基于神经网络和粒子群算法的环肋圆柱壳优化设计

对于潜艇外壳等外压容器来说,满足稳定性要求至关重要。本文利用Matlab编写改进粒子群算法优化程序,利用Ansys的Apdl语言完成了环肋圆柱壳的参数化建模,以圆柱壳厚度、肋骨尺寸和肋距作为离散设计变量,以稳定性要求作为约束条件,构造了合适的惩罚函数,以质量最轻作为设计目标,实现了基于BP神经网络和粒子群算法的环肋圆柱壳优化设计。在优化过程中,首先采用拉丁超立方体抽样完成了样本点的选取,然后对样本点进行有限元分析,根据有限元分析结果构建BP神经网络代理模型,并探讨了样本点数量对代理模型预测精度的影响,最后采用改进粒子群算法对代理模型进行优化。优化结果表明,对于需要考虑离散变量和复杂非线性约束的结构优化问题,采用BP神经网络和粒子群算法联合优化的方法能够节省大量计算时间,并达到理想的优化效果。     

基于BP-GA算法的环肋锥柱壳多目标优化设计

本文以超大潜深的潜艇耐压壳结构为研究对象,利用排水量表达式估算潜艇主尺度。通过Ansys软件的Apdl语言建立环肋锥柱壳的有限元模型,并分析计算耐压壳的强度及稳定性。以肋骨间距、耐压壳厚度和肋骨尺寸作为离散设计变量,以结构重量、总体失稳临界压力作为优化目标,实现基于神经网络和遗传算法的环肋锥柱壳多目标优化设计。在Matlab平台上,首先用拉丁超立方体抽样,再用BP神经网络建立起样本点和目标函数之间的映射关系,构建神经网络代理模型,最后调用多目标优化函数gamultiobj进行优化。优化结果表明,利用BP神经网络和遗传算法相结合进行复杂模型环肋锥柱壳的多目标优化,效率较高,精度较好,达到较理想的优化效果。     

基于BP-GA算法的环肋锥柱壳多目标优化设计

本文以超大潜深的潜艇耐压壳结构为研究对象,利用排水量表达式估算潜艇主尺度。通过Ansys软件的Apdl语言建立环肋锥柱壳的有限元模型,并分析计算耐压壳的强度及稳定性。以肋骨间距、耐压壳厚度和肋骨尺寸作为离散设计变量,以结构重量、总体失稳临界压力作为优化目标,实现基于神经网络和遗传算法的环肋锥柱壳多目标优化设计。在Matlab平台上,首先用拉丁超立方体抽样,再用BP神经网络建立起样本点和目标函数之间的映射关系,构建神经网络代理模型,最后调用多目标优化函数gamultiobj进行优化。优化结果表明,利用BP神经网络和遗传算法相结合进行复杂模型环肋锥柱壳的多目标优化,效率较高,精度较好,达到较理想的优化效果。     

近似模型在非均匀环肋圆柱耐压壳优化中的应用研究

为提高潜水器耐压壳的稳定性和材料的利用率,该文在圆柱耐压壳设计中引入了非均匀肋骨布置方案,采用不等刚度不等间距分布的肋骨形式。在优化过程中,引入了近似模型技术,提出基于近似模型的非均匀环肋圆柱壳结构优化设计方法,通过试验设计在设计空间内选取样本点,建立近似模型,并以此搭建了近似模型优化策略对环肋圆柱耐压壳进行优化。研究结果表明,对于非均匀环肋圆柱壳采用合理的肋骨布置方案能有效地提高其力学性能及材料利用率;二阶 RSM 近似模型和 RBF 近似模型均能合理反映样本空间的样本点,基于近似模型优化方法能以较小的计算量克服优化过程中出现的数值噪声和错误。良好的优化结果表明该优化方法具有广泛的应用前景和空间。     

基于遗传算法的环肋圆柱壳结构优化设计

本文对某潜器的环肋圆柱耐压壳结构开展以减重为目标的优化设计,通过使用遗传优化算法,以环肋圆柱壳结构中的肋骨尺寸、肋骨间距及壳体厚度作为优化设计变量,在强度和稳定性满足的约束条件下,得出优化后重量较轻的设计方案,同时结合理论和数值方法校核该方案下强度和稳定性,以验证方案有效性。研究结果表明,优化后理论与数值计算得出强度与稳定性符合规范要求,优化后环肋圆柱壳结构重量得到有效降低,该研究方法可为今后类似结构物优化设计提供参考。     

