基于位错机制钛合金本构关系的目标参数识别及实验验证

为描述钛合金在不同应变率下的复杂本构行为,本文基于细观塑性变形机理和位错动力学理论提出了一种钛合金粘塑性本构模型,并描述了模型各参数的物理意义及其与微结构特征量之间的关联性。该本构模型含有12个待定参数,为降低参数识别计算量,提高参数识别效率和精度,提出了一种基于拉丁超立方抽样、Spearman秩相关分析的参数敏感度整体分析方法,并在参数敏感度分析结果和基本遗传算法的基础上,建立了一种基于改进小生境算法、全局最优点判断策略和局域精确搜索技术的改进遗传算法。最后以Ti-6Al-4V钛合金为算例,描述了其在不同应变率、温度下的单轴流变应力塑性应变曲线,数值模拟和已有的实验数据吻合良好。     

一种对初始值要求较低的土层参数识别方法

提出了一种土的非线性弹性本构模型参数识别的方法。以现今普遍实行的地基载荷试验为基础,依据遗传算法的组合优化理论,采用正演计算和遗传算法优化相结合的方式,建立了土层非线性弹性本构模型参数识别的方法;并依据某黄土场地地基载荷试验数据,实施了黄土地层非线性弹性本构模型参数识别的全过程。计算结果表明,所建立的方法可以实现土层非线性弹性本构模型中相互关联的多个参数的组合优化,并在对初始值要求较低的情况下,可以获得良好的参数识别精度。从而为土的变形特性分析和土与其中及相邻结构的共同作用分析,提供了较好的土体本构模型参数的确定方法。     

锚杆加固岩质边坡的智能分析

通过对膨胀岩膨胀机理的分析,采用锚杆加固膨胀岩边坡,利用改进的遗传算法对考虑吸水量的膨胀岩本构模型进行参数智能识别,并运用有限元方法,选用Desai薄层单元模拟膨胀岩节理,对加锚膨胀岩边坡进行了数值模拟.结果表明:考虑吸水量的本构模型能更好反应膨胀岩工程特性;改进的遗传算法有效地解决了模型参数的不确定性,使得数值计算的结果更加可靠.     

木结构可靠度的一种改进算法研究

建筑结构的可靠性是建筑工程的基本要求.在实际工程中,影响结构可靠性的因素较多,且具有随机性和不确定性,实践中一般采用结构可靠度进行结构可靠性设计分析.介绍了结构可靠度相关原理及可靠度计算中相关变量参数,提出了一种改进遗传算法对结构可靠度进行分析.该算法是基于生物进化论自然选择和遗传学机理的,模拟自然进化过程搜索最优解的方法,擅长全局最优解的搜索.将遗传算法引入结构设计中,有利于克服传统算法在地质、地形条件较复杂情况下易陷于局部最优解的不足.     

基于ANSYS二次开发技术的改进遗传算法在结构优化设计中的应用

为克服基本遗传算法的缺陷,提高其全局搜索能力,提出了基于并行小生境算法、可疑峰值点判断方法和局部搜索技术的改进遗传算法。通过引入VC＋＋对ANSYS的二次开发技术,将改进遗传算法与结构计算和优化相结合,使程序具有较强的处理实际问题的能力。最后通过对平板模型支撑位置优化算例的分析,验证了改进算法的可靠性和实用性。该方法对其它复杂工程结构的优化设计同样适用。     

基于自适应混合遗传算法的 岩石类材料动态参数反演

将多元函数的下山单纯形法嵌入遗传算法,加强了算法的局部搜索能力,并且将交叉概率、变异概率以及 局部搜索概率改进为随遗传个体的适应度值改变和进化代数的增加而调整的自适应型。在此基础上针对岩石 类材料的特性,将数值计算值与冲击压缩实验结果之间的相对均方差作为适应度函数,编制了反演分析算法来 确定岩石类材料考虑损伤的非线弹性动态本构模型的待定特征参数。结果表明:由动态本构方程得到的再生应 力-应变曲线与实验曲线之间具有较好的一致性,从而验证了该反演分析方法是合理可行的以及动态本构模型 对于岩石类材料的适用性。     

人工神经网络结合遗传算法反演岩体初始地应力的研究

提出综合应用实数编码的遗传算法与改进的BP神经网络的优化反演分析方法,并通过数值分析,探讨了该方法在应用于位移反演岩体初始应力与材料参数方面的有效性.在算例中,以Burgers模型的计算数据作为改进神经网络的训练样本,用遗传算法搜索待反演参数解向量.计算结果表明利用遗传算法优化神经网络权值能提高神经网络迭代算法的效率与可靠性.该方法应用于岩体初始应力场的反演具有迭代过程平稳、收敛快、结果准确等特点,能够有效地求得岩体初始应力与材料参数.     

基于遗传算法的车辆参数识别方法

为了识别桥梁交通振动试验中行走车辆的参数,提出基于遗传算法的参数识别方法.利用小波变换方法由车辆自由衰减振动响应获得车辆的模态参数,进一步联合应用遗传算法及复数特征值计算方法,由模态参数反算车辆的转动惯量性质、刚度以及阻尼系数等物理参数.通过3组模拟数据的计算分析,验证了遗传算法用于车辆参数识别的有效性.以实际车辆的振动试验实测结果为例,检验了遗传算法在车辆参数识别中的适用性.算例以及应用实例表明：应用遗传算法能精确识别出车辆的物理参数.     

