基于改进双种群遗传算法的复合材料层合板铺层优化设计

针对复合材料层合板铺层优化设计过程中易出现的算法早熟及收敛慢的问题,结合多种群遗传算法和自适应遗传算法,提出一种引入自适应算子的改进双种群遗传算法。在算法过程中以对称复合材料层合板为例进行验证,通过Patran建立有限元初始模型,采用Matlab编写遗传算法主程序及数据传递程序,实现对Nastran的输入输出文件的读写,并在以Tsai-Wu准则为基础确立的适应度函数下,对复合材料层合板的铺层顺序进行优化。对比传统遗传算法,结果表明该改进算法能够明显提高优化效率,并能够有效收敛于全局最优解,对解决复合材料结构优化设计问题有一定的指导意义。     

提高层压板屈曲强度的铺层顺序优化方法讨论

复合材料层压板铺层优化设计对于提高飞机结构承载能力至关重要。本文基于遗传算法和随机正态分布优化算法,以轴压复合材料层压板屈曲荷载为目标函数,开展铺层顺序优化设计。采用MATLAB语言编写两种优化算法程序,对不同铺层数和边界条件的对称均衡层压板进行铺层顺序优化。结果表明:采用整数编码、罚函数处理约束条件的遗传算法能够优化层合板铺层顺序问题;当铺层总数为24层时,四边简支和四边固支层合板的最优铺层相比最差铺层的承载力分别提高了27%和15%,优化铺层设计效果明显。随机正态分布优化算法计算结果与遗传算法结果一致,随机正态分布优化算法更简单实用、易收敛,更适用于层压板的铺层顺序优化设计。     

基于启发式知识和自适用遗传算法的复合材料铺层优化设计

一般针对复合材料层合板铺层优化设计的研究多侧重于算法的研究,没有考虑到铺层知识对铺层的约束.本文建立了基于启发式知识和自适应遗传算法的复合材料层合板铺层优化模型,采用带置信度的IF-THEN模糊表达方式表达层合板铺层启发式知识,以蔡-希尔(Tsai-Hill)强度准则建立自适用遗传算法的适应度函数,在原有约束的基础上增加了铺层启发式知识约束.算例应用上述模型求解层合板的最佳铺层顺序,并将该结果和没有应用铺层知识约束的优化结果进行比较,证明了该模型的优越性和实用性.     

复合材料层合板孔边应力场的有限元计算

纤维增强复合材料具有较高的比强度、比刚度和比模量,在航空航天领域得到越来越广泛的应用.层合板是当前复合材料在工程结构中应用的主要形式.对于含孔的层合板结构,由于材料的各向异性以及孔的影响,其应力分布比较复杂,采用数值解是较好的选择.本文基于层合板的可设计性特点,综合考虑铺层角度、铺层顺序等对层合结构的影响,设计出了一种二十四层对称层合板.以有限元方法为基础,借助ANSYS分析工具,对该层合板含孔结构的孔边应力重点分析,得出了不同铺层角度铺层中应力分布的云图和孔边应力分布曲线.本文结论对复合材料层合板优化设计和带孔层合结构的应力计算具有较好的参考价值.     

层合板热膨胀系数优化设计的遗传算法实现

本文针对在复合材料设计领域中热膨胀系数的设计问题，用遗传算法对给定层数和铺层角度的层合板进行了铺层顺序的优化研究。使其满足特定的要求，通过计算看出，遗传算法可以快速得到结果，表明了遗传算法在复合材料设计领域可以作为一种有效的设计手段。所完成的优化软件具有一定的工程应用价值。     

基于差分进化算法的变角度纤维层合板优化

以变角度纤维的起始角、终止角和层合板的层铺顺序为设计变量,弯曲刚度为设计目标,优化变角度纤维层合板。在优化过程中,对应层铺顺序的设计变量通过实数编码和置换策略转换成整数变量,实现离散空间和连续空间之间的转换。由于离散变量和连续变量的优化进程差异,本文提出一种改进的自适应差分进化算法,对不同类型的优化变量采取不同的自适应变异算子。相关算例计算结果表明:无论是对层合板的局部优化还是全局优化,改进的自适应差分进化算法都比差分进化算法和自适应差分进化算法计算精度高、收敛速率快,同时可以有效避免"早熟"现象。对于变角度纤维层合板弯曲刚度优化问题,本文提出的改进的自适应差分进化算法是一种相对高效的可行方法。     

