检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

自适应进化策略的舰船全封闭式桅杆动力优化

舰船科学技术 2017年第16期39卷 52-54页

作者：陈良英四川信息职业技术学院四川广元628017

随着海军装备技术的发展,舰艇的隐身性在军事侦察等领域的作用越来越重要,作为水面舰艇的主要雷达信号反射源,舰船全封闭式桅杆系统的结构与动力优化引起了研究人员的广泛重视。本文系统介绍舰船全封闭式桅杆系统的结构与功能,并结合自... 详细信息

随着海军装备技术的发展,舰艇的隐身性在军事侦察等领域的作用越来越重要,作为水面舰艇的主要雷达信号反射源,舰船全封闭式桅杆系统的结构与动力优化引起了研究人员的广泛重视。本文系统介绍舰船全封闭式桅杆系统的结构与功能,并结合自适应进化策略和有限元分析算法,建立全封闭式桅杆系统的优化模型,对舰船全封闭式桅杆系统的动力与结构进行优化。

关键词：全封闭式桅杆自适应进化策略动力优化

在线全文

学校读者我要写书评

暂无评论

基于自适应进化策略的MOEA/D算法

计算机工程与设计 2019年第4期40卷 1106-1113页

作者：耿焕同周山胜韩伟民周利发南京信息工程大学计算机与软件学院江苏南京210044

针对MOEA/D算法单纯使用差分进化策略造成局部搜索能力弱、寻优精度低等问题,提出一种基于自适应进化策略的MOEA/D算法(MOEA/D-EA)。利用种群邻域更新信息构造进化状态判断机制,判断子问题的进化潜能和种群的进化状态;将子问题的进化潜... 详细信息

针对MOEA/D算法单纯使用差分进化策略造成局部搜索能力弱、寻优精度低等问题,提出一种基于自适应进化策略的MOEA/D算法(MOEA/D-EA)。利用种群邻域更新信息构造进化状态判断机制,判断子问题的进化潜能和种群的进化状态;将子问题的进化潜能正反馈到反向学习模型,形成自适应的反向学习策略(AOBL);根据种群的进化状态选择不同的进化策略,以均衡算法的全局搜索与局部寻优能力。实验结果表明,该算法在收敛性、分布性和稳定性等方面均优于或部分优于其它对比算法。

关键词： MOEA/D算法进化潜能判断反向学习自适应进化策略多目标优化算法

在线全文

学校读者我要写书评

暂无评论

一种基于自适应进化策略采样的粒子滤波算法

舰船科学技术 2012年第3期34卷 54-58页

作者：党玲纪凯许江湖海军大连舰艇学院辽宁大连116018 海军工程大学电子工程学院湖北武汉430033

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子... 详细信息

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子重采样,以保证粒子的有效性和多样性。通过仿真计算表明,提出的算法可以有效提高滤波性能。

关键词：自适应进化策略重采样粒子滤波

在线全文

学校读者我要写书评

暂无评论

基于自适应进化策略的加筋板结构可靠性优化

基于自适应进化策略的加筋板结构可靠性优化

作者：吴寅成大连理工大学

学位级别：硕士

加筋板是船舶与海洋工程结构的重要组成部分。在当前的技术条件下,确定性方法是最常用的结构设计方法,其主要思想都是建立在“最大载荷”和“最小强度”的基础上的。在船舶与海洋工程领域,存在不可避免的现实：海洋环境充满了随机性,例... 详细信息

