基于遺傳算法的空腔結(jié)構(gòu)設(shè)計(jì)參數(shù)優(yōu)化研究??
格式:pdf
大小:1.0MB
頁數(shù):7P
人氣 :88
4.6
通過構(gòu)建空腔結(jié)構(gòu)理論模型,根據(jù)集中質(zhì)量與薄膜之間的作用關(guān)系,得出了兩個(gè)集中質(zhì)量之間形成的開放型空腔結(jié)構(gòu)能夠使入射聲波在空腔內(nèi)進(jìn)行散射,消耗聲波能量的結(jié)論。為了獲得最佳的吸聲效果,采用遺傳算法對(duì)空腔結(jié)構(gòu)的設(shè)計(jì)參數(shù)在100~1000 Hz頻域內(nèi)進(jìn)行優(yōu)化。通過對(duì)分布在薄膜表面的集中質(zhì)量進(jìn)行有限元仿真分析,得出了集中質(zhì)量會(huì)受聲波載荷作用兩兩進(jìn)行“拍動(dòng)”的結(jié)論,拍動(dòng)形式越劇烈的集中質(zhì)量,其能量密度越高,在空腔結(jié)構(gòu)內(nèi)聲波能量消耗越大。最后,通過試驗(yàn)驗(yàn)證了遺傳算法對(duì)空腔結(jié)構(gòu)參數(shù)設(shè)計(jì)的可行性。
基于遺傳算法的建筑結(jié)構(gòu)設(shè)計(jì)優(yōu)化設(shè)計(jì)探討
格式:pdf
大?。?span id="101r9iu" class="single-tag-height" data-v-09d85783>32KB
頁數(shù):1P
本文探討了建筑結(jié)構(gòu)設(shè)計(jì)優(yōu)化設(shè)計(jì)概念的內(nèi)涵,論述了進(jìn)行建筑結(jié)構(gòu)設(shè)計(jì)優(yōu)化設(shè)計(jì)的特性,概況介紹了建筑結(jié)構(gòu)設(shè)計(jì)優(yōu)化設(shè)計(jì)過程和方法。
運(yùn)用遺傳算法優(yōu)化空心樓蓋結(jié)構(gòu)設(shè)計(jì)的研究意義
格式:pdf
大?。?span id="hdgwhpv" class="single-tag-height" data-v-09d85783>109KB
頁數(shù):未知
筆者結(jié)合多年工作經(jīng)驗(yàn),在本文中從多方面說明了運(yùn)用智能算法中的遺傳算法來優(yōu)化空心樓蓋結(jié)構(gòu)設(shè)計(jì)的研究意義,對(duì)于提高設(shè)計(jì)人員工作效率和結(jié)構(gòu)的經(jīng)濟(jì)性有一定的價(jià)值。
基于改進(jìn)遺傳算法的機(jī)械優(yōu)化設(shè)計(jì)參數(shù)模型研究
格式:pdf
大?。?span id="lvj9l00" class="single-tag-height" data-v-09d85783>224KB
頁數(shù):3P
4.7
提出了應(yīng)用于機(jī)械優(yōu)化設(shè)計(jì)的一種改進(jìn)遺傳算法,通過在遺傳算法中引入修復(fù)過程,將機(jī)械設(shè)計(jì)中不滿足約束條件的解轉(zhuǎn)化為滿足約束條件,經(jīng)過一代代進(jìn)化,最后得到問題的最優(yōu)解。并和已有改進(jìn)遺傳算法進(jìn)行分析比較和實(shí)驗(yàn)驗(yàn)證,證實(shí)該算法在機(jī)械優(yōu)化設(shè)計(jì)中使用簡(jiǎn)單且高效。
基于遺傳算法的RC結(jié)構(gòu)優(yōu)化設(shè)
格式:pdf
大?。?span id="djvdnlv" class="single-tag-height" data-v-09d85783>320KB
頁數(shù):4P
3
基于遺傳算法的rc結(jié)構(gòu)優(yōu)化設(shè)——結(jié)合我國(guó)現(xiàn)行的結(jié)構(gòu)設(shè)計(jì)規(guī)范,對(duì)承受多工況荷載下的鋼筋混凝土框架結(jié)構(gòu)離散變量的優(yōu)化設(shè)計(jì)問題,提出了基于遺傳算法的優(yōu)化算法。通過建立配筋模板數(shù)據(jù)庫,將梁柱的計(jì)算配筋面積轉(zhuǎn)換成最優(yōu)的且滿足規(guī)范和施工要求的實(shí)際配筋形式。...
