一、一种混沌神经网络及在优化计算中的应用（论文文献综述）
黎嘉勇[1]（2020）在《基于Logistic混沌量子粒子群算法的大跨屋盖结构抗风优化方法》文中认为大跨屋盖结构通常具有质量轻、阻尼小、刚度小和自振频率低等特点,因此是典型的风敏感性结构。然而大跨屋盖结构的抗风优化研究较少,完全参照高层结构抗风优化会带来一定的安全隐患。智能算法作为新兴的优化算法已经在土木领域的各个领域取得了广泛的应用,尤其是结构优化设计。因此,本文将把应用最为广泛的智能算法之一——粒子群算法（Particle Swarm Optimization,PSO）、PSO的改进算法——量子粒子群优化算法（Quantum-behaved PSO,QPSO）和Logistic混沌量子粒子群算法（Logistic Chaos QPSO,LCQPSO）应用到大跨屋盖结构的抗风优化设计,并分析算法参数对优化的影响。本文的主要工作内容如下:（1）采用谐波激励法（Harmonic Excitation Method,HEM）基于风洞试验获得的屋盖风压数据计算大跨屋盖结构的风振响应,随后根据荷载—响应相关法（Load Response Correlation,LRC）计算屋盖在最不利风向角下的等效静力风荷载,在此基础上建立大跨屋盖抗风优化的数学模型,即在满足位移和应力约束下,使屋盖结构在等效风荷载作用下的杆件截面积总和最小,使用粒子的距离值与罚函数之和的适应度函数选择优化过程中最优的设计方案。（2）针对QPSO算法易陷入局部最优的不足,把混沌映射引入到QPSO算法中。利用混沌映射以一定的变异概率代替QPSO算法中粒子更新的随机数,使用混沌局部搜索技术对每一次迭代的全局最优解进行更新。（3）编制基于PSO、QPSO和LCQPSO算法的抗风优化程序,分析算法参数对大跨抗风优化的的影响。三种算法共同的最佳参数设置为:最大迭代数Tmax取值为400,种群N取值为10。基于PSO算法优化的其余最佳参数设置为:最大速度限值Vmax取值[0.0076,0.0141],惯性权重w取值为0.5,学习因子c1和c2均取值为2。基于LCQPSO算法优化的其余最佳参数设置为:变异概率p m（t）取值为0.3,初始混沌值φ0取值为在（0,1）一维的随机值,且φ0（?）{0.25,0.5,0.75},混沌方法为Logistic混沌映射。（4）基于PSO、QPSO和LCQPSO算法的抗风优化都能在400代前达到收敛,同时在满足约束条件下得到的收敛解比结构初始总重有不同程度的降低,表明了三种算法在大跨屋盖抗风优化的适用性。通过三种算法最优解的分析得知,基于LCQPSO算法优化后的结构总重最小为320.27t,比结构初始总重降低了55.67%。基于QPSO和LCQPSO算法优化后,杆件的截面积均小于初始值。PSO算法第11类杆件的截面积比优化前的截面积更大,说明算法在优化过程中陷入了局部最优。在优化过程中,位移约束冗余一直小于零,而应力约束冗余度在迭代中出现多次超过约束限值的情况,说明应力对设计变量的约束力更强。
吴昊[2]（2020）在《基于双层并行算法的水电站群优化调度方法及应用研究》文中研究表明随着我国大型江河流域的水电站群规模急剧扩大,优化调度问题也随之越来越复杂。为充分发挥各水电站间最优水量补偿和优化调节的功效,从而达到水资源最大利用率,世界各地相关专业领域的科学家和学者们,都纷纷依据目前各类水电站的种类及特性,展开了优化调度模型相关理论和求解方法研究,然而调度模型的优化解精度和对应算法的计算耗时是两大主要相互制约矛盾点。近些年来随着计算技术的飞速发展,以此为契机可充分有效利用计算资源,根据模型和算法的不同特点提出相对应的并行算法,在保证或提高优化解精度的基础上,一定程度上可相对减少或保持原有模型优化求解的计算耗时。因此本文以我国西南地区某大型流域为研究背景,取其部分相邻串联水电站,且都具备年调节功能。根据梯级水电站群库容水流优化调节的理论方法及其模型特点,以能够获得理想优化结果作为目的,在单机多核、联网多机两种架构模式下提出了双层并行算法,针对如何提高计算效率展开研究,从而可进一步提高对梯级水电站群优化调度的管理水平。本文主要研究成果如下。（1）在水电站发电优化调度模型中应用人工鱼群算法,为避免陷入局部优化解,可将其结合混沌优化算法,扩大单体人工鱼的遍历搜索范围,另一方面可增加单体人工鱼数目,从而进一步提高优化调度模型优化解的精度,然而计算耗时会有一定程度的增加。