加筋板是船舶与海洋工程结构的重要组成部分。在当前的技术条件下,确定性方法是最常用的结构设计方法,其主要思想都是建立在“最大载荷”和“最小强度”的基础上的。在船舶与海洋工程领域,存在不可避免的现实：海洋环境充满了随机性,例如波浪载荷,与航行海区、时间、次数等随机因素有关;船舶结构的抗力,受到结构尺寸偏差、材料性能变化、加工缺陷情况等随机因素的影响。因此,基于随机变量的可靠性理论得到越来越多的应用。在保证加筋板可靠度要求的条件下,寻找设计最优点,使材料用料最少,计算具有实际的工程价值。在本文中,首先分析了加筋板的主要失效模式,得到其各自的极限状态方程,利用经验公式计算各个极限状态方程中对应的极限强度。然后,使用验算点法计算相应的可靠度指标值。接着,建立加筋板结构可靠性优化的数学模型,加筋板的几何尺寸作为设计变量,可靠度指标值作为可靠性优化的约束条件,加筋板的体积作为目标函数。最后,利用自适应进化策略算法进行优化计算。计算结果表明,和传统方法相比较,本文的方法在计算效率和收敛性上具有明显的优势。

关键词：自适应进化策略加筋板可靠性优化设计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于自适应进化策略的舰船加筋结构动力优化

基于自适应进化策略的舰船加筋结构动力优化

作者：王虎虎大连理工大学

学位级别：硕士

舰船在航行过程中必然会受到主机、螺旋桨和波浪等外界激励的作用。这些激励将引起舰船结构发生不同程度的有害振动。因此,加筋板作为舰船上最主要的结构形式,其动力特性直接影响到舰船的舒适性、安全性、隐身性乃至作战性。研究加筋板... 详细信息

舰船在航行过程中必然会受到主机、螺旋桨和波浪等外界激励的作用。这些激励将引起舰船结构发生不同程度的有害振动。因此,加筋板作为舰船上最主要的结构形式,其动力特性直接影响到舰船的舒适性、安全性、隐身性乃至作战性。研究加筋板结构动力特性并进一步对其进行动力优化具有重要的工程意义。本文正是基于自适应进化策略优化算法,通过改变板厚、加筋间距和加筋型号对加筋板结构进行了动力优化,以避免发生共振。本文首先对以Mindlin板弯曲理论及空间梁理论为基础建立的有限单元模型进行了相关研究,并在此基础上介绍了求解结构动力特性的子空间迭代法。然后讨论了常用的一些优化算法,并从中选取了自适应进化策略作为本文动力优化的工具。将有限元理论和结构优化理论相结合,利用FORTRAN语言编写了相应的计算机程序。最后将程序应用到具体的工程实际之中,选取舰船上典型的加筋板结构如甲板和全封闭式桅杆进行动力优化。以结构的重量作为目标函数;板厚、加筋型号及加筋间距等已经规格化的尺寸作为离散设计变量;以螺旋桨叶频、倍叶频和主机等激励频率设计出的频率禁区作为约束条件。优化结果表明,本文所优化的甲板及全封闭式桅杆与原始设计方案相比,在满足不发生共振的要求下,重量均有不同程度的减轻,达到了较好的优化效果。

关键词：自适应进化策略加筋板结构动力优化甲板全封闭式桅

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

压电智能结构振动主动控制及优化配置研究

压电智能结构振动主动控制及优化配置研究

作者：宋媚婷大连理工大学

学位级别：硕士

舰船主要受到螺旋桨、主机、波浪和风等激励源的作用,在这些激励的作用下,极易使舰船产生有害振动。有害振动影响舰船隐身性、安全性和舒适性。因此,对舰船结构振动主动控制的研究是十分有意义的。本文就是研究舰船最基本结构--梁或板... 详细信息

舰船主要受到螺旋桨、主机、波浪和风等激励源的作用,在这些激励的作用下,极易使舰船产生有害振动。有害振动影响舰船隐身性、安全性和舒适性。因此,对舰船结构振动主动控制的研究是十分有意义的。本文就是研究舰船最基本结构--梁或板的振动主动控制问题。本文以Mindlin板弯曲理论和Hamilton原理为基础,考虑机电耦合特性,建立了四节点四边形压电层合单元有限元模型。采用线性二次型独立模态空间控制方法对压电智能结构振动进行主动控制,推导了状态空间控制方程,并基于精细积分法求解结构受控模态控制前后的响应。采用FORTRAN语言编写了建模及控制过程的程序。分别在简谐激励和舰船振动信号激励作用下,对非连续分布式压电悬臂梁进行了振动主动控制,从仿真结果可以看出,梁结构的振动被有效的抑制,验证了本文方法的有效性。对于压电片离散铺设的情况,联系本文控制方法,以线性二次型性能指标最小为优化准则,使用自适应进化策略优化算法对压电传感器／作动器的位置进行优化,将优化理论与有限元理论结合,编制相应的程序。优化仿真结果验证,优化所得压电片最优布置时的控制效果比非连续分布式铺设时的效果好。本文的研究为进行舰船结构振动主动控制提供理论基础。

