基于预应力模态综合法的失谐叶片减振优化

为了降低失谐导致的叶盘系统的振动局部化程度,以预应力模态综合法建立航空发动机压气机叶盘系统有限元缩减模型,计算了不同模态截断数下的固有频率,通过对比分析获得了在满足计算精度前提下的最小模态截断数,缩减了整体模型的自由度数.在该缩减模型的基础上提出一种叶片减振排布优化算法,该算法每次迭代计算时只生成叶片位置发生变化的子结构,而其他叶片的数据文件不动.结果表明,该优化算法兼顾了模型精度和计算速度,能大大降低叶片振动幅值,使叶盘系统振动局部化程度明显降低.     

基于退火单亲遗传算法的压气机叶片排序算法

提出了一种利用退火单亲遗传算法对压气机叶片按设计要求进行排序的算法.退火单亲遗传算法不仅引入两代竞争模拟退火选择操作,同时将倒位算子和插入算子相结合,并加入保优操作,使搜索效率、收敛速度都得蛰大幅提高.     

干摩擦阻尼结构对失谐叶盘振动局部化的约束作用

为了研究干摩擦阻尼结构对失谐叶盘系统振动局部化的影响,采用能够复现局部微动滑移特征的三维微滑移干摩擦模型和抗混叠时频域融合算法,对含干摩擦阻尼结构的失谐叶盘系统进行了强迫振动的计算模拟。比较了考虑围带处干摩擦阻尼和未考虑干摩擦阻尼时叶片振动响应的变化及局部化因子的大小,并研究了干摩擦阻尼参数在失谐叶盘系统减振控制中的影响规律。计算结果表明:干摩擦阻尼结构可降低失谐叶盘系统振动响应的局部化程度,叶片间的摩擦约束力完全不同,每支叶片所对应的最优初始正压力及最优摩擦系数均不相同。由于干摩擦阻尼结构对失谐叶盘中每支叶片的减振效果存在差异,在进行失谐叶盘系统减振设计时需考虑摩擦控制参数与各个叶片之间的匹配问题。     

榫连接结构叶片盘振动特性研究及验证

针对航空发动机榫连接结构叶片盘振动特性分析时,采用一体化处理建模方法导致计算精度降低的问题,开展了榫连接结构叶片盘振动特性研究.提出了一种考虑榫连接刚度的叶片盘建模方法,以燃气涡轮叶片盘对象,采用上述方法完成了考虑榫连接刚度的燃气涡轮叶片盘建模,在此基础上进行了叶片盘振动分析并开展了动应力试验验证.结果表明:采用考虑榫连接刚度的叶片盘模型得到的叶片共振转速计算精度在6％以内,相比于榫连接结构一体化的叶片盘模型,得到的共振转速计算精度提高50％.研究工作可为航空发动机叶片盘振动设计提供指导.     

一种混合粒子群优化算法在TSP中的应用

针对TSP,提出一种混合粒子群优化算法IHPSO,将种群划分成若干子种群,在子种群内部实施遗传策略。算法在PSO-GA的基础上,引入克隆免疫机制,通过计算粒子间的亲和度来进行复制和变异,从而保留最佳粒子和改进较差粒子。算法中设计了克隆算子、交叉算子、自适应变异算子和抗体重组算子等4个算子。通过实验比较,用所提出的混合粒子群优化算法求解TSP在收敛速度、全局搜索能力和最优解结果上都较优。     

失谐叶盘结构减振问题研究综述

叶盘结构是航空发动机、燃气轮机的重要零部件,在工程实际中应用广泛。失谐普遍存在于叶盘结构中,并且会破坏叶盘系统原有的振动特性,是导致叶盘高周疲劳失效的原因之一,因此研究如何降低叶盘结构振动是非常有必要的。在梳理国内外相关研究的基础上,介绍了叶盘结构失谐振动的机理,归纳了失谐叶盘系统减振的主要技术方法,如人为主动失谐、碰撞阻尼、摩擦阻尼、优化叶片安装排序减振等,提出了今后的一些研究方向。     

一种改进的粒子群优化算法

粒子群优化算法是一种基于仿生技术的启发式算法,针对粒子群优化算法存在易早熟现象,提出一种改进的粒子群优化算法.该算法给出了一种新的变异算子,该算子具有一定探索和开发能力,从而避免算法陷入局部最优.基于新变异算子给出一个新的粒子位置更新公式.根据系统稳定性理论,推出了算法的参数设置区域.最后,通过标准测试函数的性能测试,验证了改进粒子群优化算法收敛速度和求解精度.实验结果表明,该算法具有较好的收敛速度和求解精度.     

求解线性顺序问题的离散粒子群算法

提出一种优化线性顺序问题的简便的离散粒子群算法.该算法无需交换、交叉、变异、插入、删除等算子,仅需在每个粒子中存储每个元素在其解排列中的位置,而不是排列本身.将这些位置看成可以左右移动的,即每个粒子的速度是由其元素位置左右移动形成的,并用连续型的粒子群算法更新每个元素在其排列中的位置,然后用排序的方式确定各元素在排列中的相对位置即可.将该算法同基于交换算子的粒子群算法在标准线性顺序问题实例测试集LOLIB上进行比较,结果表明该算法具有强大的优势.     

