基于计算智能技术的结构可靠性优化设计研究

发布时间：2020-06-20 10:12

【摘要】：本文概述了国内外有关可靠性设计理论、可靠性优化设计方法、稳健设计方法和计算智能技术等方面的内容,成功地将计算智能技术中的小波神经网络应用于多失效模式的结构系统可靠性优化设计中。为提高小波神经网络的仿真性能,将局部策略思想和共轭梯度算法相结合,提出了一种改进的小波神经网络的学习算法;利用构造的小波神经网络逆映射模型,简单方便地实现了可靠性优化设计;将多目标决策理论和可靠性设计、稳健设计理论相结合,建立了适合可靠性稳健优化设计的多目标优化模型,结合粒子群与模糊理论,提出了适合该模型求解的模糊多目标粒子群算法;针对可靠性稳健优化设计模型多属于高维多目标优化的问题,通过灰色关联分析计算空间中的粒子所形成的各目标矢量序列与基准矢量序列之间的关联度,选取使关联度值最大的粒子作为粒子群算法的全局极值和个体极值,进而提出了适合高维多目标优化问题求解的灰色粒子群算法。 算例结果表明,上述方法提高了结构可靠性优化设计的效率,得到了具有学术理论指导价值和实际应用参考价值的结果。
【学位授予单位】：吉林大学
【学位级别】：博士
【学位授予年份】：2006
【分类号】：TH122
【图文】：

粒子距离关系求得更新每个粒子时所需要的两个极值 gBest 和 pBest。最后，根据式(2. 88)和式(3.25)进行循环迭代 100 次。图4-3a和图4-3b分别为利用一般的多目标粒子群算法和基于模糊多目标粒子群算法所绘制的 Pareto 曲线，决策者可根据实际情况，很方便的从 Pareto解集中找到满足给定条件的设计变量。其中图 4-3a 为利用普通多目标粒子群算法求得 100 个粒子中有 21 个满足条件的解；图 4-3b 为利用基于模糊的多目标粒子群算法求得 100 个粒子中有 98 个满足条件的解。从中容易看出基于模糊的多目标粒子群算法寻优能力远远高于普通的多目标粒子群算法。若给定可靠度指标值，这里取 β =3.88，利用该方法可以很方便的求得满足(4.2)式的设计变量 d=41.48mm。图 4-3a 普通多目标粒子群算法 Pareto 曲线 图 4-3b 基于模糊的多目标粒子群算法 Pareto 曲线Fig.4-3a Pareto curve of general MOPSO Fig.4-3b Pareto curve of Fuzzy MOPSO

粒子距离关系求得更新每个粒子时所需要的两个极值 gBest 和 pBest。最后，根据式(2. 88)和式(3.25)进行循环迭代 100 次。图4-3a和图4-3b分别为利用一般的多目标粒子群算法和基于模糊多目标粒子群算法所绘制的 Pareto 曲线，决策者可根据实际情况，很方便的从 Pareto解集中找到满足给定条件的设计变量。其中图 4-3a 为利用普通多目标粒子群算法求得 100 个粒子中有 21 个满足条件的解；图 4-3b 为利用基于模糊的多目标粒子群算法求得 100 个粒子中有 98 个满足条件的解。从中容易看出基于模糊的多目标粒子群算法寻优能力远远高于普通的多目标粒子群算法。若给定可靠度指标值，这里取 β =3.88，利用该方法可以很方便的求得满足(4.2)式的设计变量 d=41.48mm。图 4-3a 普通多目标粒子群算法 Pareto 曲线 图 4-3b 基于模糊的多目标粒子群算法 Pareto 曲线Fig.4-3a Pareto curve of general MOPSO Fig.4-3b Pareto curve of Fuzzy MOPSO

【相似文献】

相关期刊论文 前10条

1 韩志杰;王璋奇;;钢坯吊具主连杆可靠性优化设计[J];工程设计学报;2011年03期

2 王丽平;葛文杰;杨开平;;航空弧齿锥齿轮传动可靠性优化系统研究[J];机械科学与技术;2011年07期

3 吉涛;;电压互感器的绝缘结构、老化因素及应对措施[J];电工文摘;2010年03期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

