A novel robust adaptive controller for EAF electrode regulator system based on approximate model method

The electrode regulator system is a complex system with many variables, strong coupling and strong nonlinearity, while conventional control methods such as proportional integral derivative (PID) can not meet the requirements. A robust adaptive neural network controller (RANNC) for electrode regulator system was proposed. Artificial neural networks were established to learn the system dynamics. The nonlinear control law was derived directly based on an input-output approximating method via the Taylor expansion, which avoids complex control development and intensive computation. The stability of the closed-loop system was established by the Lyapunov method. The current fluctuation relative percentage is less than ±8% and heating rate is up to 6.32 °C/min when the proposed controller is used. The experiment results show that the proposed control scheme is better than inverse neural network controller (INNC) and PID controller (PIDC).

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。

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。

基于RBFNN-ISSA的特大跨径悬索桥有限元模型修正

针对大跨径悬索桥一类复杂结构的有限元模型修正问题,提出了一种基于径向基神经网络(radial basis function neural network,RBFNN)子结构代理模型与改进麻雀搜索算法(improved sparrow search algorithm,ISSA)的有限元模型修正方法。首先,基于桥梁图纸数据采用通用有限元软件建立一座大跨悬索桥的初始有限元模型,并根据拉丁超立方抽样原则生成子结构材料参数-结构响应的训练样本,通过RBF神经网络和子结构模拟方法对初始有限元模型进行解构重组和样本学习,拟合关于材料参数-结构响应的代理模型。其次,建立考虑主梁挠度和模态频率误差最小的有限元模型参数修正数学优化模型,采用Tent混沌映射及黄金正弦策略改进标准麻雀搜索算法,引入柯西分布函数和贪心保留策略对每一代麻雀种群进行扰动,以用于求解联合静、动力特征的有限元模型修正数学优化问题。最后,以杭瑞高速洞庭湖大桥为工程背景,进行了悬索桥荷载试验,利用实测桥梁响应数据验证了该方法的可行性。研究结果表明:基于RBF神经网络与子结构法的模型修正方法,可以建立拟合精度较高的悬索桥结构代理模型;基于子结构RBF神经网络与改进麻雀搜索算法修正后的有限元模型相较于整体RBF神经网络、支持向量机和Kriging模型,大幅提升了对于实际结构的模拟精度,与实测数据相比,修正前后有限元模型在两级静力加载工况下13个有效测点挠度的平均相对误差降低了25%以上,前8阶模态频率的平均相对误差由-6.83%降至-2.38%,MAC值结果表明修正后模型能够准确地反映出大桥的实际振动状态,有效改善了初始有限元模型计算失真的情况;此外,基于混合策略改进后的麻雀搜索算法对于有限元模型修正参数的寻优具有更佳的收敛效率和稳定性。

无人平台水下机械手的模型逼近与高精度控制

针对海上无人装备水下作业过程对机械手的高精度控制要求,开展基于径向基函数(RBF)神经网络的水下机械手模型逼近与高精度控制问题研究。首先,基于拉格朗日建模方法,综合考虑水动力矩等影响因素,建立了水下机械手动力学模型,并给出了模型闭环稳定条件;然后,采用RBF神经网络对水下环境带来的不确定项进行模型逼近和补偿;最后,采用自适应滑模控制算法,对补偿后的机械手模型进行控制,实现了闭环系统的无静差控制。水下双关节机械手仿真试验验证了控制算法的收敛性和鲁棒性。

基于改进RBF神经网络模型的SOFC性能预测方法

固体氧化物燃料电池(SOFC)测试存在费用高、实施困难以及耗时长等问题,因此,提出了一种基于径向基(radial basis function,RBF)神经网络的SOFC建模方法。首先采用数据驱动的方式利用RBF神经网络模型对电池中阳极、阴极、电解质厚度等微观结构对SOFC性能的影响进行分析,然后针对RBF神经网络模型参数选取困难、易陷入局部极值的问题,提出一种改进果蝇算法(improved fruit fly optimization algorithm,IFOA)对其进行优化,自动确定模型参数的同时确保其收敛于全局最优解。仿真结果表明,所提方法能够准确描述微观结构变化对SOFC性能的影响,相对于支撑向量机(support vector machine,SVM)模型能够获得更高的预测精度。

考虑平均应力效应的Tovo-Benasciutti疲劳寿命预测模型

为了考虑平均应力对循环载荷作用下结构振动疲劳寿命的影响,对Tovo-Benasciutti疲劳损伤模型进行了平均应力修正。采用径向基函数法构造平均应力修正系数与随机应力带宽系数之间的近似模型,建立了考虑平均应力的Tovo-Benasciutti疲劳损伤模型。利用所建立的模型对某简单梁进行了疲劳寿命估计。结果表明:考虑平均应力效应的Tovo-Benasciutti模型能得到与试验更一致的结果。

基于近似模型的非线性区间数优化方法及其应用

在不确定优化中,非线性区间数优化方法由于需要嵌套优化,造成计算效率低下而阻碍其应用于工程实际。本文提出了一种基于径向基函数近似模型的求解方法,以提高非线性区间数优化方法的计算效率。该方法利用拉丁超立方实验设计方法采样,建立目标函数和各约束的径向基函数近似模型。利用近似模型代替嵌套优化中的真实模型,再用非线性区间数优化方法进行求解,从而提高了非线性区间数优化方法的计算效率,使得该算法在工程应用方面成为可能。用一个测试函数验证了该方法的可行性,最后将方法应用于车身薄壁梁的耐撞性优化。