关键词：压电结构振动主动控制自适应进化策略线性二次型独立模态空间控制精细积分

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

电力系统多目标无功优化

电力系统多目标无功优化

作者：刘浩辽宁科技大学

学位级别：硕士

随着社会经济的高速发展,人们的用电量不断增加,对于电能质量的要求不断提高,单目标优化已经无法满足现代电力系统运行管理的要求。多目标无功优化逐渐成为当下的研究热点,对多个目标进行科学、合理的优化,可以提高经济效益,提高电力系... 详细信息

随着社会经济的高速发展,人们的用电量不断增加,对于电能质量的要求不断提高,单目标优化已经无法满足现代电力系统运行管理的要求。多目标无功优化逐渐成为当下的研究热点,对多个目标进行科学、合理的优化,可以提高经济效益,提高电力系统的安全性和稳定性,对于电力系统的发展具有重要意义。电力系统的多目标无功优化是一个复杂的非线性规划问题,同时存在高维度、非凸性等难题,不仅要对相互矛盾冲突的目标同时进行优化,还要考虑电力系统中的众多约束。使用常规的优化方法求解时存在很多问题,例如计算时间过长,优化结果不准确等。因此,我们有必要使用新的优化方法或研究新的改进策略,从而更有效地处理此类问题。基于分解的多目标进化算法(Multi-objective evolutionary algorithm based on decomposition,MOEA/D)是求解无功优化这类复杂多目标优化问题的有力工具,但算法本身存在一些问题,有改进的空间。本文在原始MOEA/D的基础上,提出了两种改进的基于分解的多目标优化算法。第一种改进算法引入了竞争进化、自适应变异和相似选择三项策略,第二种改进算法则引入了自适应进化策略和外部存档方法。两种算法都提高了优化结果的质量,得到了分布均匀、多样性较好的解集,为决策者提供了质量较高的可行解,达到了良好的辅助决策作用。最后,将改进算法应用于电力系统多目标无功优化计算,以IEEE30-总线和IEEE 57-总线仿真测试系统为例,求解满足发电成本、排放、功率损耗和电压偏差最小化的无功分配方案,计算结果包括最佳帕累托前沿和最佳目标函数值。通过与原始MOEA/D的比较,验证了改进策略的有效性。而通过与其他经典多目标优化算法的比较,表明了两种改进算法在处理电力系统多目标无功优化问题时的优越性。

关键词：多目标无功优化 MOEA/D 竞争进化相似选择自适应进化策略

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

压电层合板加膜结构振动主动控制与优化

压电层合板加膜结构振动主动控制与优化

作者：郝秀红大连理工大学

学位级别：硕士

船舶在工作期间,经常会处于恶劣的海洋环境中。在外界复杂的激励源的作用下,船舶结构往往会产生有害振动。有害振动对船舶工作人员的生活环境和船舶结构的安全性等都会造成恶劣的影响。因此,对船舶结构振动的主动控制就具有非常重要的... 详细信息

