基于改进粒子群算法的可靠性优化分析

《基于改进粒子群算法的可靠性优化分析》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、湖南大学学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名：稂绎日期：ao脾o)月≥／日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权湖

2、南大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。本学位论文属于1．保密口，在年解密后适用本授权书。2．不保密口。(请在以上相应方框内打”√”)作者签名：狨译日期：狮1年，oj月≥7日导师签名之桫日期：yf2年口多月；7日基于改进粒子群算法的可靠性优化研究摘要近些年来，结构可靠性技术的发展及其在工程中的实际应用，使人们感到基于可靠性的结构优化设计比传统的优化设计更为科学和合理。这种基于可靠性的结构优化设计可明显地提高结构的设计质量，使

3、得结构即安全可靠又经济合理。在处理较复杂的优化设计时，许多学者开始注意到一类不同于常规的优化方法，即现代智能算法。由于它们在求解高非线性、多约束、多极值的问题中显示出了越来越多的优越性，所以获得了迅速的发展，并已逐渐成为目前解决一些复杂工程优化问题的一种有力工具。粒子群优化算法就是一种近年发展起来的解决复杂优化问题的现代智能算法，由于其容易理解、易于实现，在许多优化问题中都得到了广泛的应用。本文在对粒子群算法和可靠性进行研究的基础上，提出了改进的粒子群约束算法，并借助Matlab软件，将改进的算法应用

4、到汽车差速器常规优化和可靠性优化的求解过程之中，本文的工作主要有以下几个方面：1．对粒子群优化算法进行了系统的介绍和研究，提出了一种参数改进的粒子群算法并进行了验证。2．在应用粒子群算法处理工程优化问题时，对约束条件的处理是一个关键的问题，而目前普遍使用的方法是建立惩罚函数，对违反约束的情况进行惩罚，将有约束的优化问题转化为无约束的优化问题进行处理。本文针对罚函数粒子群算法的缺点，提出了在迭代过程中动态改变惩罚系数的方法，并通过实例验证了改进算法的可行性。3．在改进算法的基础上，本文结合理想点法，提出

5、了一种基于改进粒子群算法的多目标优化方法，并将其应用到差速器多目标优化中。4．将改进的粒子群算法应用于差速器的可靠性优化中，通过与常规的优化方法进行比对，验证了本文提出的粒子群约束优化算法的可行性和实用性，并为汽车差速器的可靠性分析和优化计算提出了新的思路。关键词：可靠性；优化设计；粒子群优化算法；罚函数：汽车差速器ⅡAbstractInrecentyears，thestructuraloptimumdesignmethodjoiningwiththestructurerelidbilityanaly

6、sishasachieVedmuchprogress．Reliability-basedoptimumdesignisregardedtobemorereasonablethantraditionaloptimumdesign．SuchastructuraloptimumdesignbasedonthereliabilitycansignificantlyimproVethedesignqualityofthestflJcture，makingthestructurethatissafc，reliab

7、leandeconomicallyreasonable．Whiledealwiththeproblemsofcomplexoptimizationdesign，manyscholarsbegantonoticesomeoptimizationmethodsthatdif诧rentfromtheconVentionalones，namelythemodemintelligentalgorithm．Theyhaveobtainedrapiddevelopment，andhave矿aduallybecome

8、apowerfultooltosolVecomplexengineeringoptimizationproblems．BecausetheyhaVeshowedmoreandmorethesuperiorityinsolVingtheproblemofthehighlynonlinear，multi-constraintandmulti—extremum．Panicleswamoptimizationalgorithm(PSO)isdeVelopedin