船舶结构多学科设计优化近似方法的比较(英文)

随着船舶结构设计日益复杂,使用统计学方法为复杂的计算机分析建立近似模型已经逐渐成为一种趋势。文章简要地介绍了三种多学科设计优化中常用的建立近似模型的方法;响应面、Kriging和径向基神经网络,并通过两个算例对其性能进行了比较。建立近似模型所需的样本点由一系列随机正交表提供,三种近似方法的性能则通过误差分析来进行比较。除了常用的二阶响应面模型,文中也构造了三阶响应面模型来进行比较。研究结果表明:Kriging方法以其准确性和稳定性,比其它方法更加适合船舶结构的多学科设计优化。

改进响应面法及其近似性能研究

如何提高近似函数的近似性能是多学科设计优化问题的一个重要研究方向,采用多项式响应面法和径向基函数结合的方法有效提高了函数近似性能。多项式响应面法(Response Surface Method,RSM)在对采样点构建插值曲面时,对结果中的残差并未进行处理,从而导致了部分信息的丢失。径向基函数(Radial Basis Function,RBF)插值有效地利用了样本点的信息,但却无法提供待拟合曲面的梯度信息。改进响应面法(Improved Response Surface Method,IRSM)通过对RSM方法的残差进行RBF插值处理,可以在增加有限计算量的条件下提高近似精度,并可提供待拟合曲面的近似梯度信息。测试结果表明,IRSM方法的近似精度随着样本点的增多而显著提高。在样本点较少的时候,IRSM方法的近似性能明显高于RSM方法的近似性能,但可能低于RBF方法的近似性能;而当样本点较多时,IRSM方法的近似性能显著高于RSM方法和RBF方法。

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。

结构优化中的建模方法概述

建立优化模型是结构优化前的最佳选择.由于工程实际问题的复杂性,很难建立显式表达的模型,即使少数问题能够建立显式表达的模型,也难以求解.因此需要借助近似方法建立模型,为了便于求解或提高求解效率,通常还要对模型进行变换.文中列举了结构优化中常用的近似建模方法,并根据建立近似显式的途径和敏度分析的方法对其进行分类,详细介绍了近几年来广泛应用的样本点构造方法,然后描述了它们在结构优化中的应用和具体实现过程,分析了它们的优缺点和应用范围,指出了结构优化建模方法今后的发展方向.

SVR参数对非线性函数拟合的影响

对基于径向基函数(RBF)的支持向量回归(SVR)模型参数的理论研究与实验论证结果表明,惩罚系数、不敏感损失函数的宽度以及核函数参数对非线性函数拟合精度均有影响,给出SVR参数的经验范围以减小人工选择SVR参数的盲目性,并通过缩小参数优化算法的搜索区间,降低算法的整体时间复杂度和空间复杂度。

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。

增强型径向基函数的分块响应面近似处理方法

采用多项式响应面法、分块响应面法和增强型径向基函数的分块响应面法对3个测试函数进行近似处理,比较它们的均方根误差和相对误差值.结果表明:在样本数量较少时,并未明显地体现出增强型径向基函数的分块响应面法的优势,但是其近似精度不低于前两种方法;当样本点数量比较大时,增强型径向基函数的分块响应面方法的近似精度明显高于分块响应面法和多项式响应面法.

汽车板料包边区间优化设计方法

将区间优化方法用于板料包边设计。针对影响板料包边后边界缩进比较大的几个参数,建立目标函数的径向基函数近似模型,用区间优化方法对近似模型进行不确定优化。汽车板料包边仿真中变形区域小导致有限元模型在变形区域的网格很小,模型计算时间较长;而近似模型计算效率高,提高了区间优化方法计算效率,使板料包边的优化设计成为可能,并且为生产中的汽车板料控制包边后的边界缩进提供了一种新的思路。

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。

基于径向基函数代理模型的改进协同优化方法

为了改善协同优化方法的收敛性能并提高求解效率,提出了一种基于径向基函数代理模型的改进协同优化方法。该方法采用基于光滑参数优化径向基函数代理模型,构造了协同优化方法系统级约束的近似模型,并将置信域和均匀设计方法相结合,完成近似模型的不断更新,引入粒子群优化算法完成了系统级和学科级优化问题的求解。利用数值计算和减速器设计两个典型算例对所提方法进行了验证,求解结果表明了改进协同优化方法可行且有效。

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。

基于径向基组合近似模型技术的立柱结构优化设计

针对实际工程复杂优化问题,通常难以获得优化设计变量与优化目标之间的显示函数关系表达式,以SZJY-14型加工中心的立柱作为研究对象,研究了一种基于径向基组合近似模型技术的立柱结构优化设计。首先,针对径向基近似模型预测精度较低等问题,研究了一种基于多策略的径向基近似模型技术,并以改进径向基近似模型技术为基础,构建了组合近似模型技术。其次,利用有限元分析软件Abaqus对立柱三维结构进行网格划分,并对其进行静动态性能分析确定优化目标,采用灵敏度分析法确定优化设计变量,利用组合近似模型技术建立了立柱优化设计模型。最后,采用改进回溯搜索优化算法实现了立柱结构优化设计。求解结果表明,与立柱原结构相比,优化后质量减小了3.77%,最大变形量降低了5.14%,一阶频率提高了5.9%,达到了预期效果。