基于粒子群算法的环向加筋夹层圆柱壳体优化设计

为了获得环向加筋夹层圆柱壳体尺寸的最优化参数,首先参考一般环肋圆柱壳体强度与稳定性校核方法,并根据环向加筋夹层圆柱壳体应力分布规律和稳定性特征,提出环向加筋夹层圆柱壳体强度与稳定性校核方法;其次以强度与稳定性要求为约束、以结构重量最轻为目标,建立优化设计的数学模型,并利用粒子群优化算法完成了环向加筋夹层圆柱壳体的尺寸参数优化。最后探究了结构重量随极限潜深增大的变化规律。研究成果表明,利用粒子群优化算法进行环向加筋夹层圆柱壳体参数优化设计可以获得令人满意的结果。     

基于Abaqus的环肋圆柱壳长舱段稳定性分析与结构优化

采用大型非线性有限元软件Abaqus分析了环肋圆柱壳长舱段的稳定性规律,对于环肋圆柱壳长舱段,随着舱段长度的增加,其稳定性的数值仿真解与解析解差别逐渐增大,有限元计算结果能够更加合理准确地反映其稳定性状况.现行规范对于环肋圆柱壳长舱段稳定性的求解适用性有所下降,应该考虑对理论公式进行修正.针对某种典型的环肋圆柱壳长舱段,分别采用一根和两根框架肋骨的方案进行结构优化以提高其总体稳定性,结果表明,一根框架肋骨的优化方案重量较轻,稳定性指标更加接近规范的容许值,两根框架肋骨则比较节省舱内空间.综合考虑,一根框架肋骨的方案更加合理.     

潜艇环肋圆柱壳结构的模糊优化

本文针对潜艇普通环肋圆柱壳结构设计的特点，建立了潜艇普通环肋圆柱壳结构尺寸优化的数学模型，并考虑到在该结构设计中存在的不确定因素，进行结构的模糊优化设计。采用约束非线性混合离散变量优化方法，直接获得离散变量的最优解，无需作规格化处理。算例表明本文方法简便实用，结果合理。     

潜艇耐压圆柱壳结构的优化设计

本文根据结构特点,从解多目标优化问题的简单目标规划法出发,建立了一种单目标约束最优化的数学模型。用复形法求解后,根据材料屈服极限事实上是离散变量的实际情况,以重量最轻为目标函数作了第二阶段优化,并对壳板厚度、环向肋骨间距这两个连续变量作了专门处理,使设计变量都转化为规格化的离散变量,从而使优化设计更为实用。若干实例设计表明普通环肋圆柱壳结构优化方案明显优于原设计方案;在某些特定情况下,纵横加肋圆柱壳结构是一种优于普通环肋圆柱壳结构的结构形式。     

基于分枝定界法的环肋圆柱壳优化研究

基于分枝定界方法,研究了环肋圆柱壳静水压力作用下,考虑强度和稳定性约束时重量最轻的混合变量优化设计问题,讨论了强度约束和稳定性约束以及材料、几何参数对优化结果的影响.该方法能够有效求解环肋圆柱壳的混合优化问题,计算量小,精度高;环肋圆柱壳经优化后,壳板的重量比例大约是70%,肋骨重量占30%.并且随壳体的长径比(L/R)变化不大.环肋圆柱壳的优化中,肋骨的应力约束是主要约束,肋骨应力已经非常接近许用应力标准,其他应力、局部和总体失稳压力还有一定的储备.     

基于PSO-BP神经网络的油船中部结构优化

以舱段质量为目标函数,以相关规范要求的板厚及应力为约束条件,通过灵敏度分析确定设计变量,对油船中部结构优化。构建基于粒子群优化的BP神经网络模型,并代替有限元分析确定应力与设计变量之间关系,从而对舱段进行结构优化。优化后舱段质量降低了4.2%,优化后的有限元分析结果表明满足规范要求,PSOBP神经网络模型在船舶结构优化设计中具有可行性。     