基于量子遺傳算法的成品門幅模型參數(shù)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="qsn6rv9" class="single-tag-height" data-v-09d85783>237KB
頁數(shù):未知
4.7
為了解決熱定型中影響成品織物門幅的工藝參數(shù)難以定量設(shè)計(jì)的關(guān)鍵技術(shù)難題。提出了將量子遺傳算法用于成品門幅模型工藝參數(shù)優(yōu)化設(shè)計(jì)中。建立優(yōu)化模型,基于該模型采用量子遺傳算法,實(shí)現(xiàn)了影響成品門幅的工藝參數(shù)精確定量設(shè)計(jì)。用該方法得到的工藝參數(shù)加工彈力布,生產(chǎn)成品的門幅與用戶要求指標(biāo)的偏差小于0.1%,完全滿足實(shí)際生產(chǎn)要求。同時(shí)將量子遺傳算法與遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中進(jìn)行比較,得出當(dāng)?shù)N群逐漸增大時(shí),量子遺傳算法在工藝參數(shù)的優(yōu)化設(shè)計(jì)中的優(yōu)勢(shì)更加明顯。
基于遺傳算法的蝸桿蝸輪優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="xcruerl" class="single-tag-height" data-v-09d85783>187KB
頁數(shù):未知
4.7
以蝸輪的有色金屬齒圈體積最小為目標(biāo)函數(shù),并從設(shè)計(jì)經(jīng)驗(yàn)本身、運(yùn)動(dòng)性能、邊界條件等方面建立合理的約束條件,建立了蝸輪齒圈的優(yōu)化設(shè)計(jì)數(shù)學(xué)模型。應(yīng)用matlab遺傳算法工具箱尋求全局最優(yōu)解。優(yōu)化結(jié)果表明,采用遺傳算法能夠快捷有效地對(duì)蝸桿齒輪進(jìn)行優(yōu)化設(shè)計(jì),是對(duì)蝸桿齒輪優(yōu)化設(shè)計(jì)的一種有效方法。
基于加速遺傳算法的多孔變徑管優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="tap1pbb" class="single-tag-height" data-v-09d85783>236KB
頁數(shù):3P
4.3
將基于實(shí)數(shù)編碼的加速遺傳算法(raga)應(yīng)用于多孔變徑管優(yōu)化設(shè)計(jì)中,解決了設(shè)計(jì)中多維參數(shù)尋優(yōu)問題,避免了傳統(tǒng)方法早熟、提前收斂以及易陷入局部最優(yōu)等弊端。在固定管道式噴灌系統(tǒng)優(yōu)化設(shè)計(jì)中應(yīng)用,求解出多孔變徑管的最優(yōu)管徑、管長(zhǎng)等多維參數(shù),效果較好,為該方面研究提供了一種新的優(yōu)化求解方法
公路養(yǎng)護(hù)資源分配中遺傳算法的參數(shù)優(yōu)化
格式:pdf
大?。?span id="ykgqghv" class="single-tag-height" data-v-09d85783>209KB
頁數(shù):5P
3
公路養(yǎng)護(hù)資源分配中遺傳算法的參數(shù)優(yōu)化——為辨明公路養(yǎng)護(hù)資源優(yōu)化分配中遺傳算法參數(shù)對(duì)運(yùn)算效率和精度的影響,提出基于正交試驗(yàn)的參數(shù)優(yōu)化方法.選取種群規(guī)模與迭代次數(shù)比例、交叉形式和變異概率3個(gè)參數(shù),利用正交設(shè)計(jì)方法進(jìn)行3因素3水平試驗(yàn),建立主效應(yīng)和交...
