基于线性近似和神经网络逼近的模型预测控制

针对非线性系统的模型预测控制问题,提出了一种基于线性近似和神经网络逼近的控制算法。用Taylor级数展开法对非线性系统进行线性近似时,要求对象系统中的非线性函数必须连续可微。为了突破这一限制,引入了Stirling插值公式线性近似法,拓展了可处理的非线性系统范围。通过对线性化过程中产生的非线性高阶项进行径向基函数(radial basis function,RBF)神经网络逼近,显著提高了对象系统模型精确度。为了降低数值计算复杂度,将控制性能指标函数重构为易于处理的二次型最优化问题,通过对该二次型最优化问题的求解得到了最优控制序列。控制过程考虑了约束条件的影响以模拟真实的工业生产过程。仿真结果证明了所提出预测控制方案的有效性。

基于广义椭球基函数模糊神经网络的油轮转向动态响应模型(英文)

基于广义椭球基函数模糊神经网络(GEBF-FNN)算法,提出一种新颖的油轮转向动态响应模型.通过事先建立好的一组油轮操纵非线性微分方程获得训练数据,GEBF-FNN算法用于在线辨识Nomoto型油轮转向响应模型的参数K和T.具体地,GEBF-FNN模型从没有任何模糊规则开始,基于规则生长准则和参数估计方法,在线生成模糊规则,从而学习出由一组模糊规则构成的具有高精度和精简系统结构的油轮转向动态响应模型.为验证该动态响应模型的有效性,针对典型的Z形操纵进行仿真研究,并进行广泛的比较研究,仿真结果显示基于GEBF-FNN算法的油轮动态响应模型具有理想的逼近和预测性能.

径向基神经网络在近似建模中的应用研究

为了在不依赖测试样本的前提下获取最优的径向基函数分布系数Opt-SPRD,从而构造出具有更高精度的径向基神经网络(RBNN)近似模型,提出了一种基于交叉验证的分布系数选取方法。该方法以分布系数与交叉验证误差之间的函数为基础,把对应于交叉验证误差最小值的分布系数作为Opt-SPRD的近似解。数值实验的结果表明,所提出的方法明显优于目前通行的缺省处理方法;与基于L-MBP算法的前馈神经网络近似模型相比,在所提出方法基础上构造出的RBNN近似模型具有更高、更稳定的精度。

飞机多学科设计优化中改进的径向基神经网络法

用径向基神经网络方法构造近似模型常常难以满足精度要求,提出了一种把二次响应面与径向基神经网络相结合的算法。该方法在样本点相同的情况下减小了近似模型的推广误差,提高了近似精度,增加了适应性。通过2个算例表明该算法提高了近似模型的精度,可在多学科设计优化中提高设计效率和质量。

基于径向基神经网络方法的共轨柴油机喷油策略优化研究

选取共轨柴油机喷油策略的8个核心参数,每个参数取4个水平值,通过正交试验设计方法获得64组正交组合并确定优化模型的目标函数和最佳主喷角,利用CFD计算每一组合的NOx排放、碳烟排放和燃油消耗率等子目标值。运用径向基(RBF)神经网络方法建立各子目标的近似模型,再利用Pointer优化算法结合序列二次规划法(NLPQL)的优化策略寻求最优的目标函数值。最后通过试验验证优化方案的燃烧及排放情况,同时分析优化方案的边界参数对柴油机排放和燃油经济性的影响规律。结果表明:采用"4段喷射+15%EGR率+0.28MPa增压压力"的优化方案能较好地解决排放与燃油经济性的平衡关系,并且仿真和试验结果具有很好的一致性,为共轨柴油机多工况不同喷油策略的确定提供优化途径。另外,NOx排放的降幅随着EGR率的增加而变小,碳烟排放和燃油消耗率稍有上升;EGR率增加时,随增压压力的提高,PM排放和燃油消耗率降幅变大,高的EGR率需要较高的增压压力以保持良好的柴油机排放和燃油经济性。

基于有效神经元的自组织模糊神经网络算法

针对传统神经网络识别率低和泛化能力差的问题,提出了一种改进的自组织模糊神经网络(SOFNN)学习算法。以保存椭球基函数(EBF)层各个神经元的输出及输出之和为依据进行神经元的修改,删除和增加,进而得到网络的有效神经元,并减少样本训练的时间。用最小二乘法(RLSE)估计参数,用梯度下降法修改参数,保证网络收敛。与其他的模糊神经网络相比,在精确度、结构复杂性和抗干扰性方面的优越性,在真实数据集上得到了有效的验证。

