改进的表面响应模型及其在电磁装置优化设计中的应用

根据实际工程问题的特点,对现有表面响应模型进行了改进研究,然后将其与禁忌算法相结合,提出了应用于电磁装置优化设计的一种快速全局优化算法,得以解决随机类全局优化算法对计算机资源过度需求这一“瓶颈”问题。实际算例表明,改进算法的计算效率和可靠性均优于原算法,可广泛推广应用于实际电磁装置的优化设计。

基于表面响应模型法的城市轨道交通用直线感应电机次级结构优化

建立了城市轨道交通用单边直线感应电机(SLIM)的3D有限元模型,通过次级结构参数化分析研究了次级结构参数对电机启动力特性的影响,找出了两个对启动力特性影响较大的参数,即次级铝板厚度与次级宽度。建立了仅需少量3D参数化有限元的分析结果,以及基于神经网络的SLIM启动力特性的表面响应模型。基于SLIM的表面响应模型,以次级铝板厚度与次级宽度为设计变量,以获得最大启动推力及最小法向力为优化目标,利用多目标遗传算法对SLIM次级结构参数进行了优化。提出了结合直线电机综合力性能指标进行最佳次级结构参数选择的方法。仿真与实验结果验证了电机表面响应模型以及优化方法的有效性。

表面响应模型在磁化曲线拟合中的应用

利用表面响应模型与遗传算法相结合的方法,将其应用于变压器模型仿真过程中磁化曲线的拟合。并且在FORTRAN语言环境下实现了该算法。通过与传统的最小二乘法相比较,验证了该算法可较大幅度地提高拟合精度,在非线性曲线拟合、设备优化设计领域等具有良好的应用前景。

基于响应表面法的汽车侧面安全气囊仿真优化

为加强汽车安全气囊对侧面碰撞中的人体保护,对其进行优化匹配设计.针对传统的安全气囊设计方法存在的不足,引入PSM子结构方法和响应表面优化方法.首先利用PSM子结构方法建立了侧面碰撞安全气囊的优化模型,然后通过一阶响应面筛选设计变量,最后利用二阶响应表面模型对安全气囊的设计参数进行了优化研究.优化结果表明,新的参数组合能够有效提高侧面安全气囊的保护效果,降低人体的损伤风险.

多目标粒子群优化算法在薄板冲压成形中的应用

有限元分析与优化算法相结合来提高板料的成形质量、缩短设计周期已在板料成形领域得到广泛的研究。传统的优化方法主要是将多目标问题转化为单目标问题进行研究,然而,评价一个板料的成形质量应该是多方面的(如拉裂、起皱和成形不足等)并且各个质量特性之间可能会发生相互冲突。因此直接采用多目标优化算法来提高板料的成形性具有非常重要的现实意义。采用自主开发的STLMesher软件建立模具的参数化模型,在此基础上将试验设计、能代表实际冲压过程精度较高的近似模型和多目标粒子群优化算法相结合,获得了一组最小化起皱和拉裂缺陷的非劣解。在板料成形优化过程中调用的是近似模型,大大减少了调用有限元模型的次数,提高了优化效率。为指导工程设计人员快速有效地从非劣解集中挑选出一组成形效果最好的解,提出最小距离选解法,选出的解实现了对起皱和拉裂缺陷的优化,提高了板料的成形性能。数字算例表明,该方法具有较高的精度和较强的工程实用性。

红外目标自动识别(ATR)算法性能评估的方法研究

本文对红外自动目标识别(ATR)算法性能评估的发展进行了系统的梳理,介绍了ATR算法性能评估过程中必不可少的工作条件限制以及性能指标的选取,并总结了目前ATR算法性能评估中经常采用的几种方法。

永磁同步电动机磁钢的多目标微粒群算法优化

系统分析了表贴式永磁同步电动机磁钢结构参数对气隙磁密波形的影响。针对PMSM气隙磁密波形需综合具有足够大的基波幅值与足够小的正弦性畸变率的要求,利用表面相应模型对样本点需求量少的特点,建立了表面响应模型与多目标微粒群算法混合的全局优化算法,以获得极大的气隙磁密基波幅值与极小的气隙磁密波形正弦性畸变率,对磁钢结构参数进行多目标优化。仿真与实验对比优化前后电机的气隙磁密波形和反电势波形的结果,验证了优化结果的正确性,并验证了该多目标优化算法在磁钢结构参数优化中应用的可行性。

基于变系数Steinmetz公式的直流偏磁下铁心损耗计算

直流偏磁会增大电力变压器铁心损耗,使变压器局部过热,发生绝缘材料老化,影响变压器正常运行。为了更准确地计算直流偏磁下铁心的损耗,本文基于爱泼斯坦方圈测量数据,分析了电工钢片直流偏磁的磁化特性和损耗特性,在传统 Steinmetz 损耗计算公式的基础上,采用变系数的方法对 Steinmetz 进行改进,引入直流偏磁损耗系数 g 描述直流偏磁对损耗的影响。在此基础上,基于径向基函数表面响应模型对直流偏磁损耗系数与偏置磁场及交流磁通密度的关系曲面进行拟合。最后,通过与实验数据进行对比分析,验证了模型的有效性。

快速全局优化算法在电磁场逆问题中的应用

为解决电磁场逆问题分析计算过度依赖计算机资源这一"瓶颈"问题,提出了一种新的快速全局优化算法。该算法首先应用基于紧支集径向基函数(CS-RBF)的改进表面响应模型(RSM)重构原优化问题;然后应用改进的粒子群算法(PSO)对重构的优化问题进行快速全局寻优。研究表明,典型数学函数验证以及电磁场逆问题的分析和计算,验证了算法的全局搜索和快速寻优能力。