预应力混凝土连续刚构桥的参数优化

针对连续刚构桥进行参数优化,研究了边中跨比值、梁底曲线指数、跨高比和薄壁墩墩身间距这四个参数对连续刚构桥受力性能的影响。运用正交设计法、遗传算法、遗传算法与神经网络结合以及神经网络、遗传算法与正交表结合四种方法进行多目标优化计算,计算过程中考虑了施工阶段及混凝土用量的影响,并将四种方法进行了比较。结果表明单纯的遗传算法容易早熟,很难产生最优解。将遗传算法、神经网络和正交表结合效率较高且能够得到在经验范围之内的精度较好的优化结果。     

预应力混凝土连续刚构桥的参数优化

针对连续刚构桥进行参数优化,研究了边中跨比值、梁底曲线指数、跨高比和薄壁墩墩身间距这四个参数对连续刚构桥受力性能的影响.运用正交设计法、遗传算法、遗传算法与神经网络结合以及神经网络、遗传算法与正交表结合四种方法进行多目标优化计算,计算过程中考虑了施工阶段及混凝土用量的影响,并将四种方法进行了比较.结果表明单纯的遗传算法容易早熟,很难产生最优解.将遗传算法、神经网络和正交表结合效率较高且能够得到在经验范围之内的精度较好的优化结果.     

人工神经网络与遗传算法的结合在土钉支护优化设计中的应用

近年来,由于智能化方法——人工神经网络和遗传算法所具有的种种优点,其理论和应用研究得到工程界较广泛的关注。针对目前土钉支护优化设计中计算工作量大和求解时间长的问题,提出了将神经网络与遗传算法结合进行求解的思想,利用神经网络学习算法建立起输入参数(优化设计变量)和输出参数(安全系数最小值)之间的非线性映射关系,当神经网络学习达到收敛条件时,从映射关系就极易获得遗传算法求解优化问题所需的对应于给定设计变量的安全系数最小值的近似值,以代替每次必须进行的最小安全系数求解。算例结果表明,采用神经网络与遗传算法结合进行土钉最小长度优化求解所需要的时间大大减少,而且具有良好的效果。     

大跨悬索桥MTMD抖振控制的参数优化

针对悬索桥抖振控制问题,建立有限元模型,应用神经网络和遗传算法对多重调频质量阻尼器(MTMD)进行双参数优化。以某大跨悬索桥为例,利用神经网络改进的谐波合成模拟方法(RBF-WAWS法)对脉动风速进行模拟,并换算成抖振力作用主梁上,通过时程分析及后处理获取主跨跨中横桥向响应值。将响应值的均方差作为优化目标函数,以MTMD总质量、个数及阻尼比作为优化变量和约束条件,采用神经网络拟合目标函数并应用改进的自适应遗传算法进行寻优。结果表明,优化后的MTMD能有效控制悬索桥在脉动风作用下的抖振响应,减振率达48%。提出的理论与计算方法对悬索桥中MTMD的设置及参数选取具有实际工程意义。     

南京长江第三大桥健康监测系统传感器优化布置研究

南京长江第三大桥主桥为钢塔双索面斜拉桥。介绍以有限元模型分析结果为基础,基于神经网络及遗传算法的全桥传感器测点优化布置理论,最终形成的该桥结构健康监测系统的传感器测点布置。     

基于GA-BP神经网络水下隧道涌水量预测及应用

根据有关水下隧道渗流涌水影响因素的研究成果及预测涌水量时选择影响因素的准则,确定了用于预测水下隧道涌水量的6个影响因子。分析了遗传算法与BP神经网络结合的可行性,并利用遗传算法优化BP神经网络的权值和阈值,从而建立了多影响因子的 GA-BP神经网络预测模型,其收敛性能好、简单可行。通过比较GA-BP神经网络和经典BP神经网络模型的预测结果,验证了前者改良了后者的局限性并提高了预测精度。     

沥青路面结构可靠度及优化方法研究

在进行沥青路面结构可靠度分析中,存在可靠度敏感性、设计变量相关性分析复杂和常用计算方法(蒙特卡罗法)模拟次数多的缺点,特别是在基于可靠度的优化分析中。采用有限元软件ANSYS完成敏感性和相关性分析以给可靠度计算提供依据,二次多项式序列响应面法计算沥青路面结构的可靠度,并结合遗传算法进行可靠度优化计算,计算结果表明了有限元法、响应面法和遗传算法在沥青路面结构可靠度优化分析方面的适用性和优越性。     

基于混沌递进预测模型与趋势检验的深基坑变形规律研究

为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明： 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。     

遗传算法优化的整车7自由度EPS控制仿真

根据EPS的结构和动力学特性,建立EPS动力学方程,采用PID控制和基于遗传算法优化的BP神经网络控制策略,并结合7自由度的整车模型和魔术轮胎模型建立整车EPS仿真模型。文中使用了一种含有3个参数的双指数形式的道路附着系数与滑移率关系计算模型,分析了PID控制和优化神经网络控制对EPS整体系统的影响。     

基于遗传神经网络的货运量预测的研究与实现

针对BP网络和遗传算法的缺陷，提出了一种新的遗传神经网络优化模型，可以用来同时优化BP神经网络的网络结构和权值阈值，叙述了该算法的设计过程。利用该算法对货运量进行预测，并与标准的BP算法预测结果进行比较，计算结果表明，该算法的预测精度大大高于标准的BP算法的预测精度。     