基于分級(jí)遺傳算法的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="99ltmhi" class="single-tag-height" data-v-09d85783>156KB
頁數(shù):2P
3
基于分級(jí)遺傳算法的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)——提出一種分級(jí)處理的遺傳算法,它采用微種群和附加變異算子來減少計(jì)算量、增加算法的局部搜索能力.算例表明,這種算法收斂平穩(wěn)、并取得了較好的效果。
基于混合遺傳算法的建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="ypzfb1f" class="single-tag-height" data-v-09d85783>44KB
頁數(shù):1P
4.4
提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn).算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題.這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長(zhǎng),棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法.
基于混合遺傳算法的建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="f4uefz5" class="single-tag-height" data-v-09d85783>532KB
頁數(shù):4P
4.5
提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn)·算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題·這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長(zhǎng),棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法·
基于遺傳算法的輕鋼結(jié)構(gòu)檁條優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="rrjmdaz" class="single-tag-height" data-v-09d85783>474KB
頁數(shù):4P
4.4
工程中檁條用鋼量將隨新規(guī)程《門式剛架輕型房屋結(jié)構(gòu)技術(shù)規(guī)程》cecs102:2002中活荷載取值的變化而變化。論文結(jié)合該新規(guī)程和《冷彎薄壁型鋼技術(shù)規(guī)范》gb50018-2002,在常見荷載和柱距條件下,采用遺傳算法對(duì)簡(jiǎn)支檁條的截面進(jìn)行了優(yōu)化設(shè)計(jì),并對(duì)新規(guī)程中檁條的用鋼量進(jìn)行了分析比較。
應(yīng)用混合遺傳算法的建筑結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="ynry9s9" class="single-tag-height" data-v-09d85783>564KB
頁數(shù):4P
4.8
提出一種離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的單向搜索算法并與標(biāo)準(zhǔn)遺傳算法結(jié)合成混合遺傳算法,即發(fā)揮了單向搜索算法省時(shí)、高效、局部搜索能力強(qiáng)的特點(diǎn),又發(fā)揮了遺傳算法全局性好的特點(diǎn)。算例結(jié)果表明,該方法能直接計(jì)算具有應(yīng)力約束和截面尺寸約束的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題,也能處理同時(shí)具有穩(wěn)定約束和位移約束的多工況、多約束、多變量的離散變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題。這種混合遺傳算法優(yōu)于標(biāo)準(zhǔn)遺傳算法和單向搜索算法,是兼二者之長(zhǎng),棄二者之短的高效的理想優(yōu)化設(shè)計(jì)方法。
