7500T大型压铸机增压阀块内流道流场仿真分析及优化

设计性能优良的阀块对提升液压系统性能具有重要意义。利用计算动力学方法对7500T大型压铸机增压阀块的流阻特性进行分析,计算得到两种不同压铸机增压阀块结构在不同流量时的压力损失。结果表明：增压阀块压力损失随着流量的增大呈现出近似线性增大的变化情况;加设倾斜流道的压力损失比没有倾斜流道的压力损失小,且减阻效果随着流量的增大而增大。利用正交试验建立了4因素5水平的正交试验数据库,对斜流道增压阀进行多参数单目标优化,然后基于遗传算法协同BP神经网络优化斜流道增压阀块之后,可使增压阀块的压力损失下降20%左右。     

基于遗传算法的多级主压阀动态特性优化

多级主调压阀作为自动变速器液压控制系统的关键元件,其动态特性直接影响系统的快速性、稳定性和控制精度。在对阀进行结构参数优化时,先凭借经验对参数逐个调整再通过试验验证的方法,效率低且不能保证阀的性能最优。根据多级主压阀工作原理建立了多级主压阀数学模型;搭建多级主压阀Simulink仿真模型,通过分析多级主调压阀各结构参数对阀入口压力动态响应特性的影响,选取弹簧刚度、弹簧预压缩量和阻尼孔直径作为待优化变量;利用MATLAB优化工具箱中提供的遗传算法与Simulink结合对多级主调压阀的动态性能进行优化,并搭建试验台进行试验验证。仿真和试验结果表明：优化后多级主调压阀静态特性良好,负载流量突增时主压压力降低现象得到了改善,响应时间短,动态性能好。     

基于人工神经网络与遗传算法的Al-Mg-Si系合金抗拉强度预测模型

为了研究Al-Mg-Si系合金热处理制度和合金成分对力学性能的影响规律,采用人工神经网络（artificial neural network, ANN）和遗传算法（genetic algorithm, GA）相结合的方法,构建了Al-Mg-Si系合金强度预测模型（ANN-GA模型）。通过单因素和双因素分析,研究了合金元素含量和热处理工艺参数对铝合金抗拉强度的影响规律。结果表明,随着Si含量的增加,铝合金的抗拉强度呈现先降低后升高的趋势;随着Mg含量的增加、Cu含量的增加或者Fe含量的减少,铝合金的抗拉强度整体上呈现升高的趋势。双因素分析更能反映输入参数对铝合金抗拉强度的影响。Mg/Si比、Mg+Si总量和时效时间对Al-Mg-Si系合金力学性能的影响显著。铝合金的硬度随时间的变化趋势与ANN-GA模型的计算结果一致,峰值时效时间为29 h,相对误差为11.86%。     

基于组合赋权的遗传算法优化BP神经网络岩爆预测研究

针对岩爆倾向性预测的复杂问题,选取隧洞应力系数、脆性系数及围岩冲击倾向指数为评价指标,利用组合赋权法确定指标的权重,结合遗传算法和BP神经网络,建立了基于组合赋权的遗传算法优化BP神经网络的预测模型。利用岩爆实例数据对建立的模型进行测试,测试结果具有良好的准确度,验证了该模型的可行性及有效性。     

基于改进的GA-ELM煤与瓦斯突出预测模型

为准确、快速地预测煤与瓦斯突出,提出了一种基于因子分析和遗传算法(GA)优化极限学习机(ELM)的煤与瓦斯突出危险性预测模型。构建10种影响因素的煤与瓦斯突出评价指标体系,采用因子分析法对评价指标体系进行分析提取,将提取出的5个公因子作为ELM的输入参数,为避免ELM输入权值和隐含层偏差随机性的影响,应用GA对ELM模型参数进行优化,构建GA-ELM模型,选取20组实例进行仿真预测,同时与传统单一的ELM、SVM和BP模型进行对比分析。结果表明:基于改进的GA-ELM模型能有效降低数据冗余、简化网络结构和提高判别精度,提出将其运用到煤与瓦斯突出的预测与实际结果具有很好的一致性。     

桥梁损伤辨识中数据融合与遗传算法的应用

介绍了基本遗传算法和改进遗传算法,并在位移与频率振型基础上进行桥梁损伤识别,基于模式逻辑实现数据融合,从实例分析中,看出通过改进的遗传算法对桥梁结构进行损伤识别,比传统遗传算法有更好的识别性能,识别结果更加准确,有必要在实际桥梁损伤识别中加大利用和推广。     

长周期地震动参数拟合研究

对集集地震长周期地震动的选取标准和长周期地震动设计反应谱形状进行了分析,从场地分类和记录分组方面进行了论述,提出了用遗传算法解决拟合过程参数太多的方法,解决了长周期地震设计反应谱拟合过程中参数太多的问题。     

基于改进GM(1,1)预测模型的铁路客运量预测

采用遗传算法对GM(1,1)预测模型进行优化以期提高铁路客运量预测模型精度。首先运用传统最小二乘算法对GM(1,1)预测模型的发展系数和内生灰作用量进行求解并对高铁客运量进行预测,结果预测平均误差为0. 259;之后采用遗传算法对GM(1,1)预测模型的发展系数和内生灰作用量进行优化,使模型的预测准确性得到了明显的提升,且当交叉默认概率P_c=0. 8,变异概率为P_m=0. 01,所得预测结果最优,平均误差率为0. 073。结果表明:利用遗传算法对GM(1,1)预测模型进行优化能够提高铁路客运量预测模型精度。     

基于改进遗传算法的TMD阻尼器的优化布置

调谐质量阻尼器被广泛应用于高耸结构振动控制。为了提高阻尼器的减振效果,基于安全性要求,建立等效二次型性能指标;通过改进遗传算法,求得TMD阻尼器的最佳安装位置,从而提高TMD减振系统的减振效果。最后通过仿真实验验证优化的意义,并得出一些结论:对于塔筒结构减振控制,不仅要针对低阶振型进行控制,高阶振型的扭转振动也不容忽视。     

针对表面粗糙度和刀具振幅的切削用量优化研究

对进给量、切削速度和轴向切深这3个切削参数对工件表面粗糙度和刀具振动幅度的影响进行试验研究。采用BBD响应面法对6061铝工件进行端铣加工试验,并通过数学建模对试验结果进行分析。提出一种基于遗传算法的多目标优化方法来同时减小工件表面粗糙度和刀具振动幅度。建立能预报表面粗糙度和刀具振动的径向基神经网络模型,并通过试验验证其准确性。