梯度功能材料的优化设计及发展

梯度功能材料是 2 0世纪 80年代出现的一种新型功能材料 ,具有许多优良性能 ,因此 ,得到广泛应用。该文论述了梯度功能材料的优化设计与制备方法 ,其设计思想是通过 2种或 2种以上性质不同的材料 ,连续改变其组成、组织、结构与空隙等要素 ,使其内部界面消失 ,得到可应用于高温环境下新型功能材料。目前 ,该材料的发展已突破耐高温材料的领域 ,并向能源、化工、光学、电学及生物医学工程等领域发展与应用     

梯度极小曲面点阵结构力学特性研究

基于螺旋(Gyroid)型极小曲面点阵结构,设计包括两种线性渐变和两种矩阵渐变的四种梯度结构,通过实验及有限元分析方法分析了梯度设计对Gyroid型极小曲面点阵结构力学特性的影响．结果表明：通过激光选区熔化制备的样品致密度均在98%以上,具有极高的制备精度和可重复性;压缩实验表明四种梯度结构的变形过程一致,均是结构整体坍塌;与均匀结构对比,梯度结构的弹性模量提高了10%,10%-20%-10%梯度设计结构的累计能量吸收值最大．此外,对结构进行了有限元仿真,结果表明压缩过程中应力集中发生在转角处．     

基于遗传算法轴对称梯度功能材料优化设计

基于计算数学理论与热弹性原理, 针对环状截面梯度功能材料(FGM)提出了热应力分布公式.以沿坐标轴的最大热应力达到最小为目标,建立了轴对称FGM多目标优化模型. 应用遗传算法实现了优化设计, 获得了稳态温度场下环状截面FGM的最佳材料分布参数.     

BP神经网络对功能梯度材料变形的预测

本文讨论利用神经网络对功能梯度材料的变形进行预测,并与实际结果比较,希望在工程实际应用中,提供功能梯度材料力学分析的新方法。     

基于梯度源的功能梯度材料表示方法

功能梯度材料实体建模过程中,需要对材料成分方程系数进行不断修改以满足设计要求.为了方便直观地设计功能梯度材料实体内的材料分布,采用基于梯度源的材料表示方法直接改变材料成分方程系数,并且结合材料成分方程函数图像选择材料成分方程系数.建模过程采用均质层逼近梯度层的离散方法.为统一描述梯度方向,证明了梯度变化方向转换的可行性,并给出了设计实例.     

基于机器学习的飞机起落架着陆载荷预测模型

随着物联网、大数据技术的深入发展,一型装备交付部队的同时,往往需同步提供数字孪生模型以优化视情维护过程。论文基于某型号飞机试飞数据,提出一种将机器学习技术用于飞机起落架着陆载荷预测模型构建的方法。以某型号飞机飞行参数为输入,以传感器实测的左起落架垂向载荷为输出,经数据清洗和特征降维后,分别建立极端梯度提升（extreme gradient boosting, XGBoost）、随机森林（Random Forest）和多层前馈（back propagation, BP）神经网络模型,并对所建模型进行调优。经对比和评估,XGBoost模型具有最高的预测精度,对起落架载荷绝大多数样本的预测误差均保持在6%以内,同时建模时间少,泛化能力强,为起落架载荷预测最优模型。     

梯度功能材料的研究进展

介绍了梯度功能材料的概念和开发背景,着重论述了梯度功能材料设计、制备与性能评价方面的研究现状与应用前景.     

基于梯度提升树模型的网络优惠券使用预测

互联网与实体经济融合发展背景下,网络优惠券往往承担了提升用户体验、促进再次消费的重要功能。构建梯度提升树、随机森林等模型,预测网络优惠券使用行为;并对影响因素的重要性进行排序。结果表明:梯度提升树算法的五折交叉验证平均测试精度、曲线下面积值分别为0. 804与0. 886,高于随机森林与单棵决策树算法。优惠券折扣率对于用户使用优惠券行为起着决定性影响,用户经常活动的地点离该商户最近门店的距离、领取优惠券时间等特征对用户使用优惠券行为具有重要影响。     

运用最小耗能原理对梯度材料强度准则的探讨

通过最小耗能原理以及连续介质力学的函数的三个不变量的表示,推导出梯度材料的强度准则。新的准则只需要由简单的实验确定其系数,就能用于梯度材料复杂应力状态下的强度计算。并为梯度材料的优化设计提供强度方面的依据。     

功能梯度涂层材料的研究进展

功能梯度材料(FGM)是一种新型的复合材料,文章综述了其特征和性能及其热——机械理论分析的研究进展,其中包括一维稳态温度场的精确解、动态热载作用下的复合材料层合板模型、热载作用下的裂纹问题。并综述了功能梯度材料目前常采用的一些制备方法及使用情况,其中包括火花等离子烧结技术、粉末冶金法及离子结构工艺等,从而预见其具有很好的发展前途。     