基于遺傳算法的燒結(jié)配料優(yōu)化方法
格式:pdf
大?。?span id="scdqxa7" class="single-tag-height" data-v-09d85783>8KB
頁數(shù):1P
4.4
基于遺傳算法的燒結(jié)配料優(yōu)化方法 摘要:配料是燒結(jié)的基礎(chǔ),燒結(jié)配料效果的好壞直接影響到企 業(yè)的生產(chǎn)效益。傳統(tǒng)的燒結(jié)配料試算模型存在配料成分不穩(wěn)定,配 料成本高等諸多弊端,本文介紹了利用遺傳算法進(jìn)行燒結(jié)優(yōu)化配料 的方法,將優(yōu)化方案應(yīng)用到實(shí)際生產(chǎn)中取得明顯的經(jīng)濟(jì)效益。 關(guān)鍵詞:燒結(jié)優(yōu)化配料遺傳算法 中圖分類號(hào):tf04文獻(xiàn)標(biāo)識(shí)碼:a文章編號(hào):1007-9416(2013) 01-0118-02 1前言 配料是燒結(jié)的基礎(chǔ),燒結(jié)配料效果的好壞直接影響到燒結(jié)礦的 化學(xué)成分及穩(wěn)定性,并影響到原料的使用成本。傳統(tǒng)的試算模型存 在配料成分不穩(wěn)定,配料成本高,配料能力不足,資源利用不合理 等諸多弊端。而傳統(tǒng)的求解最優(yōu)化方法又大多要求搜索空間具有連 續(xù)可導(dǎo)性,且通常只能給出局部最優(yōu)解,不易獲得全面最優(yōu)解。 近幾年來發(fā)展起來的遺傳算法則較好地解決了這些問題,遺傳 算法(geneticalgori
基于遺傳算法的排樁支護(hù)結(jié)構(gòu)優(yōu)化設(shè)計(jì)
格式:pdf
大?。?span id="dzqeaem" class="single-tag-height" data-v-09d85783>372KB
頁數(shù):4P
3
基于遺傳算法的排樁支護(hù)結(jié)構(gòu)優(yōu)化設(shè)計(jì)——基于自然選擇和自然基因機(jī)制的遺傳算法是當(dāng)前處理復(fù)雜非線性模型的一種新的優(yōu)秀方法。為此,文章建立了懸臂式排樁這一基坑支護(hù)結(jié)構(gòu)形式的數(shù)學(xué)模型,并運(yùn)用改進(jìn)遺傳算法對(duì)設(shè)計(jì)參數(shù)進(jìn)行優(yōu)化調(diào)整;結(jié)合以實(shí)際工程資料為背景...
基于遺傳算法的項(xiàng)目管理優(yōu)化仿真研究
格式:pdf
大?。?span id="dmu4hab" class="single-tag-height" data-v-09d85783>255KB
頁數(shù):4P
4.4
傳統(tǒng)的項(xiàng)目進(jìn)度一維優(yōu)化擴(kuò)展至有偏好的二維目標(biāo)(進(jìn)度、成本)優(yōu)化,同時(shí)將成本優(yōu)化目標(biāo)分解為項(xiàng)目成本大小以及資源均衡度從而構(gòu)成三維目標(biāo)優(yōu)化,將無資源約束的環(huán)境擴(kuò)展至資源約束下的復(fù)雜環(huán)境,將局部搜索優(yōu)化領(lǐng)域擴(kuò)展至全局范圍內(nèi)的優(yōu)化.在內(nèi)容上,先對(duì)項(xiàng)目的單目標(biāo)優(yōu)化管理理論進(jìn)行詳盡研究并指出其現(xiàn)實(shí)的局限性,同時(shí)提出了智能啟化式方法-遺傳算法在資源約束下項(xiàng)目管理優(yōu)化方面的優(yōu)勢(shì).在此基礎(chǔ)上本文構(gòu)建了基于三維目標(biāo)偏好的項(xiàng)目管理優(yōu)化仿真模型,解決了項(xiàng)目管理優(yōu)化理論中最為重要的兩大問題:資源約束下的項(xiàng)目進(jìn)度優(yōu)化以及資源約束下的三維目標(biāo)(項(xiàng)目進(jìn)度、項(xiàng)目成本以及資源均衡度)的優(yōu)化問題.為了驗(yàn)證此模型對(duì)以上問題的有效性,本文應(yīng)用matlab仿真技術(shù)進(jìn)行仿真模擬并與傳統(tǒng)方法做比較,從結(jié)果可以看出遺傳算法能夠更好的解決此類問題.