复合材料声呐导流罩铺层的遗传算法优化设计

以复合材料力学经典层合板理论为基础,利用MATLAB编程联合ANSYS有限元分析,建立了复合材料声呐导流罩铺层结构优化平台。首先对单向载荷下的层合板铺层结构进行优化,并和实验结果相比较,验证了该优化平台的有效性。结果表明,优化后的层合板强度有了较大提高。在此基础之上,根据水下实际载荷工况,对声呐导流罩的铺层进行了优化设计,并利用ANSYS有限元分析对优化后的铺层进行应力应变分析。结果表明,声呐导流罩强度性能显著提高,实现了声呐导流罩铺层的优化设计。     

铺层结构对树脂基复合材料层间剪切强度影响的研究

主要目的在于利用双切口剪切强度试验法验证手糊成型的玻璃钢层合板铺层顺序以及单向布的相对体积含量对层间剪切强度的影响。实验中六种玻璃钢层合板的铺层方式分别为(UF)_5、(UF,CSM,UF,CSM,UF)、(CSM,UF,CSM,UF,CSM)、(UF,CSM,CSM,CSM,UF)、(CSM,UF,UF,CSM,CSM)、(CSM)_5。单向布相对体积含量依次为100%、60%、40%、40%、40%、0%。通过实验结论发现,单向布相对体积含量对层合板层间剪切强度影响较大,其中铺层方式为(UF)5的层合板通过双切口法得到的层间剪切强度高达40.768 MPa,而铺层方式为(CSM)_5的层合板在双切口法中所测得的层间剪切强度却只有15.867 MPa。相对而言,铺层顺序对层合板的层间剪切强度影响相对较小。同时利用数理统计方法"秩和检验法"对大量实验数据进行了离散性分析,结果表明,在同一种铺层方式下,尽管因为不同失效形式导致数据具有较大的离散性,但这些数据仍然可以作为一个整体进行分析。     

基于深度学习的复合材料铺层优化方法

复合材料在航空工程中有着广泛的应用,其中铺层优化对提高结构承载能力至关重要。本文中首先运用基于神经网络的深度学习方法快速预测设计结果,然后依据预测结果,通过遗传算法搜索复合材料层合板设计问题的最优解,提高铺层设计效率,最后对比应用深度学习技术与传统优化算法得到的优化结果,证明了深度学习技术在层合板铺层优化中的便捷性和有效性。     

基于协同优化的CFRP层合板设计

碳纤维增强树脂基复合材料(CFRP)层合板是碳纤维复合材料产品设计过程中常用的一种结构形式,其弹性性质很大程度依赖于铺层方式和芯材厚度。基于经典层合板理论,提出了多层次协同优化的方法,利用Matlab数学软件寻优求解和Abaqus有限元软件模拟仿真的方法对层合板进行优化设计,最后通过物理实验对层合板优化结果进行分析验证。结果表明,增加铝蜂窝夹芯厚度可以大幅提升层合板弯曲刚度,有效减少碳纤维层的铺层数,降低制造成本;将0°层尽可能置于远离中面的位置可在不改变层合板质量的同时有效提升层合板弯曲刚度,使材料利用率达到最大化。     

连续约束蚁群优化算法的构建及其在丁烯烷化过程中的应用

经典蚁群系统只适用于离散问题,缺少处理约束的专门机制.基于蚁群觅食的生物学行为,以搜索最优食物源为目标,将约束纳入食物源优劣评价的启发式规则,采用成群募集和海量募集两种方式,并辅以局部搜索,以此引导蚁群寻找可行域中的最优解,构建为适用于连续约束优化问题的蚁群系统（constrained ant colony system, CACS）.测试实例表明,CACS具有良好的适用性及全局优化性能,将它应用于丁烯烷化过程的约束优化,取得了令人满意的结果.     

基于新型蚁群算法优化的重油热裂解模型

针对重油热裂解模型的参数估计问题呈高维、高度非线性的特征,提出一种基于新型蚁群算法优化的重油热裂解模型.通过新型蚁群算法优化确定模型参数,获得具有良好预测精度的模型.新型蚁群算法通过将解空间划分成若干子域,并引入遗传操作,实现连续优化问题的寻优.仿真结果表明它具有良好的性能,且优于传统的遗传算法.     

A Graph-based Ant Colony Optimization Approach for Integrated Process Planning and Scheduling

This paper considers an ant colony optimization algorithm based on AND/OR graph for integrated process planning and scheduling (IPPS). Generally, the process planning and scheduling are studied separately. Due to the complexity of manufacturing system, IPPS combining both process planning and scheduling can depict the real situation of a manufacturing system. The IPPS is represented on AND/OR graph consisting of nodes, and undirected and directed arcs. The nodes denote operations of jobs, and undirected/directed arcs denote possible visiting path among the nodes. Ant colony goes through the necessary nodes on the graph fromthe starting node to the end node to obtain the optimal solution with the objective of minimizing makespan. In order to avoid local convergence and lowconvergence, some improved strategy is incorporated in the standard ant colony optimization algorithm. Extensive computational experiments are carried out to study the influence of various parameters on the system performance.     

