首页> 正文

基于计算智能技术的结构可靠性优化设计研究

2020-11-22阅读(424)

基于计算智能技术的结构可靠性优化设计研究

论文摘要

本文概述了国内外有关可靠性设计理论、可靠性优化设计方法、稳健设计方法和计算智能技术等方面的内容,成功地将计算智能技术中的小波神经网络应用于多失效模式的结构系统可靠性优化设计中。为提高小波神经网络的仿真性能,将局部策略思想和共轭梯度算法相结合,提出了一种改进的小波神经网络的学习算法;利用构造的小波神经网络逆映射模型,简单方便地实现了可靠性优化设计;将多目标决策理论和可靠性设计、稳健设计理论相结合,建立了适合可靠性稳健优化设计的多目标优化模型,结合粒子群与模糊理论,提出了适合该模型求解的模糊多目标粒子群算法;针对可靠性稳健优化设计模型多属于高维多目标优化的问题,通过灰色关联分析计算空间中的粒子所形成的各目标矢量序列与基准矢量序列之间的关联度,选取使关联度值最大的粒子作为粒子群算法的全局极值和个体极值,进而提出了适合高维多目标优化问题求解的灰色粒子群算法。算例结果表明,上述方法提高了结构可靠性优化设计的效率,得到了具有学术理论指导价值和实际应用参考价值的结果。

论文目录

  • 第一章 绪论
  • 1.1 课题研究的背景
  • 1.2 可靠性优化设计研究的现状与发展
  • 1.3 稳健设计研究的现状与进展
  • 1.4 计算智能技术研究的现状及发展
  • 1.5 计算智能在可靠性优化设计中的应用
  • 1.6 本文研究的内容
  • 第二章 可靠性基本理论和计算智能技术
  • 2.1 引言
  • 2.2 可靠性分析的基本理论
  • 2.2.1 数学基础
  • 2.2.2 可靠度和可靠性指标
  • 2.2.3 可靠度的数值计算方法
  • 2.3 机械零部件的可靠性优化设计模型
  • 2.3.1 狭义可靠性优化设计模型
  • 2.3.2 广义可靠性优化设计模型
  • 2.3.3 模型的求解方法
  • 2.4 小波神经网络基础理论
  • 2.4.1 小波变换
  • 2.4.2 小波神经网络的结构形式
  • 2.4.3 小波神经网络初始化
  • 2.4.4 小波神经网络模型的学习算法
  • 2.4.5 小波网络与常规神经网络的比较
  • 2.5 粒子群算法
  • 2.5.1 粒子群算法简介
  • 2.5.2 改进的粒子群算法
  • 2.6 本章小结
  • 第三章 基于小波神经网络的可靠性优化设计
  • 3.1 引言
  • 3.2 可靠性分析的随机摄动法及Edgeworth 级数方法
  • 3.3 小波神经网络模型的学习策略
  • 3.4 小波神经网络的局部学习的共轭梯度算法
  • 3.5 小波神经网络的逆映射
  • 3.6 引入惩罚函数的粒子群算法
  • 3.7 结构系统的可靠性优化设计方法
  • 3.8 数值算例
  • 3.9 本章小结
  • 第四章 基于模糊粒子群算法的可靠性稳健优化设计
  • 4.1 引言
  • 4.2 可靠性稳健优化设计模型
  • 4.2.1 稳健设计方法的概念
  • 4.2.2 多目标可靠性稳健优化设计模型
  • 4.3 模糊数学理论
  • 4.3.1 模糊集合和水平截集
  • 4.3.2 广义模糊算子
  • 4.4 基于模糊的多目标粒子群算法
  • 4.5 基于模糊粒子群算法的汽车半轴的可靠性稳健优化设计
  • 4.5.1 车辆零部件半轴的力学模型
  • 4.5.2 数值算例
  • 4.6 基于模糊粒子群算法的前轴的可靠性稳健优化设计
  • 4.6.1 车辆前轴的力学模型
  • 4.6.2 数值算例
  • 4.7 基于模糊粒子群算法的后桥的可靠性稳健优化设计
  • 4.7.1 后桥的力学模型
  • 4.7.2 数值算例
  • 4.8 基于模糊粒子群算法的拉杆的可靠性稳健设计
  • 4.8.1 拉杆的力学模型
  • 4.8.2 数值算例
  • 4.9 本章小结
  • 第五章 基于灰色粒子群算法的可靠性稳健优化设计
  • 5.1 引言
  • 5.2 灰色关联度分析法
  • 5.2.1 高维多目标的可靠性稳健设计模型
  • 5.2.2 灰色系统理论的关联分析法
  • 5.3 灰色粒子群算法
  • 5.4 基于灰色粒子群算法的扭杆的可靠性稳健优化设计
  • 5.4.1 扭杆的力学模型
  • 5.4.2 数值算例
  • 5.5 基于灰色粒子群算法的螺旋弹簧的可靠性稳健优化设计
  • 5.5.1 螺旋弹簧的力学模型
  • 5.5.2 数值算例
  • 5.6 基于灰色粒子群算法的钢板弹簧的可靠性稳健设计
  • 5.6.1 钢板弹簧的力学模型
  • 5.6.2 数值算例
  • 5.7 基于灰色粒子群算法的前轴的可靠性稳健优化设计
  • 5.7.1 正态分布参数的前轴的可靠性稳健优化设计
  • 5.7.2 任意分布参数的前轴的可靠性稳健优化设计
  • 5.8 基于灰色粒子群算法的后桥的可靠性稳健优化设计
  • 5.8.1 正态分布参数的后桥的可靠性稳健优化设计
  • 5.8.2 任意分布参数的后桥的可靠性稳健优化设计
  • 5.9 本章小结
  • 第六章 结论与展望
  • 参考文献
  • 作者在攻读博士学位期间的科研情况
  • 致谢
  • 摘要
  • Abstract