基于近似模型的大排量摩托车悬架系统平顺性优化分析

针对某运动型大排量摩托车行驶平顺性问题提出一种优化方案。通过摩托车在C级路面上的仿真分析得到表征摩托车行驶平顺性的俯仰振动与垂向振动加速度,并将以上两个指标峰值作为目标响应,采用最优拉丁超立方抽样方法对悬架系统的相关参数进行灵敏度分析与近似建模,基于分析结果采用径向基函数神经网络近似模型进行多目标优化。结果表明,优化后经实车验证,俯仰振动加速度峰值降低了17.21%,前、后车轮垂向振动加速度峰值分别降低8.11%和24.18%,改善了摩托车行驶平顺性以及验证了该优化方案的有效性。

基于支持向量机的船舶阻力近似模型

为检验支持向量机(Support Vector Machine,SVM)理论构建船舶阻力近似模型的可行性,以国际标准船舶模型KCS为研究对象,采用均匀试验设计方法在船型参数空间内选取样本点;用SHIPFLOW对样本点进行数值模拟,产生样本集;利用SVM理论建立船舶总阻力的近似模型,并与神经网络建立的近似模型进行对比.结果表明SVM近似模型具有较好的预测精度和可推广能力.

演化算法中近似模型构造方法及其工程应用

演化算法在求解大型、复杂的工程优化问题时,由于大量耗时的详细分析计算,导致算法的优化效率很低。文中将均匀设计、径向基神经网络技术以及演化算法结合起来,发展了一种“基于均匀设计的逐步修正近似模型构造方法”。利用该方法可以建立目标及约束的近似模型,不仅避免了耗时的详细分析计算,而且提高了演化算法的效率。演化算法采用粒子群优化算法,以六峰值驼背测试函数以及某载人返回舱气动布局优化设计作为算例,验证了该方法的有效性。

基于多岛遗传算法的燃料电池汽车模糊控制策略优化

针对某款中型燃料电池物流车,基于MATLAB/SIMULINK搭建了整车前向仿真模型。根据功率跟随控制逻辑以及燃料电池汽车控制原则制定模糊规则,建立了双输入单输出Mamdani型模糊控制策略。为提高仿真效率,利用敏感性分析从23个设计变量中筛选出12个对结果影响较大的变量,建立了高精度椭球基神经网络近似模型作为优化的基础。针对模糊控制隶属函数的制定主观性较大的问题,采用多岛遗传算法优化隶属函数。仿真结果表明:优化后燃料电池系统输出功率更加平稳,百公里等效氢耗较优化前降低了8.4%,提高了整车经济性。

考虑材料参数不确定性的皮肤伤口缝合力预测模型

为快速、有效地评估缝合皮肤伤口所需的力,运用非线性有限元方法,对不同尺寸、不同材料参数皮肤伤口进行缝合力数值计算;以计算结果为样本,采用椭球基神经网络模型,构建了皮肤伤口缝合力预测模型;考虑到皮肤材料参数的不确定性会影响数值计算结果的可靠性,预测模型采用Monte-Carlo方法进行了皮肤材料参数的不确定性传播分析;最后,以猪皮为实验材料进行伤口缝合力预测分析与测量实验,验证了该方法的可靠性.结果表明,间断缝合椭圆形皮肤伤口,缝合点处所需缝合力按缝合针次呈先增后减趋势,峰值力发生在伤口中线前,40 mm×10 mm伤口,缝合力峰值约为1.7 N;40 mm×14 mm伤口,缝合力峰值约为2.5 N.受材料参数不确定性影响,缝合力预测结果最高有±0.6 N的波动.构建预测模型的理论方法,为皮肤等生物软组织材料参数不确定性传播问题提供了有效的解决思路,同时为机器人手术缝合提供重要的力学参考信息.

泡沫铝填充薄壁金属圆管吸能特性的预测及优化方法

为提高泡沫铝填充薄壁金属圆管的吸能特性并进行高效率结构设计,基于均匀拉丁超立方试验设计方法和径向基函数神经网络,构建轴向冲击下泡沫铝填充铝管吸能特性的近似模型,并将近似模型嵌入遗传算法中实现构件的结构优化。研究结果表明:基于径向基函数神经网络构建的近似模型的拟合优度大于0.99、均方根误差小于0.08,且近似模型的计算耗时仅为数值计算的0.56%;近似模型在保证较高精度的同时可大幅提高计算效率;对泡沫铝填充铝管的结构优化发现,通过增大圆管半径和壁厚、减小高度可使泡沫铝填充铝管的平均压缩力最大化,反之,可使泡沫铝填充铝管的峰值压缩力最小化;基于遗传算法的多目标优化显著提高了泡沫铝填充铝管的吸能特性;该研究成果可为泡沫铝填充薄壁金属圆管的快速设计和优化提供参考。

