。PSO算法是一种群集智能方法,通过粒子之间的合作与竞争及进化实现对多维复杂空间的高效搜索,属于一类随机全局优化技术,已成功应用于各科学和工程领域。本文在滚动优化部分应用粒子群优化算法来求解预测控制律,对非线性系统施加优化控制,此外,对常规线性递减加权因子ω策略进行了讨论,提出了非线性递减策略,可进一步缩短优化时间和优化精度。仿真实验效果良好,验证了这种优化算法的正确性和有效性。     

两种智能优化算法及其应用

遗传算法和蚁群算法是两种新型的寻优策略,遗传算法用于函数优化问题,蚁群算法用于求解非线形规划问题.建立通过相应的优化模型,并得出了实现的步骤,结果表明遗传算法具有简单、通用、鲁棒性强、适用于并行处理的特点.蚁群算法具有正反馈性、较强的鲁棒性、并行性以及易与其他方法结合的特性.     

GAAA算法在数据库多连接查询优化中的研究应用

数据库优化中多连接技术是目前研究的热点问题,对于一个复杂的查询,寻找一个优化策略是数据库系统开发成功的关键所在。将GAAA算法应用于数据库的多连接优化中,并进行仿真试验。试验结果表明,用GAAA算法解决数据库多连接优化问题,克服了两种算法各自的缺陷,通过寻找较好的算法连接点,取得了比较满意的效果。     

基于混沌猴群算法的结构有限元模型修正研究

有限元模型修正可转化为优化问题,基于此,将全局寻优算法--混沌猴群算法引入到有限元模型的修正中。利用响应面法,实现结构响应与待修正参数间非线性隐性关系的显式表达,基于最小残差原理,建立优化目标函数;利用混沌猴群算法求解该函数,得到修正后的结构有限元模型。以一个数值算例验证了该方法在结构有限元修正中应用的可行性。本文研究拓宽混沌猴群算法的应用范围,为有限元模型修正提供了一种新的思路。     

基于最优化流控的TCP拥塞控制改进算法Mreno

应用最优化流控理论,给出TCP Reno算法的一个对偶模型,把该模型与REM算法相结合,得到一个新的TCP网络拥塞控制算法(MReno),并对其进行模拟实验.结果表明,MReno算法可以使源端获得最大资源利用率,能够保证网络的整体优化,MReno算法比Reno算法有更好的公平性和稳定性.     

系统可靠性的多目标优化计算

由于多目标优化问题存在多个最优解集合，而传统的方法往往将其转化为各目标之加权和，然后采用单目标优化技术，这种方法存在诸多缺点和脆弱性，作为一种并行算法，遗传算法能很好地解决多目标优化问题，文中在非劣性分层遗传算法的基础上对遗传算子进行改进，首先获得多目标优化问题的非劣解，然后通过对系统进行敏感性分析，有效地缩小了问题的解空间．试验对比发现，算法的速度和精度得到有效提高。     

利用模型管理框架求解多目标优化问题

为了提高演化算法的效率，减少优化时间，提出一种多目标模型管理框架。利用该模型管理框架可以在整个寻优区域内建立比较精确的目标及约束的近似模型，从而避免了大量耗时的高精度分析计算。将该多目标模型管理框架与单纯形-多目标粒子群算法（SM-MOPSO）相结合，对某轻型飞机齿轮箱减速器进行多目标优化设计，使高精确分析计算的次数减少88％。该多目标模型管理框架及SM-MOPSO算法可用于求解大型、复杂的工程优化问题。