为了提高立式加工水基切削控制精度,提出基于模拟退火的立式加工水基切削精度自适应控制方法。首先建立立式加工水基切削数学模型;其次设计了立式加工水基切削系统PID控制器;最后基于模拟退火方法对PID控制器进行参数优化,实现立式加工水基切削精度的自适应控制。测试结果表明所提方法在0.25 s即完成控制动态响应;在阻尼系数、转轴加速度、进给量发生改变时,仍能保持切削力稳定,鲁棒性较强;噪声干扰下切削力偏差值小于45.3 N,切削自适应控制精度较高。

针对工字梁结构受力过程中测点数目过多及优化较困难的问题,提出一种基于模拟退火思想及遗传算法的改进粒子群算法,综合考虑受力状态识别误差与测点优化,进行了测点的筛选。首先将遗传算法的初始化、选择、交叉、变异融入粒子群算法中;其次在变异部分引入模拟退火的思想。改进后的粒子群算法改善了标准粒子群算法的“早熟”局部寻优能力较差等问题。通过测试函数对比改进粒子群算法与标准粒子群算法的性能,改进的粒子群算法稳定性更好,抗“早熟”能力较强,精度明显提高。通过工字型梁选点及受力状态识别仿真与试验表明,改进粒子群算法在受力状态识别的测点选择过程中具有较高的效率,选择测点的受力状态识别误差均小于3%,在工程应用范围内,为受力状态识别提供了一种较好的方法。

将模拟退火算法应用于超声层析成像,以避免对初始模型的依赖,并在全局范围内搜寻最优解。为合理确定模拟退火算法的各项参数和规则,在对超声波速进行反演时,进行如下设计：以声波走时误差的二阶范数作为目标函数;以逐渐缩小的邻域对波速向量进行随机扰动,并根据先验信息对新解进行取模约束;以Me-tropolis准则接受新解;通过实验获得合理的初始温度;以指数函数进行降温。为最大程度逼近最优解,需要跟踪保持历史最优解。经过数值模拟及对混凝土桩基的实际测算,证明了该方法的有效性。

低频换能器的宽带发射是现代水声发展的方向,也是水声技术的一个难点.为了实现低频换能器高保真的发射宽带信号,该文讨论了使用退火算法设计换能器与功放之间的均衡电路,并将其付诸于实验.实验结果表明,我们的方法将声发射的带宽拓展将近3倍,在实际工作中是可行的.

为了减少二元光学元件设计的计算量并提高设计精度，在对现有算法机理进行深入分析的基础上，提出了适用于二元光学元件设计的两步模拟退火法．该算法在整个退火过程中采用先量化后优化的策略，并将优化过程分为两个阶段：搜索并锁定最优解区间；快速收敛到最优解．模拟实验显示，与传统设计方法相比，该算法不仅保持了全局寻优的特点，而且提高了稳健性和效率．算法剔除了对设计结果影响较大的量化误差，提高了设计精度．用此法实例设计了单焦面辐射聚焦元件，得到了与目标图像一致的光学实验结果．

针对多轴运动控制系统中电机控制存在扰动的问题，提出了一种基于模拟退火算法的PID控制器参数整定方法来实现多轴运动控制系统的稳定控制，并给出了具体的实现方法，该方法可有效消除多轴运动控制系统轨迹跟踪的稳态误差，具有满意的ITAE积分性能；同时，整定过程中PID控制器的参数可被限制在一个较小的范围内，减少了对实际机械系统的损害。

为解决传统标准协同优化算法经常无法收敛和容易陷入局部最优等缺陷,提出一种基于模拟退火法的改进协同优化算法.该算法在继承标准协同优化算法并行自治优点的前提下,首先系统级由全局模拟退火算法和梯度算法相结合的组合优化策略代替单优化算法,其次根据优化具体情况引入动态松弛因子,以此来保证优化的全局性和精度.通过两个典型的MDO测试算例对改进的协同优化算法进行验证,优化结果表明,改进的协同优化算法具有更好的精度、收敛速度和稳定性.

针对大型土木工程结构提出一种协调分散控制策略;该策略在分散化控制基础上,通过设置一个不受子系统影响的高层协调系统来加强各子控制器对结构的控制能力。基于线性矩阵不等式方法和PID控制理论,推导了能够保证协调系统渐进稳定及系统性能上届最小的最优保性能PID协调控制器;在此基础上,结合极值控制原理,以结构控制效果整体最优为目标设计各子控制器,进而得到协调分散控制系统的反馈控制律;同时利用模拟退火算法对各子控制器进行优化设计;对ASCE 9层Benchmark模型分别进行集中控制、全维分散控制、部分分散控制和协调分散控制优化设计及仿真分析。结果表明,不同地震激励下,协调分散控制较集中控制与分散控制能更好地抑制结构的振动响应,协调控制器与子控制器协同控制下能保障各子系统作动器均处于最大功效工作状态。

通过对萤火虫算法的学习和深入研究,得知算法在极值点区域容易呈现无规律的振荡现象,从而降低了局部搜索的能力;为了解决这个难题,引入了振荡权重函数,以此来增强局部搜索能力,提高算法精度。同时为了使全局与局部的搜索能力相对均衡,加快算法的收敛进度,又将模拟退火算法借鉴到算法中;将改进的算法运用到桥式起重机箱型主梁中进行优化并通过ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主梁质量减少6.87%且符合设计要求,对实际工程结构的设计有指导意义。

针对滚动轴承振动信号故障特征提取依赖于专家经验引起的不确定性影响识别准确率的问题,提出一种基于多参数优化深度置信网络的滚动轴承外圈损伤程度识别方法。首先,考虑外圈滚道损伤分布弧长的变化对滚动轴承动力学特性的影响,建立五自由度滚动轴承损伤动力学模型,仿真求解外圈不同损伤程度的滚动轴承响应信号;然后,基于模拟退火算法优化DBN的多个结构参数,利用仿真数据的原始时域波形直接进行损伤程度的识别。不同信噪比外圈损伤仿真数据与齿轮箱轴承试验数据的分析结果表明,该方法无需先验知识提取外圈损伤特征,可直接利用轴承原始时域数据自学习地提取不同损伤程度的特征信息,且识别准确性和稳定性更高,具有工程应用价值。