    • 相关论文文献

    • [1].第3届计算智能与设计国际学术研讨会[J]. 国际学术动态 2011(06)
    • [2].计算智能与设计[J]. 国际学术动态 2012(04)
    • [3].先进计算智能研讨[J]. 国际学术动态 2014(05)
    • [4].2009计算智能与设计国际学术研讨会[J]. 国际学术动态 2011(01)
    • [5].云计算智能化演进 巨头们的思与行[J]. 中外企业家 2017(24)
    • [6].计算智能[J]. 通信技术 2015(06)
    • [7].基于应用前沿的计算智能课程教学刍议[J]. 教育现代化 2019(05)
    • [8].量子计算智能导论教学探索[J]. 计算机教育 2011(15)
    • [9].计算智能的基础与应用[J]. 国际学术动态 2011(03)
    • [10].第5届国际先进计算智能会议[J]. 国际学术动态 2013(05)
    • [11].文字出版物的智能审读方法研究[J]. 福建电脑 2018(05)
    • [12].基于应用案例的计算智能课程教学研究[J]. 软件 2012(08)
    • [13].2008国际计算智能与设计研讨会(英文)[J]. 智能系统学报 2008(04)
    • [14].计算智能在媒体内容挖掘领域的前沿应用与新趋势[J]. 南京社会科学 2018(07)
    • [15].基于计算智能的聚类算法[J]. 计算机系统应用 2009(04)
    • [16].计算智能及其在城市信息化管理中的应用研究国际合作研讨会在同济大学召开[J]. 微型电脑应用 2009(03)
    • [17].2008国际计算智能与信息安全会议(英文)[J]. 智能系统学报 2008(03)
    • [18].“云计算智能AV系统技术研讨会”在上海召开[J]. 声学技术 2011(02)
    • [19].基于计算智能的舆情预测分析[J]. 科技传播 2019(14)
    • [20].基于CDIO的“计算智能”课程教学改革探索[J]. 科教导刊(下旬) 2018(06)
    • [21].2017年《计算机科学》“数据科学与计算智能”专辑征文[J]. 计算机科学 2016(11)
    • [22].面向医学影像的计算智能生物医学教学的几点思考[J]. 科普童话 2018(02)
    • [23].基于计算智能的损伤检测研究[J]. 科学技术创新 2018(24)
    • [24].计算智能在水利水电工程中的应用研究进展[J]. 江西建材 2015(24)
    • [25].计算智能及其在机械制造中的应用研究[J]. 中小企业管理与科技(上旬刊) 2015(09)
    • [26].智能无损评价系统(英文)[J]. 无损检测 2009(10)
    • [27].《计算机科学》“数据科学与计算智能”专辑征文通知[J]. 计算机科学 2017(04)
    • [28].研究生《计算智能》课程教学方法探讨[J]. 教育教学论坛 2016(27)
    • [29].2010年Web信息系统与挖掘、人工智能与计算智能国际会议(英文)[J]. 智能系统学报 2009(06)
    • [30].《计算机科学》“数据科学与计算智能”专辑征文通知[J]. 计算机科学 2017(05)

    标签：;  ;  ;  ;  ;  ;  ;  

    基于计算智能技术的结构可靠性优化设计研究
    下载Doc文档

    猜你喜欢

    © 2024 毕速过 版权所有 鄂ICP备12018319号-5