SMA柔性扭转驱动器的结构设计与优化研究

设计了一种基于柔性结构的SMA扭转驱动器,通过加热SMA丝收缩带动柔性结构变形从而实现驱动器的扭转输出。柔性结构在SMA丝拉力作用下的变形情况对驱动器的转角输出有很大的影响,为获得最大的输出转角,需对柔性结构的形状和SMA丝的作用点位置进行优化设计。采用三次B样条曲线描述柔性结构的形状,通过有限元法分析柔性结构的变形,并应用遗传算法进行柔性结构的形状优化和SMA丝作用点位置优化。实际算例表明,利用优化方法可快速有效地获得使SMA柔性扭转驱动器输出转角最大的柔性结构形状与SMA丝作用点位置。     

基于BP神经网络的侧碰多目标优化设计

采用拉丁方试验设计方法对汽车侧围关键吸能部件的材料和板料厚度进行了多参数空间的样本数据设计,结合近似技术和多目标遗传算法,提出了一种基于BP神经网络模型的侧碰多目标优化方法。研究结果表明:该方法在满足侧碰法规GB20071的基础上,既能提高侧围结构对乘员的保护性能,又能实现其轻量化目标;BP神经网络模型的精度和效率较好地满足了工程要求。     

基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计

利用非劣排序遗传算法(NSGA-Ⅱ)对通用涡旋压缩机的动静涡旋盘涡旋体高度、涡旋盘主轴转角、涡旋型线基圆渐开角、涡旋型线基圆半径基本参数进行优化设计,使涡旋盘的径向气体力、切向气体力、倾覆力矩、自转力矩、能效比达到最优。给出了优化设计的遗传算法计算方法、数学模型、基于遗传算法数学模型、程序流程图、多目标优化结果。较其他优化方法,NSGA-Ⅱ能较好解决多目标非线性优化问题,最后用优化后的数据验证了该方法的有效性。     

改进遗传算法用于自由曲线重建研究

提出一种基于改进遗传算法的自由曲线重建方法,该改进遗传算法基于实数编码,采用基于代沟最小的代选择模型,选用BLX-α混合交叉算子,算法简单、优化效率高;其中用非均匀有理B样条表示自由曲线,以重建曲线上点与测得数据点间的欧式距离的平均值作为目标函数,曲线参数化、节点向量及控制顶点的权值通过改进遗传算法优化确定,再根据已确定的数据参数和控制顶点权值用最小二乘法计算控制顶点坐标,完成自由曲线重建。实例证明,该算法不仅计算速度快,重建曲线精度高,而且算法鲁棒性强,可以方便地实现不同次数和不同控制顶点个数的自由曲线重建。     

基于遗传算法的RGV动态调度研究

在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈.针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法.通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性.最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据.     

基于遗传算法的胸鳍推进性能优化研究

由于鱼类胸鳍的推进性能是和其运动学参数直接相关的,为了进一步提高胸鳍的推进性能,建立了胸鳍推进运动的运动学模型,对在推进运动过程中胸鳍所受到的水动力进行了计算,并建立了对其推进性能进行优化的数学模型,然后,采用MATLAB编写了相应的遗传优化算法,以对胸鳍推进性能进行了优化设计。最后,对优化结果和胸鳍的推进性能进行了仿真分析,从仿真结果可以看出,所建立的优化模型以及所采用的优化算法能够较好的对胸鳍的性能进行优化,提高了胸鳍在推进过程中的推进力。因此,所进行的优化分析是合理、有效的,为进一步提高胸鳍的推进性能提供了一定的理论依据。     

基于遗传算法的商用车传动系的参数优化

研究了综合考虑动力性和燃油经济性指标的汽车动力传动系数学模型。以燃油经济性最佳为优化目标以及整车动力性作为约束条件,根据指定柴油机和整车参数,运用遗传算法对某商用货车的传动系参数进行优化计算。结果显示,优化后的传动系参数,使得整车在原地起步加速时间基本不变的情况下最高车速提高了2.98%,使得整车混合百公里油耗降低了0.67%。表明优化参数使整车的动力性和燃油经济性得到了不同程度的改善。     

基于抽水试验的遗传算法确定含水层参数的研究

以潜水完整井流理论为基础 ,以“京蒙沙源区植被建设中水资源优化配置研究”项目实施地点进行的潜水完整井定流量抽水试验资料为依托 ,研究了基于抽水试验的遗传算法确定孔隙潜水含水层导水系数T、贮水系数 μ 以及重力给水度 μ等参数的方法和途径 ,取得了良好的效果。     

改进遗传算法在MRFD半主动控制系统优化配置中的应用

为了解决磁流变阻尼器(Magnetorheological Fluid Damper,简称MRFD)控制装置在建筑结构上的优化配置问题,提出了一种改进遗传算法。该方法在进行遗传操作时,为了避免因采用普通遗传算法中的交叉和基本变异操作而产生违反约束条件的个体,应用了一种改进的交叉和变异方法,即通过产生的识别码进行判断交叉,并采用了双基因座变异,以满足约束条件。对改进遗传算法与普通遗传算法中处理约束问题的罚函数方法进行了分析比较和计算,结果表明:改进遗传算法的收敛速度快,优化配置的效果较好。     

超塑性本构模型材料参数识别方法研究

金泉林等提出的超塑性本构关系考虑了三种微观变形机制和晶粒生长过程,但单纯依靠实验很难准确的测定该本构关系的材料参数。应用遗传算法和Levenberg-Marquardt算法,以Ti-6Al-4V为例,识别该超塑性本构关系中的材料参数。计算结果和实验结果符合的很好。最后讨论了各种微观变形机制的体积分数与应变、应变率和晶粒尺寸之间的关系,发现在大部分情况下扩散蠕变机制对超塑变形的贡献可以忽略。