原点反共振振动机振幅可靠性分析

分析了原点反共振振动机的原理,以此为基础推导出原点反共振振动机上下质体稳态振幅的表达式.提出了反共振振动机可靠性及可靠激振频率区间的概念,分析了由于加工、安装等误差造成的反共振振动机各元件参数的随机性.基于随机摄动法,对反共振振动机的振幅响应进行可靠性分析,对振幅的稳定性条件进行量化,从而获得反共振振动机械可靠工作的激振频率区间,为验证原点反共振振动机参数选择的合理性及寻求可靠工作的激振频率区间提供了一种有效方法.最后进行了算例仿真.     

单质体反共振隔振振动机械的理论及应用

将动力反共振原理DAVI应用于振动机械,提出一种新型反共振隔振振动机械,即单质体反共振隔振振动机.利用Lagrange方程建立了该振动机械的数学模型,推导了传递率的表达式,并给出了配重对筛机振幅的影响及该种振动机动力学参数的选择计算方法.通过计算机仿真和模型试验证明了这种振动机的隔振效果优于一次隔振,接近二次隔振.通过合理选择动力学参数,振幅减小量几乎可以忽略不计,振幅的减小还可以通过适当增加激振力得到补偿.     

反共振振动机械的理论及应用

把机械网络中的反共振理论应用于振动利用工程，提出了三种新型反共振振动机械，从共振角度阐明了它们的工作原理，并用机械阻抗方法分别对这三种振动机械进行了动态分析，针对反共振振动机共同存在的工作点不稳定问题，提出了用微机实现振幅定值控制的解决办法。     

基于双层自适应遗传算法的机器人参数辨识

激励轨迹的选取和优化是机器人动力学参数辨识的重要基础。为了提高机器人动力学参数的辨识精度，本文以SCARA机器人为研究对象，设计了基于双层自适应遗传算法的机器人激励轨迹优化方案。运用Newton-Euler法建立了机器人的动力学模型，并对机器人的动力学模型进行线性分离，得到了机器人的最小惯性参数集和对应的观测矩阵。分析机器人的参数辨识方程，确定了观测矩阵条件数最小的优化目标。针对传统遗传算法进行改进，提出了双层自适应机制，提升了算法的全局搜索能力和搜索效率。最后利用MATLAB和ADAMS进行联合仿真实验，使用递推最小二乘法计算机器人的最小惯性参数集。实验结果表明，使用改进的双层自适应遗传算法得到的激励轨迹可以保证机器人动力学参数的辨识精度。     

多模块构架式空间可展开天线结构参数优化

为降低卫星天线的发射成本,提高天线的展开刚度,以多模块构架式空间可展开天线结构的质量和1阶固有频率为目标函数,基于误差反向传播（BP）神经网络和遗传算法对天线的结构参数进行了优化.运用ANSYS软件对支撑桁架的结构参数进行了数值模拟,得到了与设计变量对应的目标函数值;通过正交试验设计,构建了用于神经网络训练和检验的样本集;按照BP算法的基本思想,调整网络模型的参数,建立了用于优化的预测模型;采用分目标乘除法,将多目标优化问题转变成单目标优化问题;采用遗传算法进行了优化分析,得到了支撑桁架各杆件的设计参数.结果表明：该优化方法在降低天线质量的同时,使结构的刚度得到了提高,为天线的结构设计提供了参考.     

应用混合优化算法求解一类热传导反问题

热传导反问题具有非线性,不适定性等特点,研究方法很多,但通常方法很难较好地接近全局最优.在遗传算法的基础上,研究了基于遗传算法+梯度法的混合优化算法求解一类热传导反问题.具体介绍依据目标函数如何利用上述的算法寻找最优参数组合.进行了大量仿真实验,结果显示在解决热传导反问题优化问题中,混合优化算法性能优越,具有良好的收敛性和快速性.     

基于遗传算法的骨肿瘤分类方法研究

为了更好地利用骨肿瘤分形参数集对骨肿瘤进行模式判别，将基于连续变量的遗传算法和相应的交叉与变异算子应用于骨肿瘤的模式分类中。针对该算法在实验中出现的振荡及不收敛问题，相应采用了自适应技术加以改进。通过对比改进前后遗传算法的精度和速度，证明了改进后的自适应遗传算法稳健性能好，运算速度快。利用该算法，可根据分形参数模式集对骨肿瘤进行有效的分类，达到了预期的目标。     

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.     

基于遗传算法的纯电动轿车动力总成参数优化

基于动力传动系部件参数对纯电动轿车性能的影响，利用遗传算法对纯电动轿车动力传动系的主要部件进行了优化；所有部件的模型均基于实际配置的纯电动轿车(QREV)动力传动系台架试验的试验数据．优化结果与传统优化算法结果相比表明，本文提出的算法是有效的，能够提高纯电动轿车的性能．该算法已应用于实车动力传动系的参数设计．     

基于文化算法的认知无线电优化研究

提出了基于文化算法的认知无线电优化方法,以通断键控系统为例设计了待优化的多目标参数,利用文化算法的指导空间概念,加快目标参数优化速度。计算机仿真结果表明文化算法的收敛速度明显优于遗传算法,在进化代数明显少于遗传算法的情况下获得近似遗传算法的优化结果,这一特性适合于对实时性要求较高的认知无线电优化。     

