密封条结构参数优化设计方法

为了对轿车车门密封条结构参数进行优化设计，采用遗传算法和神经网络相结合的策略，首先利用神经网络建立密封条结构设计参数与压缩负荷、应力等的非线性全局映射关系，获得求解结构优化问题所需的目标函数，然后用遗传算法进行优胜劣汰的寻优搜索运算，求出最优解。优化结果表明，椭圆形结构在壁厚为1．5mm、高度为20mm时，压缩负荷和应力能达到目标函数要求。压缩负荷和应力的优化结果与理论计算值的误差分别为7．4％、9％，因此，利用神经网络和遗传算法进行结构参数优化的方法是可行的。     

特征值逆问题求解的遗传算法-神经网络方法研究

研究了基于遗传算法-神经网络集成的特征值反问题求解模型。将问题归结为一个求结构重量最轻并受频率约束的结构优化问题,利用人工神经网络作为结构近似分析器,可获得不同结构尺寸下的结构响应值;利用遗传算法作为寻优工具,可直接利用神经网络提供的离散数值,搜索效率高,获得全局最优解的概率大。数值例子表明了该方法的有效性。     

基于动态径向基函数代理模型的优化策略

针对飞行器多学科设计优化中传统的静态代理模型方法全局近似精度难以保证与计算效率较低的问题,提出一种基于动态径向基函数代理模型的优化策略.通过Maximin拉丁超方计算试验设计在设计空间中选择初始样本点,构造径向基函数代理模型,并通过全局优化算法对当前代理模型进行优化获得原优化问题的可能最优解,根据已知信息构造重点采样空间,在优化过程中逐步更新重点采样空间并在其内部增加样本点,并更新代理模型以提高代理模型在全局最优解附近的近似精度,直至优化迭代收敛.将本优化策略应用于数学测试算例和NASA减速器优化设计中,优化结果表明,使用本优化策略可以获得分析模型的全局最优解.与直接使用遗传算法相比,计算分析模型的次数减少了95%,相比于传统的静态径向基函数代理模型方法,计算分析模型的次数减少了50%.     

斜齿圆柱齿轮承载能力设计缺陷的辨识与优化修正

斜齿圆柱齿轮承载能力的设计过程中,涉及到大量的非线性约束条件分析计算,传统的优化方法很难得到全局最优解。利用BP神经网络非线性映射能力,建立了斜齿圆柱齿轮设计参数与承载能力之间的全局映射关系,利用训练后的BP神经网络模型对斜齿圆柱齿轮承载能力设计缺陷进行辨识。采用遗传算法对斜齿圆柱齿轮承载能力设计缺陷进行优化修正,利用BP神经网络得到的斜齿圆柱齿轮结构特性响应构造了遗传算法罚函数,提高了遗传迭代过程中的约束计算效率,优化结果表明该方法能够有效提高斜齿圆柱齿轮设计缺陷优化修正效率。     

基于遗传算法-反向传播神经网络的地下无人驾驶车辆自主导航技术

以地下无人驾驶车辆为研究对象,将遗传算法和反向传播神经网络结合应用,提出一种基于遗传算法-反向传播神经网络的地下无人驾驶车辆自主导航技术。这一技术通过反向传播神经网络对传感器的输入信息进行融合,模拟人输出行为进行控制,充分发挥人工神经网络高度的非线性逼近能力和自适应能力。同时,利用遗传算法的全局搜索能力来调整反向传播神经网络的初始化权值和阈值,解决了局部极小值问题。通过仿真试验,确认基于遗传算法-反向传播神经网络的地下无人驾驶车辆自主导航技术的先进性。     

基于遗传神经网络的压铸机座板结构优化设计

在对压铸机合模机构进行结构设计时,利用神经网络的非线性映射能力,通过少量样本的有限元分析结果,训练出表述结构参数间函数关系的神经网络模型,然后利用遗传算法的全局寻优性找到神经网络模型表述的目标函数的最优结构参数,从而解决结构优化设计的瓶颈和智能问题,利用这种优化设计策略,设计了压铸机合模机构座板,结果表明了该方法的高效性。     

混合动力汽车动力传动系统控制策略优化研究

模糊控制策略应用在混合动力汽车上有鲁棒性和非线性能力强、实时性好的优势,但是控制策略的制定主要根据专家经验,具有一定主观性,一般情况下无法获得全局最优。将遗传算法应用于求解混合动力汽车控制策略参数优化问题。以某并联式混合动力汽车为原型,设计模糊控制策略,并采用遗传算法以最小化油耗和排放为目标对控制策略进行优化。仿真结果表明,应用遗传算法经过离线参数优化可以找到一组全局最优的参数,使得油耗和排放都有明显降低。     

动态惩罚函数非线性规划遗传算法及在汽车变速器中的应用

针对传统遗传算法在求解非线性规划问题时局部搜索能力较弱,惩罚函数求解精度不高的缺陷,将非线性规划算法引入到遗传算法中,提出一种基于动态惩罚函数的非线性规划遗传算法,将遗传算法的全局寻优能力和非线性规划算法的局部寻优能力结合起来,并引入动态惩罚函数,根据不可行点到可行域的距离和可行度自适应的调整惩罚项的值,从而能够快速求出全局最优解。介绍了动态惩罚函数的设计、改进遗传算法的关键技术和流程。最后,以某型号汽车变速器的优化设计验证了算法的合理性。与传统遗传算法相比,改进后的遗传算法解的质量、收敛速度明显提高,因而为遗传算法的改进提供了一种新的思路。     

继电器底座插拔结构接触正压力的优化设计

针对继电器引脚与插拔结构之间接触正压力(以下简称正压力)的优化设计问题,对设计模型仿真分析参数进行了校准,分析了正压力测量方法的误差,并阐述了设定合理正压力值的原理和过程,进而提出了一种正压力的优化设计方法。该方法的基础数据来源于有限元仿真分析,采用基于响应面代理模型的遗传算法完成了最优值的求解。首先根据设计变量的取值范围建立了一定数量的3D模型,再利用Abaqus软件进行了有限元仿真分析,获得了设计变量与正压力一一对应的数据群组。基于数据群组,在Matlab软件中建立了响应面代理模型和使用遗传算法进行设计变量最优值的求解。最后,测量和分析了优化后样品的正压力值。研究结果表明:优化后正压力的测量值与分析值误差为8.60%,两者基本吻合,证明该方法是解决该类插拔结构正压力优化设计的有效方式。     

遗传算法优化BP网络的锂电池剩余容量预测

为了有效地对锂电池剩余容量进行预测,在分析了BP神经网络对剩余容量模型非线性回归基础上,针对BP算法预测迭代速度慢且易出现局部最优的问题,提出了一种基于遗传算法(GA)优化BP神经网络的算法。遗传算法具有较强劲的全局搜索能力,将其应用到BP神经网络的参数寻优当中,可以寻找到BP网络的最优参数。将该模型应用于锂离子电池剩余容量的预测,并将生成的模型与单独使用BP神经网络的预测模型比较。仿真结果表明,基于遗传算法优化的BP神经网络剩余容量预测的精准度高于单独使用BP网络剩余容量预测的精准度,为锂离子电池容量预测提供了一种新方法。