船舶在工作期间,经常会处于恶劣的海洋环境中。在外界复杂的激励源的作用下,船舶结构往往会产生有害振动。有害振动对船舶工作人员的生活环境和船舶结构的安全性等都会造成恶劣的影响。因此,对船舶结构振动的主动控制就具有非常重要的现实意义。为此,本文应用压电驱动器对结构振动进行控制,并对压电片的位置进行优化配置。本文基于Mindlin一阶剪切变形理论和Hamilton原理,推导了四边形四结点板加膜单元的振动平衡方程,考虑机电耦合特性,在自由度中加入了电场电势,建立了四边形四结点的压电智能结构板加膜单元的有限元方程。采用了线性二次型独立模态空间控制方法,对结构振动进行主动控制;施加控制前后结构的振动响应使用精细积分法进行求解;探讨了权系数对压电智能材料控制效果的影响。为实现对压电智能结构控制的有效利用,采用了自适应进化策略对压电片的位置进行优化配置。建立了优化的数学模型,以线性二次型性能指标为优化准则,将有限元与优化相结合,编写了相应的FORTRAN语言程序。本文建立了压电层合结构板加膜单元的有限元模型,通过对压电智能结构板加膜单元的优化与控制的研究,为结构振动的主动控制和优化提供了理论支持。

关键词：主动控制机电耦合线性二次型精细积分法自适应进化策略

基于CMA-ES算法的卷积神经网络研究及应用

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于CMA-ES算法的卷积神经网络研究及应用

作者：冯明永哈尔滨工程大学

学位级别：硕士

互联网技术的迅速发展,微信、微博等手机媒体应用也随之兴起,互联网用户可以便捷快速的上传或查看图片。但是,如今现实生活中,大量未标记的图像很难被搜索和处理到。同时一般的图像分类方法在这些图片上的分类和识别能力已经不尽人意,... 详细信息

互联网技术的迅速发展,微信、微博等手机媒体应用也随之兴起,互联网用户可以便捷快速的上传或查看图片。但是,如今现实生活中,大量未标记的图像很难被搜索和处理到。同时一般的图像分类方法在这些图片上的分类和识别能力已经不尽人意,特别是在处理一些复杂的自然图像时,这些方法就显得捉襟见肘了。深度学习的出现,给图像分类识别提供了新的强大的方法。卷积神经网络(Convolutional Neural Network,简称CNN)是深度学习的一个重点研究内容,也是深度学习在图像处理方面应用最广的方法。训练CNN的方法中较为常见的是误差反向传播(Back Propagation,简称BP)算法,BP的核心是梯度下降算法,但是梯度下降算法容易落入局部极值,参数越多的神经网络越难找到全局最优。协方差矩阵自适应进化策略(Covariance Matrix Adaptive Evolution Strategy,简称CMA-ES)是一种优秀的智能算法,寻优性能好。论文利用CMA-ES算法优化CNN参数,缓解网络模型的局部最优情况。由于电脑硬件条件的限制,论文选取了网络结构相对简单的LeNet-5网络模型作为研究对象。论文主要阐述了使用CMA-ES算法优化卷积神经网络参数的方法,旨在提升CNN模型的精度,提出了CMA-ES-CNN算法。CMA-ES算法虽然寻优效果卓越,但是它数学表达式繁琐,计算复杂,参数繁多,这样必定会消耗很大的内存资源。为了减少其对内存资源的消耗,论文化简了CMA-ES算法,提出了简化协方差矩阵自适应进化策略算法(Simplify Covariance Matrix Adaptive Evolution Strategy,简称SCMA-ES),舍弃了两条进化路径中的一条,而且使用协方差矩阵的平方根取代了协方差矩阵本身,这样减少了算法的复杂度,降低了矩阵分解所占用的内存资源,使用SCMA-ES算法优化CNN参数,提出了SCMA-ES-CNN算法;最后比较SCMA-ES-CNN算法、CMA-ES-CNN算法和遗传算法(Genetic Algorithm,简称GA)卷积神经网络在MNIST(Mixed National Institute of Standards and Technology,简称MNIST)数据集上的性能表现;采集几个同学的手写数字作为一般数据集,比较SCMA-ES-CNN与CNN的正确率,验证改进算法的泛化性能。

关键词：图像分类深度学习卷积神经网络梯度下降法自适应进化策略