一种由种群发育约束个体变异的鲁棒遗传算法

提出用种群发育停滞代数对变异概率和变异位数进行动态控制的改进遗传算法。该算法把种群没有更优个体产生看作种群发育停滞 ,将种群发育停滞代数定义为当前繁殖代序号与已得最优解的繁殖代序号之差 ;变异参数 (包括变异概率、变异位数 )初值与标准遗传算法 (SGA)相近 ;随着发育停滞代数的增长 ,增大变异参数 ;当有更优个体产生时 ,变异参数恢复到初值 ,种群发育停滞代数置 0 ;随种群发育停滞代数再次增长 ,变异参数再次增大 ,如此反复 ,直至算法结束。该算法在保持局部搜索能力的同时 ,提高了全局搜索能力及速度。用两个多极值函数(Camel函数、Shaffer’sF6函数 )对该算法进行测试 ,结果表明 ,与SGA及自适应遗传算法相比 ,该方法以相当强的鲁棒性收敛到全局最优解 ,且具有较高的收敛速度     

超声衰减谱法颗粒粒径测量中遗传算法参数优化

在超声衰减谱法测量颗粒粒径分布的反问题求解中,反演算法至关重要,遗传算法作为一种全局最优化算法,其参数优化对于颗粒粒径分布反演效果极其关键.从最大代数、种群尺度、交叉和变异概率等参数优化角度,对于服从3种典型分布函数的颗粒系进行数值模拟.研究发现,当最大代数为300、种群尺度为60、交叉概率范围为0.4~0.85、变异概率为0.045~0.08时,获得的反演结果与设定值较吻合.在此优化参数下的数值算例和对两种玻璃微珠-甘油悬浮液样品的实验超声衰减谱反演,进一步验证了此优化参数下遗传算法具有较好的稳定性和抗噪性.     

一种基于凸包稀疏化与遗传算法优化的SVM算法

SVM(support vector machine)算法求解支持向量的过程涉及到N阶矩阵的计算,N为样本的个数,当样本数量很大时,高阶矩阵的计算将需要消耗大量运算时间;同时,SVM模型性能依赖于惩罚参数与核参数的优化,传统的循环验证参数优化法,时间复杂度高.为了解决上面两方面的问题,笔者采用凸包算法对训练样本进行稀疏化,同时通过遗传算法优化选择惩罚参数与核参数,提出了一种高性能的SVM模型训练算法.     

基于改进自适应遗传算法的层合板铺层顺序优化方法

针对复合材料层合板的铺层顺序优化,设计随适应度自适应变化的变异算子和交叉算子,提出了一种改进的自适应遗传算法。通过铺层顺序优化算例证明:与标准遗传算法相比,改进的自适应遗传算法在组合优化方面具有更好的稳定性、收敛性和运行效率。针对不同的设计变量个数,变异算子和交叉算子应选取不同的参数;当设计变量较多时,自适应遗传算法选取P_(c1)=0.9,P_(c2)=0.6,P_(m1)=0.19,P_(m2)=0.01具有更优的收敛效率。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

一种联合优化算法及其在混沌时间序列预测中的应用

为了提高混沌时间序列预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种基于遗传算法的混沌时间序列参数联合优化方法.该方法首先将相空间重构和预测模型参数作为遗传算法的个体,混沌时间序列预测精度作为适应度函数,通过选择、交叉和变异等遗传操作获得最优参数,最后利用混沌时间序列实例对联合优化方法进行验证性测试.实验结果表明:相对于传统参数优化方法,联合优化方法大幅度提高混沌时间序列的预测精度,为混沌时间序列预测提供一种新的思路.     

基于均匀设计的遗传算法参数设定

在应用遗传算法进行优化计算时,各操作参数既有各自的功能又相互作用,彼此关系较为复杂,而各参数设定的好坏直接影响算法的性能,所以,各参数的设定是应用遗传算法进行寻优计算的重要问题·通过对遗传算法各操作参数作用与意义的分析,认为可以将遗传算法的参数设定描述为一个多因素多水平优化设计问题·为使遗传算法在应用中发挥最佳的寻优性能,同时考虑到参数设定方法的可行性,提出应用解决多因素多水平优化设计问题的均匀设计方法设定遗传算法的操作参数,实例应用仿真结果验证了这种方法的可行性、有效性·     

改进的遗传算法用于离心叶轮优化设计

为了防止遗传算法中过早收敛引起的算法失效,提出了一种改进的遗传算法,来研究离心叶轮的形状优化问题,在计算过程中,增加了一个自适应算子,来不断调节个体变异概率,以保证搜索的全局性和种群的多样性,同时为了不引入过多的边界参数,采用B样条曲线对边界进行描述,最后,对一个数学算例和某离心叶轮进行了计算,给出了最终的优化结果和收敛情况,计算结果表明,改进的遗传算法能够很好地适应于各种应力约束和几何约束,并可得到形状优化的最优解,验证了该方法的合理性和正确性。     

基于遗传算法的管材矫直优化

针对管材矫直质量问题,利用单向弯曲的方式,建立了矫直过程的力学模型,提出了优化的目标函数,建立遗传算法模型对矫直工艺参数进行了优化,得出了合理的工艺参数值.将该工艺参数值用于实际加工中,能显著提高管材的矫直质量.