随机和认知混合不确定系统的全局灵敏度分析方法

为计算具有随机不确定性和认知不确定性的混合不确定系统灵敏度,提出一种基于证据理论和条件概率理论的全局灵敏度分析方法.用证据理论对认知不确定性变量进行表征,并提出两种基于证据理论的随机采样方法,包括一次随机抽样法和二次随机抽样法.运用条件概率理论,提出存在认知不确定性条件下混合不确定系统的Sobol'全局灵敏度指标,经过理论推导给出一阶灵敏度及总灵敏度的计算公式,并设置单循环的拟蒙特卡罗方法实现灵敏度的近似数值计算.开发了灵敏度分析程序,并给出了典型应用实例.实例表明,新方法的分析结果正确,计算工作量可控.     

模糊稳健优化设计中的神经网络技术

由于模糊稳健设计中的准则函数和约束函数是随机性可控因素与不可控因素的函数,其概率密度函数的表达式难以确定,故在优化设计中采用随机模拟方法.但采用遗传算法进行优化计算时,随机模拟消耗的机时很大,优化计算效率极低.为此,采用BP神经网络对模糊随机函数进行逼近,探讨了神经网络的构造与程序实现方法;用插装式溢流阀调压弹簧的模糊稳健优化设计问题进行了数值仿真与验证.实例表明,BP神经网络的仿真精度可以达到工程优化问题的要求,把遗传算法与神经网络技术相结合,可以有效地求解模糊稳健设计等复杂优化设计问题.     

汽车空气阻力分析

汽车车速的提高受到许多因素的制约。根据汽车空气动力学的原理 ,汽车行驶时的空气阻力Fx 是一个不可忽视的关键因素 ,并且Fx 的影响因素也是多方面的。为了提高汽车的行车速度v,从汽车空气阻力Fx 的影响因素出发 ,分汽车迎风面积A和空气阻力系数CD 两个方面 ,说明了降低汽车空气阻力Fx 与提高车速v的理论基础。并引用具体事例及试验数据 ,对汽车车身结构设计 (分前部、中部、后部 )进行了分析改进 ,以期探讨降低汽车空气阻力的措施和方法 ,从而达到提高车速的目的     

蚂蚁算法及其在机械优化设计中的应用

在蚂蚁算法基本原理的基础上,通过引入蚁群更新、沿途搜索等策略,对算法进行了改进. 用C语言设计了蚂蚁算法程序,通过典型优化设计问题进行了验证,并给出了机械优化设计实例. 实例表明,改进后的蚂蚁算法全局收敛能力强,程序运行可靠.     

基于证据理论的结构失效概率计算方法

提出了一种基于证据理论的失效概率P_f计算方法.对于具有n个随机影响因素的工程结构,定义结构失效的命题为F.把每个随机变量的样本空间等分成有限个子区间,确定每个子区间的基本可信度分配（BPA）.用Dempster法则对n个随机因素的BPA进行合成,然后求得F的信度Bel（F）和似真度Pl（F）.用Bel（F）和Pl（F）的平均值作为失效概率P_f的近似估计.数值验证表明,用该方法计算P_f可达到满意的精度.用所提出的方法计算四方形混凝土基础的失效概率,计算结果验证了该方法的正确性和有效性.     

混沌遗传优化算法及其程序研制

为了解决传统遗传算法的早熟问题，首首提出了混沌移民算子。利用混沌迭代的遍历性和内在随机性，通过混沌移民操作可克服传统遗传 的近亲繁殖问题，确保算法的全局收敛性。用MATLAB语言研制了混沌遗传优化算法软件ChGA1.0；数值计算表明，该算法的全局收敛性及算法本身的鲁棒性好，适应于求解连续变量的无约束及有约束优化设计问题，具有工程实用价值。     

CAPP中的模糊工艺知识表达方法研究

模糊知识表达是模糊信息处理的关键环节之一，针对CAPP中工艺知识的模糊性问题，提出将工艺知识划分为精确数值型、模糊数值型、精确符号型和模糊符号型四种类型，分析了各种模糊工艺知识的主要特征，并采用模糊集合及其隶属函数对其进行描述和表达，在此基础上，深入讨论了采用模糊关系、模糊规则和模糊框架表达复杂工艺知识的原理和方法，给出了具体的表达实例。     

齿轮传动耐磨损模糊可靠性分析与计算

在阐述齿轮传动磨损可靠性设计的基础上,分析和讨论了齿轮传动中磨粒磨损过程的模糊性特点,给出了模糊可靠度的计算公式。通过例题解答,对常规可靠度与模糊可靠度两种计算结果进行了对比分析。因此,在齿轮传动设计时,对零件和的磨粒磨损可靠性设计,具有广泛的灵活性和适用性。     

汽车离合器拉式腊片弹簧结构参数多目标优化设计

通过对拉式膜片弹簧载荷－变形特性和应力－变形特性的综合分析,考虑各种约束条件,提出一种新的多目标优化设计数学模型,该模型可以摩擦片磨损前后离合器后备系数和离合器分离力的变化较小,模型的求解采用多目标优化设计的理想点法。设计实例表明,模型建立合理,具有实用意义。     

Sensitivity Analysis for Epistemic Uncertain System Based on Sobol' Method

Considering the characteristics of sensitivity analysis in epistemic uncertain system,a new sensitivity analysis index based on Sobol' method was proposed. Then the index calculation method with single cycle Monte-Carlo sampling was studied, and an application was developed. Numerical examples show that,the new method could solve the system sensitivity analysis problem with mixed aleotory and epistemic uncertainties. In this method,aleotory uncertain parameters could be sampled randomly according their distributions, and need not be translated to evidence bodies.Epistemic uncertain parameters were sampled randomly based on evidence theory. Therefore the loss of information in the sampling process was small,and the shortcomings of the existing methods were overcome.