基于多目标遗传算法的复式转叶舵机结构优化

针对舰船转叶舵机运动时舵叶与水动力之间存在强力位耦合的问题,设计一种新型复式液压摆动缸转舵机构。为减小结构整体占地面积,基于多目标遗传算法(Multi-Objective Genetic Algorithm, MOGA)建立以复式摆动缸壳体内径、力矩解耦缸转子内径、驱动缸转子轮毂直径、动静叶片高度、动静叶片宽度和壳体厚度几何尺寸为设计变量的多目标优化模型。在使用遗传算法(Genetic Algorithm, GA)求解非线性约束条件下的多变量优化问题时,通过设计罚函数,将适应度函数与约束条件分离以处理约束条件,根据设定的准则择优筛选最优尺寸参数。通过有限元软件ANSYS对摆动缸壳体、力矩解耦缸转子和驱动缸转子进行应力应变分析。结果表明,在满足结构强度、刚度和安全因数的前提下,复式摆动缸结构尺寸最优,验证优化后结构的可靠性。     

Bayes与Fisher判别在边坡稳定性中的应用

基于Bayes判别和Fisher判别分析理论并结合工程实际,选用边坡岩土体的重度、黏聚力、边坡角、边坡高度及孔压比5个指标作为边坡稳定性预测的判别因子,建立边坡稳定性预测的Bayes判别和Fisher判别分析模型;以28组边坡已知数据作为学习样本进行训练,建立Bayes和Fisher判别函数及对误判率进行了估计以检验模型的优良性,并选用7个工程实例对所建立的模型进一步进行考察,结果全部预测正确。