杂交蚁群系统的构建并用于反应动力学参数的估计

经典的蚁群算法模仿蚂蚁觅食,释放信息素,形成正反馈互激励机制,提高了全局寻优效率,但它只适用于离散问题.将解空间划分为小区域,用以承载信息素,设置全局与局部蚂蚁,引入遗传算法的种群和操作方式,以Powell寻优算子和最优解保留策略改造蚂蚁的智能活动与互激励机制,构建为杂交蚁群系统（hybrid ant colony system,HACS）,可用于求解连续优化问题.实例测试表明,HACS具有良好的全局寻优能力和稳定性,将HACS应用于2-氯苯酚在超临界水中氧化反应动力学参数的估算,获得了满意的结果.     

Genetic algorithm for short-term scheduling of make-and-pack batch production process

This paper considers a scheduling problem in industrial make-and-pack batch production process. This process equips with sequence-dependent changeover time, multipurpose storage units with limited capacity, storage time, batch splitting, partial equipment connectivity and transfer time. The objective is to make a production plan to satisfy al constraints while meeting demand requirement of packed products from various product fam-ilies. This problem is NP-hard and the problem size is exponentially large for a realistic-sized problem. Therefore, we propose a genetic algorithm to handle this problem. Solutions to the problems are represented by chromo-somes of product family sequences. These sequences are decoded to assign the resource for producing packed products according to forward assignment strategy and resource selection rules. These techniques greatly reduce unnecessary search space and improve search speed. In addition, design of experiment is carefully utilized to de-termine appropriate parameter settings. Ant colony optimization and Tabu search are also implemented for com-parison. At the end of each heuristics, local search is applied for the packed product sequence to improve makespan. In an experimental analysis, al heuristics show the capability to solve large instances within reason-able computational time. In al problem instances, genetic algorithm averagely outperforms ant colony optimiza-tion and Tabu search with slightly longer computational time.     

蚁群算法优化BP神经网络在主汽温控制中的应用

针对火电厂主汽温被控对象的不确定性及大延迟、大惯性及非线性等特点,设计了一种基于蚁群算法、BP神经网络的智能PID串级控制系统.采用蚁群算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调整,从而实现了对主蒸汽温度的动态控制.仿真结果表明：该系统在控制品质、鲁棒性方面都明显优于常规PID控制系统.     

进化规划-蚁群优化算法的构建并用于化工过程操作优化

经典蚁群优化（ACO）算法搜优效率高,但只适用于求解组合优化等离散问题.以搜索最优食物源为目标,并引入进化规划（EP）简洁的进化机制,用以改造ACO,使之适于连续问题.又将蚁群分工为全局和局部蚂蚁,分别引领个体进行全局探索式和局部挖掘式寻优,并在各个体上释放信息素,供蚁群共享,由此继承了ACO正反馈、互激励的优点,并在优进策略的支持下,构建为EP-ACO算法.经复杂测试函数的优化检验,显示出EP-ACO适于连续问题,且全局搜优效率高,对高维问题适应性强.将EP-ACO应用于二甲苯异构化装置的操作优化,取得了良好的效果,与其他方法相比,优越性明显.     

ACO-BP算法在化工过程故障诊断中的应用

将蚁群算法和BP神经网络相结合,利用蚁群优化算法与误差反向传播算法结合而构成的混合算法(ACO-BP)训练神经网络的权值和阈值,给出ACO-BP算法训练神经网络的基本原理和方法步骤,并将该算法应用于连续搅拌釜式反应器的故障诊断。仿真结果表明:ACO-BP算法具有较高的诊断精度,能够及时、有效地检测连续搅拌釜式反应器中存在的故障。     

基于自适应量子蚁群算法的石脑油裂解炉故障诊断

针对实际生产过程中缺乏故障数据,采用适合小样本问题的支持向量机对石脑油裂解炉进行故障诊断。为了消除高维数据及系统噪声对故障诊断的干扰,将量子编码引入蚁群算法,提出一种新的自适应量子蚁群算法进行故障特征选择以进一步提高诊断性能。数值仿真实验结果显示,提出的自适应量子蚁群算法具有更好的全局寻优性能;对石脑油裂解炉传感器故障的诊断结果表明自适应量子蚁群算法能快速、准确地搜索到关键故障特征,有效地提高了支持向量机故障诊断的正确率和鲁棒性。     

基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.