飞机多学科设计优化中的近似方法分析

首先介绍了近似方法中的二次响应面方法、径向基神经网络方法、Kriging方法和增强的径向基函数方法。结合测试函数和某机翼模型为例,分别用这四种方法构造测试函数和某机翼结构和气动学科的近似模型,并总结这四种方法的特点和在对各种模型近似中的适用性。结果表明,Kriging方法和增强的径向基函数方法的近似是非常精确和稳健的。

铸铝一体化车门的多目标可靠性优化设计

为提升车门的轻量化水平与性能,采用“材料—结构—性能”一体化集成方法设计铸铝一体化车门。基于构建的铸铝一体化车门有限元模型,以车门的厚度为设计变量,采用径向基函数(radial basis function,RBF)神经网络近似模型和二阶响应面近似模型并分别结合二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)、多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法以及多岛遗传算法(multi-island genetic algorithm,MIGA)对车门的下沉刚度工况位移、上扭转刚度工况位移、下扭转刚度工况位移、一阶弯曲模态频率、一阶扭转模态频率和质量进行确定性优化设计。在此基础上,考虑材料及加工制造等不确定性因素,对确定性优化解的质量水平进行6Sigma可靠性分析与优化。结果表明,二阶响应面近似模型与MOPSO算法的优化组合方案实现了车门的最佳轻量化,RBF神经网络近似模型与MOPSO算法的优化组合方案实现了车门下沉刚度工况位移的最小化。上述2种组合分别实现了车门轻量化与安全化的设计目标。研究结果可为车身零部件的优化设计提供参考。

某车室低频噪声近似建模分析与板件优化

为了降低车室低频噪声,采用对声学贡献较大的车室地板、后地板、前围板、顶棚、前车门内板及后车门内板的厚度参数为因子,以车身质量、车身模态频率、驾驶员头部处声压峰值和声压均方根值为响应,采用最优拉丁超立方试验设计方法采集样本数据进行因子空间设计。利用径向基神经网络方法,建立了4个响应关于6个因子的误差小、精度高的近似模型,并对所建立的近似模型进行误差分析。以驾驶员头部处声压峰值最小为目标函数,板件厚度参数为自变量,驾驶员头部处声压均方根值、车身质量和车身模态频率为约束条件。采用自适应模拟退火算法对板件厚度进行优化设计,其优化结果表明,驾驶员头部处最大声压峰值所在的频率158 Hz处的声压降低了4.45 d B,134 Hz处的声压峰值降低了5.47 d B,在其他声压峰值较高的频率处,测点声压均有不同程度降低,说明在满足约束条件同时,通过优化有效地降低车室空腔噪声,提高车辆的声学舒适性。

影响弹丸起始扰动的火炮结构参数灵敏度分析与优化研究

弹丸起始扰动对火炮射击精度有重要影响,为了减小弹丸起始扰动,建立了某大口径轻型牵引炮弹炮耦合全炮动力学参数化有限元模型,由弹丸出炮口时刻弹丸的角位移、角速度表征弹丸起始扰动,构建优化目标函数,对火炮结构参数的影响程度进行灵敏度分析;同时利用径向基神经网络近似模型方法对弹丸起始扰动进行优化研究。结果表明,摇架臂板厚对弹丸起始扰动影响显著,优化后弹丸出炮口时刻弹丸角位移和角速度均明显减小。该结果可为火炮结构设计提供理论依据。

复合材料耐压壳环肋加强区的结构优化设计

复合材料能够大幅减轻耐压壳结构的质量,这对增加水下航行器的有效载荷,提高其续航力具有重要意义。基于复合材料可设计性的特点,考虑了耐压壳与加强筋结合的"倒T"形区域,研究了不同铺层数量耐压壳结构的强度失效模式和极限承载压力。以环肋区域、连接区域、覆盖区域的铺层数量为设计变量,用拉丁超立方试验设计方法在设计变量空间里选取样本点并进行有限元结构分析,得到各样本点的响应。利用径向基神经网络模型建立铺层数量与临界失稳压力、Tsai-Wu失效指数和重量的关系,结合多岛遗传算法,得到了复合材料环肋耐压壳的最优设计方案。结果表明,优化后的耐压壳满足设计要求,提高了耐压壳结构强度利用率,缩短了优化时间。