基于遺傳算法的施工項(xiàng)目工期成本優(yōu)化
格式:pdf
大小:537KB
頁數(shù):3P
4.6
針對(duì)施工網(wǎng)絡(luò)計(jì)劃中的工期成本優(yōu)化問題,采用遺傳算法對(duì)施工項(xiàng)目工期成本優(yōu)化問題進(jìn)行探討,以解決工程中不確定因素的問題,且優(yōu)化結(jié)果更精確。
基于遺傳算法的工程項(xiàng)目資源優(yōu)化
格式:pdf
大?。?span id="sb3jmta" class="single-tag-height" data-v-09d85783>125KB
頁數(shù):3P
4.5
基于遺傳算法建立了面向工程項(xiàng)目的資源優(yōu)化模型。通過在模型中構(gòu)造一個(gè)能反映“資源分配”和“資源均衡”兩方面優(yōu)化程度的適應(yīng)度函數(shù),并在復(fù)制操作中,對(duì)群中個(gè)體先進(jìn)行分類再選擇復(fù)制,有效地解決了多種資源的綜合優(yōu)化問題。給出了利用遺傳算法對(duì)資源優(yōu)化問題的求解設(shè)計(jì)思路,闡述了算法的實(shí)現(xiàn)流程,并通過實(shí)例驗(yàn)證了該模型的可行性。
基于遺傳算法的制造流程價(jià)值優(yōu)化
格式:pdf
大?。?span id="3z2zl8i" class="single-tag-height" data-v-09d85783>309KB
頁數(shù):6P
4.4
為解決最短路線動(dòng)態(tài)規(guī)劃的維數(shù)障礙及模式欺騙性問題,提出了一種數(shù)組鏈染色體編碼方式及基于自適應(yīng)性變異概率和模擬退火懲罰函數(shù)法的適應(yīng)性遺傳算法(aga),仿真測(cè)試驗(yàn)證了該算法的有效性.針對(duì)某發(fā)動(dòng)機(jī)殼體制造工藝流程優(yōu)化問題,采用質(zhì)量功能展開法得到了各工藝方案的價(jià)值,以工藝路線的總價(jià)值最大為目標(biāo)函數(shù)、總成本為約束條件,采用aga得到了一條最佳工藝路線.
基于遺傳算法的空調(diào)用濕式熱回收裝置的優(yōu)化研究
格式:pdf
大?。?span id="cxgrscn" class="single-tag-height" data-v-09d85783>806KB
頁數(shù):7P
4.3
空調(diào)用濕式熱回收裝置的結(jié)構(gòu)設(shè)計(jì)對(duì)其使用的經(jīng)濟(jì)性有重要影響。本文運(yùn)用新的最優(yōu)化方法——遺傳算法,針對(duì)空調(diào)用濕式熱回收裝置的經(jīng)濟(jì)性問題進(jìn)行分析,建立了優(yōu)化設(shè)計(jì)數(shù)學(xué)模型,并對(duì)新、排風(fēng)風(fēng)量為0.18kg/s的空調(diào)用濕式熱回收裝置進(jìn)行了優(yōu)化求解。探討了其經(jīng)濟(jì)性隨各結(jié)構(gòu)參數(shù)變化的規(guī)律。研究結(jié)果表明:遺傳算法可以很好地實(shí)現(xiàn)空調(diào)用濕式熱回收裝置的優(yōu)化;得出了空調(diào)用濕式熱回收裝置的最優(yōu)化結(jié)構(gòu);隨各結(jié)構(gòu)參數(shù)的變化,目標(biāo)函數(shù)呈拋物線變化規(guī)律。該研究對(duì)于空調(diào)用濕式熱回收裝置的設(shè)計(jì)有一定的參考價(jià)值。
基于遺傳算法的空調(diào)用濕式熱回收裝置的優(yōu)化研究
格式:pdf
大?。?span id="nxgs8pw" class="single-tag-height" data-v-09d85783>420KB
頁數(shù):6P
4.7
