提出一种南薄壁杆、压电扭转驱动器、压电传感器组成的机敏杆，针对机敏杆扭转振动控制中驱动器／传感器优化配置问题，对机敏杆的扭转振动进行了深人的研究，采用拉格朗日方程和假设模态法推导了机敏杆系统的动力学方程，建立了系统的状态空间表达式。将机敏杆划分为若干个位置单元，选取主动控制器的最大耗能作为优化准则，运用遗传算法获得了压电扭转驱动器／传感器的最佳配置位置及最优反馈增益。结果表明：所获得的最优位置、反馈增益是合理的，将驱动器／传感器同位配置在最优位置并实施相应的闭环最优控制，主动控制器的耗能最大，并能有效抑制机敏杆的扭转振动。

合理的弹性橡胶密封垫断面形状是保障盾构隧道管片接缝防水设计性能的关键。密封垫断面优化设计时,需要反复进行材料大变形、接触分析等复杂的非线性计算,极大限制了优化效率。为此,以闭合压力与有效接触压力占比为双控目标,提出了一种结合深度神经网络代理模型的结构优化算法。在遗传算法框架下,深度神经网络代理模型可以实现由断面形状到接触应力场的快速映射。同时,迁移学习的引入实现了不同类型断面形状代理模型的知识复用,仅利用小样本即可建立高精度的接触应力预测模型,从而有效提高了闭合压力约束条件下的密封垫结构断面优化效率。

针对上海市联运式专用集装箱在工作过程中密封不严的状况,文章对集装箱密封条的结构形状参数进行了优化设计。首先应用分析软件对集装箱密封条进行建模和受力分析,然后应用神经网络与遗传算法相结合对密封条形状、高度以及宽度等参数进行设计,最后对比优化前后密封条的各项性能。密封条优化后,应力下降,压缩力减少,接触长度增加,能有效解决箱体的渗漏状况。

为了提高锁止阀开启中液动力的计算效率,通过动网格技术在流体动力学软件Fluent中模拟锁止阀的阀芯开启过程,在对阀口过流面积进行数值计算的基础上,分析其流量及流量系数随阀芯位移的变化情况。使用BP神经网络对随机抽样法获得的样本数据进行训练和预测,并对预测的结果进行准确性评估。最后,以BP神经网络预测的数学模型为基础,使用遗传算法对锁止阀节流槽参数进行优化。结果表明:优化后的锁止阀开启过程中流量-开度特性更加稳定,有利于提高锁止阀的工作性能。

以液压互联悬架为研究对象,从能耗的角度出发,建立液压系统中各元件的能耗模型,并在3种常见的城市道路工况下进行了仿真分析。针对能耗占比较大的阻尼阀,研究了其孔径对于能耗及互联悬架动力学性能的影响,在此基础上建立了液压互联悬架多目标优化模型,并采用NSGA-Ⅱ算法对目标函数进行优化求解。结果表明：优化后的悬架在保证其动力学的同时,能够有效降低阻尼阀能耗,实现节能减排的功能。

由于传统磨粒流加工机床液压控制系统的不稳定性，使得系统输出存在较大的偏差，这会导致被加工工件很难达到理想的加工效果。因此，提出基于遗传算法优化的积分分离式PID控制算法，对磨粒流机床液压缸的压力变化进行研究，可以很好的解决系统输出不稳定的问题。分别通过普通PID算法、遗传算法和经遗传算法优化后的积分分离式PID算法对磨粒流机床液压缸的压力变化情况进行分析研究，并利用MATLAB软件对液压缸压力的变化进行仿真分析。仿真结果显示，基于遗传算法优化下的积分分离式PID控制算法相比于普通PID算法，基本无超调现象的产生，系统响应时间明显缩短，能够有效提高系统的稳定性，符合磨粒流机床液压控制系统的设计要求。

针对现场摩擦叠焊修复加工中高速液压驱动主轴头在低速时钻孔效率低的问题,提出了一种全液压驱动主轴水下钻孔特性建模与离线优化方法。通过多次实验获得钻孔数据,通过BP神经网络对数据进行拟合得到水下钻孔扭矩特性,并通过遗传算法寻优,得到了最优切削参数,该参数作为在线优化的初始输入。结果表明,通过该方法能够得到全液压驱动主轴的水下钻孔特性和最优切削参数,缩短了现场钻孔加工的在线优化时间,提高了钻孔加工效率。

该文以最小重量为优化目标，针对外啮合齿轮泵齿轮几何参数进行优化。根据给定的控制变量，采用遗传算法进行连续的校核计算以实现优化目标。

深入分析了海水淡化双活塞往复式压力交换能量回收装置的插装式四通整流阀的布局方案和内部孔道的连通方案.结合插装单元在中心块立体布局的空间位置关系以及自身结构特点 建立了优化设计数学模型.基于MATLAB编写遗传算法程序进行插装单元间的外部干涉校核和孔道连通优化设计 最终求出插装式四通整流阀插装单元的最优布局方案.优化后的插装式四通整流阀的插装单元布局紧凑 内部孔道连通路径比初始设计缩短了20.4%.

电动静液作动器具有功率密度高，集成度高以及高效节能等优点。为了获得较为精确的作动器线性数学模型，采用了遗传算法对模型参数进行辨识。在遗传算法中，将一组模型参数值视为一个染色体的基因编码，以实测的系统频率响应数据作为评价染色体优劣的标准，并构造相应的适应度函数。通过使用基于排序的选择概率设定方法，算术交叉算子以及高斯变异算子，并进行迭代运算，实现了种群的遗传进化操作与对最优解的搜索。最终的辨识结果证明了遗传算法辨识作动器模型参数的有效性。