基于遗传算法的车辆动力参数识别方法

为了确定桥梁交通振动试验中行走车辆的物理参数,提出基于遗传算法的参数识别方法.利用小波变换方法由车辆自由衰减振动响应获得车辆的模态参数,进一步应用遗传算法及复数特征值计算由模态参数反算车辆的转动惯量、刚度以及阻尼等物理参数.通过3组模拟数据的计算分析,验证了遗传算法用于车辆参数识别的有效性.以实际车辆的振动试验结果为例,检验了遗传算法在车辆参数识别中的可行性.算例及应用实例表明:应用遗传算法能精确识别出车辆的物理参数.     

免疫遗传算法在结构损伤识别中的应用与改进

为了解决结构的多损伤识别问题,提出了基于免疫遗传算法和贝叶斯融合理论的二阶段识别方法.首先将结构的应变能和频率数据作为两种具有互补性质的信息源,通过采用贝叶斯融合理论来初步确定结构的损伤位置.然后通过免疫遗传算法来精确确定结构的损伤位置和程度.考虑到基本免疫遗传算法的搜索效率仍不太高,故提出了疫苗培养、以及双终止条件等改进策略.数值计算结果表明,论文提出的二阶段方法可以有效的识别出结构的损伤位置和程度,而所建议的改进免疫遗传算法明显优于基本免疫遗传算法和简单遗传算法.     

基于遗传算法的结构振动参数识别方法

基于遗传算法,根据结构在动载荷作用下的动力响应观测数据,建立了在时域内同时识别结构振动参数和动载荷参数的数值方法。数值计算结果表明,所建立的基于遗传算法的参数识别方法具有较好的抗观测噪声的能力,当动力响应观测误差达到15％时,参数识别结果的误差小于10％,识别精度可以满足工程要求。     

基于改进ACO与PSO算法的结构可靠度分析

针对基本蚁群算法的过早收敛问题,引入信息熵,通过优化参数 ,对基本蚁群算法进行改进,进而寻找结构的最短失效路径。从可靠指标的几何意义出发, 利用罚函数法, 将结构可靠指标的求解问题转化成相应的无约束优化问题,采用粒子群算法对结构可靠指标进行求解计算。以十杆桁架为例,采用响应面法、遗传算法与本算法对结构可靠指标进行对比计算,结果表明改进蚁群与粒子群算法的收敛速度快,计算精度高。     

基于演化-单纯形算法和结构模态参数反演结构物理参数的方法

针对遗传算法、演化策略两种演化计算存在的问题,将一种基于浮点编码的演化-单纯形算法应用于结构动态反应下的结构物理参数反演分析,建立了一种基于不完全模态参数的结构物理参数反演分析方法.通过与其他方法的算例分析表明:该方法有精度和搜索效率高、对初值选取基本上无依赖性、可以较好地反映“残缺”的高阶模态信息等优点.     

基于改进遗传算法的结构可靠度计算

针对传统的遗传算法容易产生早熟收敛现象以及局部搜索能力较差等缺陷,结合鱼群算法中具有加快寻优速度的追尾行为和克服局部极值能力较好的聚群行为对其进行改进。将改进后的遗传算法应用到框架结构的可靠度分析中,并以门式框架结构为例,建立了以单元截面积、外荷载为设计变量,可靠度指标为目标函数的优化模型。分别采用JC法与改进遗传算法对门式框架结构的可靠度指标进行对比计算,两种算法在同一验算点不同荷载值下的可靠度指标的计算结果相近,但改进后的遗传算法在分析过程中受到的约束条件较少,简单高效。     

基于混合遗传算法的机器人改进摩擦模型辨识

为了解决机器人运动过程中库伦+黏性摩擦模型不能真实反映关节摩擦的非线性特性的问题,采用改进Stribeck摩擦模型对机器人关节摩擦进行建模,提出基于混合遗传算法与余弦轨迹的模型参数辨识方法. 采用不同的余弦轨迹对机器人关节进行激励,利用已知的机器人动力学方程确定关节摩擦力矩,从而建立机器人关节速度与关节摩擦力矩之间的映射关系,并利用模拟退火混合遗传算法对摩擦参数进行辨识. 为了验证所提方法的有效性,以多关节串联型机器人为研究对象,进行摩擦参数辨识实验. 实验结果表明,与传统的库伦+黏性摩擦模型相比,改进的Stribeck摩擦模型可以减少17.7%~33.6%的关节力矩计算误差,并能够进一步提高机器人动力学模型的准确性.     

改进遗传算法在导热反问题研究中的应用——以建筑物外墙热工参数协同研究为例

建筑物外墙导热反问题参数间的协同研究是建筑传热协同理论中的基本问题,主要研究在一定控制目标下（如一定的温度场或热流密度）各参数之间的匹配关系。对于此类问题,需要采用反问题的求解方法。本文在求解过程中引入改进的遗传算法,提出了改进的遗传算法与数值计算相结合的数学模型。通过两个算例的验证,结果表明：改进的遗传算法可以用于建筑物墙体稳态导热参数之间的协同研究,也可以应用于非稳态的类似研究。