運(yùn)用優(yōu)化方法—遺傳算法,針對(duì)空調(diào)用濕式熱回收裝置的經(jīng)濟(jì)性問題進(jìn)行分析,建立了優(yōu)化設(shè)計(jì)數(shù)學(xué)模型,并對(duì)新、排風(fēng)風(fēng)量為0.18kg/s的空調(diào)用濕式熱回收裝置進(jìn)行了優(yōu)化求解;探討了其經(jīng)濟(jì)性隨各結(jié)構(gòu)參數(shù)變化的規(guī)律;得出了空調(diào)用濕式熱回收裝置的優(yōu)化結(jié)構(gòu),隨各結(jié)構(gòu)參數(shù)的變化,目標(biāo)函數(shù)呈拋物線變化規(guī)律。研究結(jié)果表明:遺傳算法可以很好地實(shí)現(xiàn)空調(diào)用濕式熱回收裝置的優(yōu)化。該研究對(duì)于空調(diào)用濕式熱回收裝置的設(shè)計(jì)有一定的參考價(jià)值。
基于遺傳算法的空調(diào)水系統(tǒng)優(yōu)化控制研究
格式:pdf
大?。?span id="vywo9rm" class="single-tag-height" data-v-09d85783>72KB
頁數(shù):4P
4.6
提出一種優(yōu)化控制策略,采用基因遺傳優(yōu)化算法,能夠快速準(zhǔn)確地獲得各控制變量在預(yù)測(cè)時(shí)間內(nèi)的最優(yōu)設(shè)定值。實(shí)時(shí)仿真試驗(yàn)表明,該策略與固定設(shè)定值的控制方式以及局部層次的優(yōu)化控制方式相比,能夠在滿足控制穩(wěn)定性的前提下最大限度地節(jié)約整個(gè)空調(diào)水系統(tǒng)的總能耗。
基于遺傳算法的海運(yùn)集裝箱空箱調(diào)運(yùn)成本優(yōu)化
格式:pdf
大?。?span id="lzfovuj" class="single-tag-height" data-v-09d85783>191KB
頁數(shù):未知
4.3
根據(jù)港口集裝箱調(diào)運(yùn)的特點(diǎn),對(duì)空箱調(diào)運(yùn)的問題進(jìn)行分析,考慮租箱成本、運(yùn)輸成本、裝卸成本和調(diào)運(yùn)約束等條件,以最小化調(diào)運(yùn)成本為目標(biāo),建立在保證重箱運(yùn)輸前提下的空箱調(diào)運(yùn)的非線性整數(shù)模型.文中使用簡(jiǎn)單遺傳算法和加入遺傳算子的遺傳算法分別對(duì)模型實(shí)例進(jìn)行求解,實(shí)驗(yàn)表明,當(dāng)采用加入遺傳算子的遺傳算法時(shí)獲得的結(jié)果比采用簡(jiǎn)單遺傳算法的更好.
基于遺傳算法的火炮反后坐裝置結(jié)構(gòu)多目標(biāo)優(yōu)化研究
格式:pdf
大小:207KB
頁數(shù):4P
4.3
大口徑火炮后坐阻力和炮口擾動(dòng)是影響火炮射擊精度的關(guān)鍵因素,為了減小后坐阻力峰值和炮口擾動(dòng),基于剛?cè)狁詈蟿?dòng)力學(xué)理論,建立了某型火炮剛?cè)狁詈舷到y(tǒng)動(dòng)力學(xué)模型。從反后坐裝置結(jié)構(gòu)和總體結(jié)構(gòu)的角度出發(fā),利用adams底層開發(fā)模塊,結(jié)合小生境遺傳算法程序建立多目標(biāo)優(yōu)化函數(shù),進(jìn)行火炮反后坐裝置結(jié)構(gòu)多目標(biāo)優(yōu)化設(shè)計(jì)。優(yōu)化后的后坐阻力峰值及炮口擾動(dòng)明顯降低,表明所提出的優(yōu)化方法合理可行,為火炮總體結(jié)構(gòu)和反后坐裝置結(jié)構(gòu)的優(yōu)化設(shè)計(jì)提供一定的技術(shù)參考。
文輯推薦
知識(shí)推薦
百科推薦
職位:安全工程師
擅長(zhǎng)專業(yè):土建 安裝 裝飾 市政 園林