基于机器学习的汽油精制工艺操作方法优化

降低辛烷值损失是石化企业催化裂化汽油脱硫精制工艺过程中的重要目标之一。针对该工艺过程中控制变量维度高且存在非线性和强耦联性等问题,研究利用皮尔森、斯皮尔曼、最大信息系数三种方法,对操作变量进行相关性分析及特征降维,选取与辛烷值损失强相关的21个主要变量,建立了基于XGBoost辛烷值损失预测模型,交叉验证平均准确率达96.54%;然后,提出以硫含量不大于5 ug/g 为约束的工艺操作方法优化模型实现辛烷值损失最小,并通过遗传算法-聚类递归的方法进行求解,确定主要变量取值。以133号样本为例的模型可视化结果表明,所提出的优化模型可以在主要变量逐步调整过程中实现硫含量降至最低点,辛烷值损失接近最小。这既验证了模型的有效性和可移植性,也为汽油精制工艺提供了量化科学优化支撑。     

功能梯度材料拓扑优化研究

改进了传统的双向渐进拓扑优化(BESO)方法,引入了新的增删单元准则,结合梯度单元法成功地对功能梯度材料进行了拓扑优化,对今后进一步的发展作了展望。     

基于机器学习的超高性能混凝土成本优化

近年来,超高性能混凝土（UHPC）凭借其优异的力学性能和耐久性能成为热点研究方向之一,但高昂的成本始终限制其在工程中的应用。提出了一种基于机器学习的超高性能混凝土配合比优化的方法,以降低UHPC的成本。为实现这一目标,首先通过人工神经网络（ANN）建立了UHPC 28 d抗压强度与扩展度的预测模型,再以其为约束条件,同时考虑UHPC组分含量约束、组分比例约束,通过遗传算法（GA）降低UHPC的成本。研究结果表明,ANN模型的预测结果与实验结果的误差在10 %以内,具有良好的预测精度;遗传算法优化后的UHPC成本降低至838.8美元,低于文献中1 000美元的成本。     

基于序列二次规划法的筷子机优化设计

设计的消毒筷子机,用于食堂或餐馆对筷子的卫生消毒。通过对三套方案的综合分析与比较,选择了一种较佳的机构布置方式;建立了关于机构关键点位置参数的结构最紧凑问题的数学模型;基于序列二次规划法,利用MATLAB的优化工具箱求出了一组较优解。根据设计的方案,试制了物理样机,机器能够实现规定的动作和功能,设备的主要特点是制造成本低、使用方便。该创新设计对改善生活品质有实用价值。     

基于Matlab优化工具箱函数的已知连杆长度及其两相对位置尺寸的曲柄摇杆机构优化设计

文章利用复数矢量法建立了曲柄摇杆机构的优化设计目标函数,分析了曲柄摇杆机构存在的约束条件,并利用MATLAB工具箱优化函数对已知连杆长度及其两相对位置尺寸的曲柄摇杆机构进行了优化设计。     

基于机器学习的再生混凝土配合比设计方法

再生混凝土技术是实现建筑垃圾资源化利用的有效途径. 通过收集再生混凝土氯离子侵蚀试验和碳化试验的数据，将材料信息和试验环境信息作为输入参数，采用电通量和碳化深度分别量化再生混凝土的抗氯离子侵蚀和抗碳化性能，基于机器学习方法构建再生混凝土的耐久性能预测模型，在此基础上以强度、耐久性和成本作为优化目标，结合 NSGA-Ⅱ算法和优劣解距离法提出再生混凝土配合比优化设计方法. 结果表明：梯度提升树模型可以较好地预测再生混凝土的抗氯离子侵蚀性能，高斯过程回归模型则对再生混凝土抗碳化性能预测表现较好；采用提出的配合比优化设计方法获得了满足耐久性和力学性能要求的低成本再生混凝土配合比建议值，可用于指导施工配合比设计.     

求解多目标优化问题的改进遗传机器学习方法

将遗传算法与机器学习相结合, 在分类器系统的基础上, 引入增强因子、 排挤因子、 合并因子等改进因子, 完善信度分配机制, 提出了改进的遗传机器学习方法. 并将算法应用于投资的收益与风险双目标优化模型, 数值结果表明, 改进算法能够寻求到数量更多、 分布更广的Pareto最优解, 并且具有较好的稳定性, 避免了非成熟收敛.     

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.     

基于遗传算法的数控机床主轴优化设方法

通过分析主轴的结构和加工过程中的受载变形情况,建立了主轴优化设计的数学模型.针对传统优化设计方法在解决主轴优化设计中出现的问题,引入遗传算法,应用实数编码规则和改进的遗传算子对数控机床主轴进行优化设计.在VC++平台上,利用C++语言构建基于遗传算法的数控机床主轴优化设计系统.通过实例设计及结果分析,验证了应用基于遗传...