摘要：以三杆桁架结构优化设计演示了遗传算法在离散变量优化设计中的应用.优化结果与传统结构优化设计结果相比较,表明遗传算法的有效性.运用遗传算法求解十杆超静定桁架结构优化问题.针对三杆、十杆桁架结构分析了群体规模大小对算法收敛的影响,说明群体规模的选取是与染色体长度密切相关的.

摘要：针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程,提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性,最后将改进遗传算法用于离散变量桁架结构优化设计,计算结果表明改进遗传算法是可行、有效的。

摘要：为研究固定排气口型缓冲气囊冲击减缓特性,基于能量守恒及热力学方程建立了固定排气口型气囊缓冲过程的解析模型,并采用LS-DYNA和实验对其有效性进行了验证。基于该模型研究了竖直圆柱式气囊的缓冲特性,开展了初始压力、排气口面积和排气口触发条件对竖直圆柱式气囊缓冲性能的影响研究,并定义了初始极限压力。研究表明:当初始压力小于初始极限压力时,适当增大竖直圆柱式气囊的初始压力、选取合适的排气口触发条件,均可将设备的峰值过载维持在一个合理水平的基础上,减小气囊的体积;采用合理的排气口设计参数,可以提高系统的吸能率,降低峰值过载,同时避免设备的反弹。

摘要：基于二进制编码将设计变量与其离散取值进行空间映射,随机产生个体并形成初始群体,采取基因突变方法在其邻域范围内产生新食物源,构建了适用于求解离散变量结构优化设计问题的改进蜂群算法。以求解多模测试函数极值问题验证了改进蜂群算法的可行性。通过三杆桁架结构优化设计演示了改进蜂群算法在离散变量优化设计中的应用,优化结果与传统结构优化设计结果相比较,表明改进蜂群算法的有效性。运用蜂群算法求解十杆超静定桁架结构优化问题,计算结果表明改进蜂群算法求解离散变量结构优化问题是可行、有效的。

摘要：密封是危险品包装容器设计中的重要环节,合理确定密封结构设计参数是实现可靠密封的前提。基于有限元仿真,通过单因素数值试验分析,确定满足密封判据的刀口金属密封结构设计参数取值范围。采用均匀设计建立以设计参数为变量,有效密封面宽及最大接触压力为响应的二阶响应面模型,针对设计参数的扰动,结合多目标优化方法,在优化模型上增加表征目标函数稳健性的灵敏度附加项,并对约束条件进行稳健可行性调整,通过求解,得到结构较稳健的设计参数组合。

摘要：利用磁流变液流变特性随外加磁场的变化而变化的智能特性。以磁流变液阻尼器件工作模式为基础 ,详细介绍了磁流变减振器的设计原理以及对实际磁流变减振器的实验。调节激励电流可调节磁流变减振器的阻尼力 ,而且磁流变减振器功耗和噪声小。为防止压缩时出现无阻尼空行产生冲击 ,在磁流变减振器中必须加入补偿措施。实验结果表明 ,磁流变减振器功耗低 。

摘要：目的确定一种可抵御放射性物品C型货包撞击试验环境的内容器密封结构,为类似放射性物品运输容器的密封结构设计提供参考和依据。方法开展C型货包内容器密封结构设计,利用数值分析方法确定一种可行的密封结构,通过撞击试验校验此密封结构的有效性。结果货包在经历速度不小于90m/s的箱顶角碰、箱顶正碰及箱体侧碰至刚性靶试验后,内容器的整体标准漏率均小于0.01 mPa·m^3/s。结论设计的密封结构可抵御冲击刚性靶速度不小于90 m/s的撞击试验环境,可对放射性物品进行有效防护。

摘要：以有限元数值模拟为手段,通过一阶响应面建模,确定了满足密封判据的刀口金属密封结构设计参数的范围。采用均匀设计,建立了以设计参数为变量,以有效密封面宽、最大接触应力为响应的二阶响应面模型,并利用多目标优化方法和遗传算法,对响应面模型进行了优化求解,得到了优化的设计参数组合。有限元验证结果显示,优化后的密封结构具有更好的密封性能。

摘要：目的为抗事故包装箱密封结构设计提供依据。方法介绍2种抗事故包装箱密封结构的设计,分析经历事故场景后2种密封结构的密封面变形和O形密封圈压缩率变化情况,开展密封性能试验。结果端面密封结构经历事故场景后,O形密封圈压缩率不小于15%时,密封结构检测漏率为环境本底漏率,压缩率降至10%时,漏率明显增加,但仍能达到1μPa·m3/s量级,压缩率降至5%时,密封结构彻底失效。柱面密封结构的联接螺栓即使经历事故场景后全部失效,密封结构的密封性能也基本保持不变,检测漏率为环境本底漏率。结论柱面密封结构抵御事故风险的能力更强。

摘要：交叉算子与变异算子是遗传算法中产生新个体的主要手段 .针对简单遗传算法中交叉概率与变异概率随进化过程恒定不变的缺点 ,采用自适应的交叉、变异概率研究了针对离散变量结构优化设计的遗传算法 .以在应力约束条件下的静定桁架与超静定桁架结构为算例 ,比较了改进交叉、变异算子前后的优化结果 ,并将计算结果与满应力设计方法所得结果进行了比较 .结果表明 ,自适应遗传算法对离散变量结构优化是有效的。