相关会议论文 前10条

1 陆荣;陆达;;摩擦换向抽油机中摆线针轮传动的可靠性优化设计[A];2011年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第三次全体委员大会论文集[C];2011年

2 陈千圣;赵华;范知友;;有圆角的轴的可靠性优化设计[A];第五届全国MTS材料试验学术会议论文集[C];2001年

3 张颖;张洪洲;;基于GA的2终端RCN可靠性优化设计[A];中国通信学会通信建设工程技术委员会2010年年会论文集[C];2010年

4 郝志明;张铎;姜晋庆;陈儒;陈裕泽;徐友钜;;复合材料回转结构的可靠性及可靠性优化[A];中国工程物理研究院科技年报（1998）[C];1998年

5 王健;高忠泽;苏秀苹;;基于Game理论的交流接触器电磁系统多目标优化设计的软件实现[A];中国电工技术学会低压电器专业委员会第十一届学术年会论文集[C];2002年

6 杨周;张义民;;任意分布参数的车辆半轴的可靠性稳健设计[A];2009年全国机械可靠性技术学术交流会暨第四届可靠性工程分会成立大会论文集[C];2009年

7 黄高文;;航空管制雷达结构可靠性设计[A];中国电子学会电子机械工程分会2009年机械电子学学术会议论文集[C];2009年

8 陈建桥;郭细伟;葛锐;;基于ANSYS-PSO方法的复合材料压力容器可靠性优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年

9 邱志平;;基于协同优化方法的非概率可靠性优化设计[A];中国力学学会学术大会'2009论文摘要集[C];2009年

10 颜伏伍;王洪建;田韶鹏;袁智军;;基于NSGA-Ⅱ的变速器齿轮系多目标可靠性优化设计[A];湖北省内燃机学会2009年学术年会论文集[C];2009年

相关重要报纸文章 前2条

1 尹怀勤;为我国资源开发提供更多依据的“地球资源”二号卫星[N];大众科技报;2003年

2 伍振 张新 张蔚;战略引领企业驶上发展快车道[N];中国建材报;2011年

相关博士学位论文 前10条

1 刘仁云;基于计算智能技术的结构可靠性优化设计研究[D];吉林大学;2006年

2 汪忠来;基于模型的不确定性优化设计方法研究[D];电子科技大学;2009年

3 张宇;基于稳健与可靠性优化设计的轿车车身轻量化研究[D];上海交通大学;2009年

4 贺向东;机械结构可靠性稳健设计若干关键问题的研究[D];吉林大学;2005年

5 葛锐;复合材料层合结构的可靠性设计方法及优化算法研究[D];华中科技大学;2008年

6 张勇;基于近似模型的汽车轻量化优化设计方法[D];湖南大学;2009年

7 王世鹏;基于最大可能点摄动法的机械零部件可靠性分析[D];吉林大学;2008年

8 何盼;面向可靠性优化设计的分布式系统资源分配研究[D];重庆大学;2012年

9 杨周;非正态分布参数的机械构件的可靠性灵敏度与可靠性稳健设计[D];东北大学;2010年

10 唐远富;复合材料结构可靠性鲁棒分析及优化算法研究[D];华中科技大学;2012年

相关硕士学位论文 前10条

1 潘承怡;自激式超越弹簧离合器可靠性优化设计的研究[D];哈尔滨理工大学;2002年

2 周峰;机械稳健可靠性优化设计[D];太原科技大学;2011年

3 邱百军;基于JC法的车辆零部件可靠性优化设计[D];东北大学;2009年

4 张领;基于特征的参数化齿轮系统的优化设计[D];中南林学院;2001年

5 王清峰;基于可靠性最优化的新型钻机的研究[D];重庆大学;2002年

6 刘彦明;基于四阶矩的机械可靠性相关研究[D];太原科技大学;2011年

7 黄贤振;随机参数平面机构运动设计若干关键问题研究[D];东北大学;2008年

8 蒋春明;汽车机械式变速器变速传动机构可靠性优化设计[D];南京航空航天大学;2007年

9 宋广辉;乘用车两轴式机械变速器的可靠性优化设计[D];南京航空航天大学;2008年

10 张利辉;基于Kriging模型的球磨机齿轮传动可靠性优化设计[D];吉林大学;2007年

本文编号：2722270