优化的BP网络在船舶故障诊断中的应用

船舶各种设备故障的早期诊断和预测,对船舶的安全运行具有非常重要的意义。由于船舶上设备繁多,运行环境特殊,因此,各种设备的故障症状与故障原因之间关系十分复杂,使用传统诊断方法在实际应用中效果不理想。BP神经网络在故障诊断中有广泛的应用,但由于BP网络采用的是沿梯度下降的搜索求解算法,存在收敛速度慢,且容易陷入局部极小等问题。而遗传算法具有全局搜索速度快的优点。为此,采用自适应遗传算法来优化BP神经网络,并以船舶主机轴系的故障诊断为实例,证明遗传算法优化的BP网络方法非常适用于对船舶各种设备故障的早期诊断和预测。     

利用遗传算法进行船型优化

近年来人们运用兰金源方法结合最优化技术(非线形规划)进行了一系列的迭代计算，已得到具有最小兴波阻力的船型。如果要在实际的船体设计中应用最优化技术，还需要一种算法以求在合理的时间内找到真正的总体最优船型。如果将船体形状对母型船的变化限制在小扰动范围内，所需计算时间就可以大大降低。提出一种由于船型变化引起的扰动速度势的边界值问题。虽然船型进行了修改，但这个公式不需要重新划分船体和自由表面的网格，使得在短时间内可获得因船型改进而引起的兴波阻力变化，船型的优化也就变得可行。     

奥迪（Audi）A8轿车自适应空气悬架系统结构与维修（二）

一6.3车身加速度传感器(G341、G342、G343)为对‘每种行驶状态进行最理想的减振调控，必须知道车身运动(簧载质量)和车轴运动(非簧载质量)的时间曲线。使用三个传感器测量车身的加速度。其中有两个位于前桥的弹簧支柱拱顶上，第三个位于右后轮罩内。通过处理车身高度传感器信号     

制动电阻器多学科设计优化

为了确保机车、动车制动电阻器整体性能提高,以某型号特种内燃动车制动电阻器传热性能、经济性能、质量以及抗热冲击性能为目标函数建立多学科设计优化模型,并充分考虑各学科之间的耦合效应,采用自适应混沌优化算法对多学科设计优化模型进行求解。多学科设计优化结果表明,该制动电阻器传热性能增加11.51%,设计成本下降7.05%,质量减少7.21%,抗热冲击性能增加15.50%,整体性能提高9.97%。优化前后特种内燃动车制动电阻器的安全温度对比实验表明,制动电阻片的安全温度由优化前的500℃提高到优化后的550℃。     

Ship appearance optimal design on RCS reduction using response surface method and genetic algorithms

Radar cross section (RCS) reduction technologies are very important in survivability of the militarynaval vessels. Ship appearance shaping as an effective countermeasure of RCS reduction redirects the scatteredenergy from one angular region of interest in space to another region of little interest. To decrease the scatteringelectromagnetic signals from ship scientifically, optimization methods should be introduced in shaping design.Based on the assumption of the characteristic section design method, mathematical formulations for optimalshaping design were established. Because of the computation-intensive analysis and singularity in shapingoptimization, the response surface method (RSM) combined genetic algorithm (GA) was proposed. The poly-nomial response surface method was adopted in model approximation. Then genetic algorithms were employedto solve the surrogate optimization problem. By comparison RCS of the conventional and the optimal design,the superiority and effectiveness of proposed design methodology were verified.Ky words: radar cross section (RCS); characteristic section design method; response surface method; genetic algorithm (GA) was proposed. The polynomial response surface method was adopted in model approximation. Then genetic algorithms were employed to solve the surrogate optimization problem. By comparison RCS of the conventional and the optimal design, the superiority and effectiveness of proposed design methodology were verified.     

基于GA-BP神经网络的螺旋桨水动力性能预报方法

为了快速预报螺旋桨水动力性能，提出一种遗传算法优化BP神经网络（GA-BP）的螺旋桨水动力性能快速预测方法。采用计算流体力学（CFD）方法，使用FLUENT软件对P4119螺旋桨水动力性能进行仿真计算，结果表明CFD方法可替代敞水试验获取螺旋桨水动力性能。采用CFD方法计算100组不同系列螺旋桨的水动力性能，建立GA-BP神经网络螺旋桨水动力性能预测模型，以计算所得的100组数据为模型的学习样本，选择其中的80%为训练集，10%为验证集，10%为测试集，对比分析传统BP神经网络和GA-BP神经网络模型的预测效果。结果表明，GA-BP神经网络预测结果预测精度更高，能够满足快速预测螺旋桨水动力性能的要求。