基于Kriging元模型的优化方法通常存在优化效率较低、收敛速度较慢、昂贵估值次数较多且难以有效平衡Kriging模型的局部与全局搜索行为等弊端。为此,提出一种序列Kriging和距离因子辅助的全局优化方法。其实现过程主要包含两个阶段一是利用Kriging模型近似复杂昂贵的黑箱函数;二是利用Kriging模型与距离因子的乘积构造加点采样法则,并通过免于求导的DIRECT算法优化该法则,以获取新的昂贵估值点。六个数值函数测试和一个摆线泵仿真实例验证所提出方法的有效性。

重型特种车的动力系统匹配将对整车的动力性及经济性有着至关重要的作用,动力性及经济性作为评价车辆性能的两个重要性能指标,一般而言,对于重型特种汽车的动力性要求往往较高,而忽略了整车的燃油经济性能,因此整车性能没能达到最优。为了在不降低其动力性的前提下,亦提高其经济性方面的性能,建立了一种基于近似模型的优化方法。首先利用AVL-Cruise建立其整车动力学模型,通过试验设计(DOE)完成灵敏度分析,以整车传动系统的动力参数为研究对象,采用克里格算法(Kriging)建立整车的数学优化近似模型,通过邻域培植遗传算法(NCGA)完成整车的全局动力参数优化,提高了整车的经济性能。

利用局部优化算法对多发弹测量数据进行气动参数辨识,可能存在局部最优解,且同一气动参数多发弹的辨识结果有时差异较大。为提高弹丸气动参数辨识的准确性与合理性,提出一种同时利用多发弹测量数据进行联合辨识的全局优化策略。该策略采用局部优化算法获得搜索空间,将弹丸飞行的稳定性条件作为约束条件,利用最小二乘准则构建准则函数,应用差分进化算法对多发弹数据同步全局寻优,从而获得唯一的全局最优解。以某大口径榴弹纸靶试验数据为例对所提方法进行了验证,结果表明:相比于现有的辨识策略,所提策略计算出的准则函数值更小,重构弹道结果与测量值更接近,且计算稳定性较好。

针对涡轮叶型全局优化设计计算时间长、样本空间大等难点提出一种可行的优化设计方法,该方法将控制叶型的17个参数作为优化变量,采用第二代多目标遗传算法进行全局自动寻优。基于此方法,搭建了涡轮叶型全局优化设计平台。利用此平台,分别采用轴向稠度固定和自由优化两种方式对超声速涡轮叶型进行了优化设计。数值计算结果表明,两组优化设计叶型在设计工况下总压损失系数比参考叶型分别低19.5%和10.0%,流道中的激波强度更弱,且在变工况条件下都具有较好的气动性能。深入分析流场与激波结构后发现,外尾激波相比于内尾激波对总损失的影响更大,通过减小气流膨胀转折角或内尾激波气流转折角能够有效削弱外尾激波强度。

根据给定的工质R245fa和透平输出功率10k W,利用MATLAB软件编写有机工质向心透平气动设计程序,对设计输入参数进行敏感性分析,并利用遗传优化算法(Genetic Algorithm)对一维气动设计进行全局优化,得到约束条件下最高轮周效率为85.76%。在ANSYS平台上利用一维气动设计优化结果进行三维造型设计和计算流体力学(Computational fluid dynamics,CFD)数值模拟。CFD模拟结果显示,模拟的透平输出功率与一维设计结果误差为3%,透平效率误差为2.08%,说明一维气动设计准确性。

为了突破集成高比变焦传感器系统的设计瓶颈，达到视场连续变换、系统功效接近理论极限和构型灵巧等目的，采用了纯透射式结构型式，发展了集成高比变焦系统的顶层思想和主要策略，建立了相应的优化模型。应用全局优化算法解决了宽光谱、多视场、低畸变和MTF匹配等问题。研究和评估了一种工作光谱范围主要在3～5μm变焦比为20：1以上的系统优化结果，它在系统调制传递函数、弥散、点扩散函数和其它像质判据等方面均达到应用要求；在体积、重量和系统效率方面具有显著优势。

粒子群优化(PSO)算法易于实现,对优化问题可以获得质量较高的解,被广泛应用在如气动优化这种非线性高难度问题中,但是面对多峰问题容易陷入局部最优,存在鲁棒性较差的问题,为了提高PSO的鲁棒性,提出了基于并行交换的增强粒子群优化算法(EPSOBPE)。该算法通过布谷鸟搜索算法(CSA)和PSO种群并行进化,分层交换操作和增强学习策略来增强算法寻优能力与鲁棒性。该算法兼具了CSA的全局搜索能力和PSO的局部能力,使得新算法具有极强的鲁棒性。函数测试表明,新算法相较于其他智能优化算法有更强的鲁棒性,对不同问题的适应能力更强。将EPSOBPE算法应用到RAE2822翼型和M6机翼的气动优化设计中,相较于其他算法可以得到更好的效果,从而表明新算法有鲁棒性,同时兼具了更好的寻优能力。

多可信度代理模型已经成为提高基于代理模型的优化算法效率和可信度水平最有效的手段之一.然而目前流行的co-Kriging和分层Kriging(HK)等多可信度代理模型泛化能力不足,缺乏对高阶/高非线性建模问题的适应性,难以广泛应用.文章基于发展的自适应多可信度多项式混沌-Kriging(MF-PCK)代理模型,在提高建模效率和对高阶/高非线性问题近似准确率的同时,建立了基于该自适应MF-PCK模型的高效全局气动优化方法.在发展的方法中,提出了基于MF-PCK模型的新型变可信度期望改进加点方法,使代理优化算法效率进一步提高.为了验证发展方法的全面表现,将其应用在经典的数值函数算例以及多个跨音速气动外形的确定性优化和稳健优化设计中,并与基于Kriging和HK模型的代理优化算法进行了全面比较.结果表明,发展的新型多可信度全局气动优化方法其优化效率相对于基于Krigin...

液压钻机故障特征参数与故障状态之间呈现较强的非线性,依赖线性数学模型的故障诊断方法诊断正确率不高。针对上述问题,提出了一种基于粒子群算法(PSO)优化BP神经网络的液压钻机故障诊断方法。该方法利用BP神经网络提取特征参数之间的非线性关系,实现典型故障的分类识别;利用PSO优化BP神经网络的权值和阈值,提高网络训练的收敛速度。仿真结果表明,PSO优化的BP神经网络迭代次数少,收敛速度快。该方法能够对测试样本进行有效分类,故障诊断正确率高。

针对白车身变量多、性能响应复杂问题,在车身结构的板厚优化设计中引入近似模型方法,提高设计效率。以某轿车车身结构为轻量化设计对象,通过灵敏度分析确定优化设计变量,基于径向基函数神经网络近似模型进行全局优化,在不降低刚度和模态性能的情况下实现白车身减重目标。通过最优拉丁超立方试验设计构造样本点,用径向基函数神经网络法构造刚度和模态的近似模型,并用自适应模拟退火法进行优化求解。结果表明,径向基函数神经网络模型能较好地模拟车身结构刚度和模态响应问题,提高了整体的设计效率。通过有限元模型的验证,基于近似模型的优化结果精度较高,实例白车身减重达5.73%。