发动机试验台测控系统模糊神经网络控制方法的研究

结合模糊控制、神经网络、遗传算法的优点,提出发动机试验台测控系统模糊神经网络控制方法。利用遗传算法的全局优化策略,避免陷入局部最小点的缺陷。在建立发动机-测功机传动系统动力学模型、发动机有效转矩模型、测功机励磁电流模型的基础上,进行了动态仿真模拟,较好地解决了试验台控制的稳定性及测量的实时准确性问题。     

采用序列响应面法的大客车结构振动频率优化

提出基于序列响应面模型的方法结合遗传算法的优化思路,对某全承载式大客车的振动频率进行优化。在有限元模型的基础上,借助灵敏度分析,结合零件分组,选取一部分重要结构件的厚度作为设计变量,以质量不超过原设计质量作为约束,在Matlab环境下对指定的振动频率分别进行优化。优化过程中将遗传算法每轮迭代得到的最优解作为新一轮有限元分析的输入,并用分析结果更新响应面模型。优化结果表明,该客车被优化的振动频率有明显的提高,所采用的方法有效减少了计算的相对误差,改善了优化效果。     

基于遗传算法优化神经网络的纸坊隧道初始地应力场拓展分析

遗传算法具有较强的全局搜索能力,神经网络具有自学习能力,结合神经网络和遗传算法,可以充分利用两者的优点,使新算法既有神经网络的学习能力和鲁棒性,又有遗传算法的强全局搜索能力。初始应力场和待定因素之间的关系往往比较复杂,而基于遗传算法优化神经网络可以容易地确定出初始应力场和待定因素之间的非线性映射关系,将该方法用于纸坊隧道初始地应力场的拓展分析研究,获得了很好的效果。     

基于遗传算法优化支持向量机的再生混凝土抗压强度预测模型

针对再生混凝土抗压强度预测问题,提出了一种基于遗传算法优化支持向量机(GA-SVM)的抗压强度预测模型。利用遗传算法对SVM的参数进行优化,并得到优化的SVM预测模型。仿真试验结果表明:与BP神经网络和传统SVM的预测结果相比,基于遗传算法优化支持向量机模型的预测精度更高。     

人工神经网络与遗传算法在发动机性能优化中的应用

利用BP神经网络的自学习以及非线性逼近能力对发动机性能的影响因素和性能进行拟合和预测,再 用遗传算法强大的全局寻优能力对影响因素进行优化,最终得到满足发动机燃油经济性的最佳动力性组合。二者 的有机结合,为发动机性能优化提供了新的途径。     

BP神经网络在隧址区初始地应力场计算中的应用

简要介绍了BP神经网络法在隧址区初始地应力场计算中的原理和过程,并以某隧道为实例,结合有限元分析对该隧道隧址区的地应力场分布进行了计算,得到了较为可靠的结果,为类似工程的初始地应力计算提供参考。     

大缸径天然气发动机几何压缩比与米勒度协同优化

利用GT-Power建立了某大缸径天然气发动机的一维热力学循环仿真模型,用原机台架试验数据标定,使仿真模型计算准确后,研究了发动机设计参数几何压缩比以及米勒度对发动机性能的影响.以提高发动机热效率和降低排气温度为目标,利用神经网络建模与遗传算法对发动机设计与控制参数进行协同优化.优化结果表明,在保证发动机扭矩输出的条件...     

基于多目标优化的多塔特大斜拉桥索力优化研究

为探究在多参数作用下多塔斜拉桥索力优化方法,基于多目标优化理论,构建了以主梁弯曲应变能和主塔纵向水平位移为目标函数,使用界限构造法建立了迭代过程中适应度函数,联合改进遗传算法和RBF神经网络对索力进行了优化求解,并将计算结果与单目标优化的主梁弯曲应变能和主塔纵向水平位移进行了对比。结果表明:改进遗传算法具有良好的泛化能力和全局寻优能力,主梁弯曲应变能和主塔纵向位移均有一定程度下降,与单目标优化相比,虽然弯曲应变能相比提高,但是主塔纵向位移得到了有效控制。改进遗传算法联合RBF神经网络的索力优化方法确保了结构处于全局最优状态。     

遗传算法优化BP神经网络的路面结构层模量反算方法研究

路面结构层回弹模量是路面结构设计中最重要的指标之一。文中针对新沥青路面设计规范中推荐的路面结构层模量和上海典型路面结构厚度,利用有限元程序建立了弯沉盆数据库;然后基于数据库搜索理论,采用遗传算法优化BP神经网络模型,实现路面结构参数与弯沉盆大小的映射、学习,达到模量反算的目的;通过加入噪声,提高神经网络模型的鲁棒性和泛化能力,实现对FWD实测弯沉盆的模量反算。     

一种基于人工智能技术的胎面轮廓优化设计方法

轮胎是一种复杂、多变量的结构体，要想对其进行结构优化是非常困难的。醉庆自有轮胎专用三维有限元分析软件的基础上，结合D－最优试验设计、神经网络和遗传算法进行胎面轮廓的优化，为复杂、多变量的结构优化设计探讨一条效的途径。本文最后给出了相应的算例。结果表明该方法是有效的。