基于模态分析的输电塔结构优化模型

选取常见的干字型角钢塔,提出一种新型的基于模态分析输电塔结构优化模型。构建参数化输电塔结构有限元模型,采用拉丁超立方抽样方法进行高效抽样,将样本空间进行均匀划分,再对样本空间抽样,规避了Monte Carlo法样本空间低效重复抽样的缺点,有效提高Monte Carlo随机有限元法的运算效率;分别采用线性回归,纯二次回归,交叉回归及完全二次回归公式优化输电塔结构,通过线性回归残差分析,并综合考虑相关系数R2、F值、P值及评估误差E,选用完全二次回归模型构造输电塔随机输入变量与各随机输出变量之间的数学关系;分别采用模拟退火算法与遗传算法对模型进行优化,优化结果表明：两种算法均能实现全局搜索,规避优化过程中局部最小点;遗传算法的优势更为明显,收敛速度快,计算耗时短,并且目标函数的优化结果较模拟退火算法更优;与输电塔原始结构相比,遗传算法和模拟退火算法优化后的输电塔耗材总体积分别降低19.97%和19.96%,较为接近;经遗传算法优化后的输电塔优化结构五阶固有频率与一阶固有频率的差值是原设计的138.1%,模拟退火算法优化后的结果为113.7%,经遗传算法优化后的输电塔优化结构更好。     

多机器人组合最大覆盖面积寻优及预测方法

针对多机器人协同情况下最大覆盖面积的最优控制问题,提出了一种遵循叠加原则和强度径向衰减圆盘模型的多机器人组合有效覆盖面积估计、寻优、预测方法。使用蒙特卡罗法对机器人组合的有效覆盖面积值进行估算;使用多种群遗传算法得出组合的最大有效覆盖面积;使用支持向量回归机预测机器人个数与最大有效覆盖面积之间的关系。针对寻优以及预测结果进行了仿真实验,结果表明：在目标函数复杂和训练样本数少的情况下该方法具有良好的寻优和预测性能。