风电叶片全尺度静力试验加载力布置优化

静力试验是风电叶片全尺度检测的必备环节,为了提高试验中弯矩分布精度,基于引入叶片自重的弯矩计算模型,提出了一种用于加载力布置的变参型粒子群优化算法。首先,研究了不同加载点数加载力布置的弯矩分布特性,结果表明弯矩分布精度与加载点数正相关,且对加载位置极其敏感。其次,通过动态更新学习因子和惯性权重,并引入概率0. 2的粒子变异,改进了粒子群算法,提高了算法收敛性和搜索平衡性,尤其提高了叶片叶根和过渡区的弯矩分布精度。最后,基于上述理论开发了一套静力试验加载力布置软件,取得了很好的工程应用效果。     

带自适应遗传算子的粒子群神经网络及其应用

为解决神经网络训练中易出现的收敛速度缓慢、陷入局部极小点等问题,提出了一种新的带自适应遗传算子的粒子群神经网络训练算法,通过概率控制,在利用粒子群算法优化神经网络的同时,自适应地对备选粒子进行选择、交叉、变异等遗传操作,最后将算法应用于汽车发动机故障诊断神经网络模型的训练.试验结果显示,本算法继承了遗传算法全局搜索和粒...     

一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

基于遗传粒子群的图像融合算法及应用

为改善传统图像融合方法对细节信息的丢失,提出了一种基于遗传粒子群算法（geneticalgorithmofparticleswarmoptimization,GAPSO）的图像融合方法,该算法应用于像素级的图像融合,使图像融合问题归结为最优化问题．该算法结合遗传算法和粒子群算法的优点,对标准粒子群算法进行了改进,将交叉与变异算子引入到标准粒子群算法,提高了该算法的收敛性能和全局求解能力．实验结果表明,该算法获得的评价指标都优于遗传算法和PSO算法,且融合图像较好地从源图像中提取了有用信息,提高了融合质量．     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

离散粒子群优化在垂直分层空时系统检测中的应用

为了改善垂直分层空时系统串行干扰抵消算法的性能,提出了一种离散粒子群检测算法(DPSO-DA).该算法将垂直分层空时系统中的最优检测视为组合优化问题,根据最大似然检测公式构造DPSO算法的适应度函数,利用DPSO算法来解决该组合优化问题,从而寻找最优解.针对DPSO-DA 有可能出现早熟现象,进一步提出了一种混合离散粒子群检测算法 (HDPSO-DA).HDPSO-DA 对 DPSO-DA 的进化方程进行了重新设计,在搜索中以一定变异概率对选中的粒子进行变异,进一步改善了DPSO-DA的性能.理论分析和仿真结果表明,当误码率为10-3时,与基于最小均方误差准则的串行干扰抵消算法相比,DPSO-DA 和 HDPSO-DA 可获得约3dB 和 5dB的增益,且具有更低的复杂度.     

Modified binary particle swarm optimization

This paper presents a modified binary particle swarm optimization （BPSO） which adopts concepts of the genotype-phenotype representation and the mutation operator of genetic algorithms. Its main feature is that the BPSO can be treated as a continuous PSO. The proposed BPSO algorithm is tested on various benchmark functions, and its performance is compared with that of the original BPSO. Experimental results show that the modified BPSO outperforms the original BPSO algorithm.     

Modified binary particle swam optimization

This paper presents a modified binary particle swarm optimization(BPSO)which adopts concepts of the genotype-phenotype rep-resentation and the mutation operator of genetic algorithms.Its main feature is that the BPSO can be treated as a continuous PSO.The proposed BPSO algorithm is tested on various benchmark functions,and its performance is compared with that of the original BPSO.Experimental results show that the modified BPSO outperforms the original BPSO algorithm.     

带非均匀动态变异的改进粒子群优化方法

针对基本粒子群(PSO)算法在前期收敛速度较快和搜索精度差的缺陷,提出了一种带非均匀动态变异的改进粒子群优化方法.该方法通过引入非均匀动态变异算子不但克服了粒子群算法在后期易陷入局部最优的缺陷,而且极大地增强了群体的多样性,进而提高了算法的搜索效率.最后,通过两个复杂多峰函数的计算仿真,其结果表明该方法是非常有效的.     

基于协同进化粒子群算法的无线传感器网络节能优化覆盖算法

针对当前无线传感器网络覆盖算法存在能耗较高、节点大量冗余的缺陷,提出一种基于协同进化粒子群算法的WSN节能优化覆盖算法.以WSN的网络覆盖率、剩余能量和冗余程度为优化目标,建立粒子群优化模型.采用遗传算法的交叉变异算子,加强算法寻优能力.仿真结果表明,新的算法在提高能量利用效率的同时维护了良好的网络覆盖率,有效延长了网络生命周期,达到了节能优化覆盖的目标.     

无资源约束MLLS问题的三种求解算法效果比较

用于求解无资源约束多级生产批量计划(UMLLS)问题的算法包括混合粒子群(HPSO)算法、混合分散搜索算法(HSS)和带排斥算子的遗传算法(RGA).为了研究各算法对问题的适用性,对于上述三种算法的求解效果采用标准测试集进行了较全面的测试和比较,给出了针对不同规模无资源约束生产批量计划问题的算法选择方案.测试结果显示:对于小规模和中规模问题,HSS算法的效果更好;对于大规模问题,HPSO算法的性能更优越.