基于克里金模型的潜水器耐压舱结构优化

本文研究Kriging建模和序贯加点相结合的方法,用于解决目标函数或者约束函数无法显式表达下的优化问题。在加点准则中为了避免出现龙格现象,改进了加点优化时步长要求,在优化过程中融入多种群遗传算法提高了序贯加点值的计算准确性。计算结果表明,改进后的加点准则在存在多区域或者多个极值点的情况下均可快速搜索到最优点位置。建立了载人潜水器载人舱以重量为优化目标,以强度要求为约束的球壳厚度优化模型,采用此方法在初始选取5个样本取样,序贯加点6个样本点,计算得到球壳的最优厚度值为50.5569 mm,可有效指导设计工作。     

基于自适应变异 PSO-BP算法的船舶横摇运动预测

为了准确高效预测船舶在海上的航行状态,以保证人员、货物和船舶的安全,提出一种自适应变异的粒子群优化算法（self-adapting particle swarm optimization algorithm,SAPSO）,将该算法与误差反传（back propaga-tion,BP）神经网络结合。SAPSO-BP预测模型使用SAPSO算法优化BP网络的网络参数。克服传统BP神经网络对初始权值阈值敏感,容易陷入局部极小值的缺点,同时也克服了传统PSO算法早熟收敛、搜索准确度低及迭代效率低等缺点。运用该模型对科研教学船“育鲲”轮在海上航行的横摇情况进行实时预测实验,验证该方法的可行性与有效性具有较高的预测精度。     

基于灵敏度分析的环肋圆柱壳结构优化

针对环肋圆柱壳结构强度和稳定性(包含肋骨侧向稳定性),引入新的灵敏度计算方法,开展了几何参数的灵敏度分析,获取了主要影响参数;给出了考虑肋骨侧向稳定性后的材料利用率计算公式后,在结构满足强度和稳定性要求的条件下,以重量最轻、材料利用率最高为优化目标建立了优化数学模型。采用多目标遗传算法对结构在考虑肋骨侧向稳定性后进行了优化。结果表明,这种灵敏度计算方法具有良好的可靠性,基于灵敏度分析的结构优化的方案具有显著的可行性、高效性。     

基于量子粒子群算法的船舶电力系统网络重构

船舶电力系统网络重构可以看作为一个多目标、多约束、多时段、离散化的非线性规划最优问题。根据船舶电网结构的特点,提出了运用量子粒子群算法解决重构问题的思想。加入量子粒子群算法的离散化操作,使之能够满足船舶电网重构模型的要求。仿真结果说明该算法能够得出船舶电力系统网络重构的全局最优解,实现了网络重构最优,并且通过相应的算例与其他优化算法进行横向比较的结果也验证了量子粒子群算法有更好的可行性。     

PSO-BP神经网络在船舶二级脱硝系统中的应用

随着国际海事组织（IMO）标准Tier III标准的实施，船舶柴油机尾气中的氮氧化物（NOx）的排放受到了更严格的限制。选择性催化还原脱硝技术因其高效、可靠等优势成为船舶柴油机NOx减排的主要选择。本文先根据SCR反应机理在MATLAB中搭建一级SCR脱硝系统和二级SCR脱硝系统模型，通过仿真结果对比，发现加入二级脱硝系统后，脱硝率可以得到提高。鉴于BP网络预测精度较低，本文将粒子群（PSO）算法加入到BP权值训练过程中，利用PSO-BP 神经网络预测 SCR-DeNOX系统出口处NOX浓度。结果表明：PSO-BP 神经网络不但可以预测SCR-DeNOX系统出口处的NOX浓度，而且与传统BP 神经网络相比可以提高预测结果的精度，为有效控制喷氨量、降低氨气逃逸量提供帮助。     

微粒群优化算法在铺排船建模中的应用

针对铺排船建立锚泊移位系统模型,利用微粒群优化算法对神经网络模型参数进行优化训练,仿真结果显示,采用该算法训练的系统模型性能得到明显改善。     

圆形微带天线谐振频率的混沌粒子群神经网络集成建模

谐振频率是微带天线设计过程中最重要的一个参数，直接决定设计的成败．本文提出二进制粒子群优化算法的选择性神经网络集成方法，通过粒子群优化算法合理选择组成神经网络集成的各个神经网络，使个体间保持较大的差异度．为有效保证粒子群优化算法的粒子多样性，在迭代过程中加入混沌变异．基于该混沌粒子群算法的神经网络集成对圆形微带天线的谐振频率进行建模．仿真试验表明，混沌粒子群优化算法是组合优化权值的有效方法，可以有效提高神经网络集成的泛化能力，基于该算法所建立的圆形微带天线的谐振频率模型好于此问题的已有结论．