针对该问题并结合模型特点,对其可并行化因素进行深入的分析研究,以多台多核计算机互联组成网络系统为硬件基础,提出了混沌人工鱼群双层并行算法,之后对我国西南某流域的单一水电站发电优化调度模型展开了实例验证。结果表明该双层并行算法不仅提高了整体优化解的精度,同时能有效将计算耗时控制在可接受的范围之内。（2）将传统动态规划算法应用于水电站优化调度模型中,增加时段内初、末库容状态变量离散数,可进一步使整体优化解收敛于理论最优值,但计算耗时会成倍增加。针对该问题,基于时段内初、末状态库容变量各循环计算的可并行性,提出了双层并行动态规划算法。通过我国西南某流域水电站发电优化调度模型的实例验证,表明该算法在整体优化解精度和计算耗时两个矛盾点有较好的制衡作用。（3）当应用动态规划算法求解梯级水电站群与库容水流优化调节相关的水力发电模型时,若提高优化解精度,易产生“维数灾”现象,对其计算进行并行化处理可在一定程度上减少计算时间,但并未有效降维,计算时间依然较多。基于大系统分解协调原理建立的二级递阶结构调度模型可有效降维,且可应用多线程技术并行化的标准动态规划算法求分解后水电站子系统的优化解。针对标准动态规划算法中可并行化因素展开分析研究,引出了基于大系统分解协调及分解后单一水电站双层并行动态规划的梯级水电站群发电优化调度模型。其并行因素主要采自于分解后各水电站时段内初、末离散化库容状态变量的两种细粒度子任务划分,通过扩大离散程度来提高优化结果精度。以我国西南某流域的梯级水电站群作为实例背景,验证了该方法的有效性。（4）基于大系统分解协调方法,根据多台多核计算机互联的体系架构,提出了梯级水电站群优化调度模型的异时启动双层并行计算。该方法的基本思路是首先将多台多核计算机分配给对应编号的水电站,通过异时启动并行算法实现各水电站之间的相互独立计算,即为粗粒度任务划分的第一层并行计算;第二层并行计算便是基于分解后水电站自身标准动态优化计算的并行化处理,也是时段内离散化的初或末库容状态变量细粒度子任务划分。以我国西南某流域的梯级水电站群作为实例背景验证了该方法能够有效控制计算耗时和整体优化解精度。
冯陈[3]（2020）在《抽水蓄能机组系统辨识与复杂工况下控制规律研究》文中研究表明太阳能和风电等清洁能源想要大规模接入电网并发挥其作为绿色能源的优势,就必须借助大规模储能技术的消纳和调节。在目前已有的储能技术当中,抽水蓄能技术相比于其他形式的储能技术具有运行成熟且储量大的优点。抽水蓄能技术工况转换迅速、运行灵活性高、负荷响应速度快,可以实时跟踪电力系统的负荷变化。然而,抽水蓄能与新能源的联合运行中仍存在许多问题。大规模新能源的并网,对抽水蓄能机组的运行模式提出了新要求。更频繁的负荷调整、长时间的旋转备用、长时间的负荷工况等新要求给抽水蓄能电站的运行来了新的挑战。尤其在稳定性和安全性方面,由于可逆式机组固有的反“S”区不稳定运行特性以及调速励磁系统水-机-电能量转换过程中耦合效应日益显着,传统的抽水蓄能运行方式已无法满足新形势下电网的调节需求。在此背景之下,针对抽水蓄能机组稳定、安全和高效运行所亟需解决的关键科学问题与技术难点,本文以抽水蓄能机组系统辨识与复杂工况下控制规律研究为切入点,在充分探讨抽水蓄能调节系统各组成部分的动态机理与非线性特性的基础上,分别搭建了具有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,以智能优化算法、人工神经网络、多目标优化理论、小扰动特征分析、模型预测控制方法为技术支撑,深入开展抽水蓄能机组参数辨识、模型辨识、改善反“S”区动态特性以及调速励磁耦合控制规律的研究,建立了抽水蓄能机组建模-辨识-控制层层递进的研究体系。本文的主要研究工作与创新成果如下:（1）系统研究了抽水蓄能机组调速系统和励磁系统各组成部分不同模型表达及适用条件。针对水泵水轮机反“S”区建模困难的问题,引入对数投影法和改进Suter变换对水泵水轮机全特性曲线进行预处理,解决了反“S”特性区域插值计算的多值性问题。搭建了适用于不同研究工况的带有复杂过水系统的调速系统模型与调速励磁系统水-机-电耦合模型,为后续系统辨识与复杂工况下控制规律的研究奠定了模型基础。（2）针对复杂过水系统和调速励磁耦合特性引起的参数辨识难题,研究了基于智能优化算法的参数辨识方法,引入人工羊群算法并结合Levy游走、混沌变异及弹性边界处理策略,提出了一种改进人工羊群智能优化算法,建立了基于改进人工羊群算法的参数辨识框架。通过机组的开关机过程,直接辨识复杂过水系统的管段参数;通过并网运行的调节过程,实现了调速励磁系统水-机-电耦合模型的高精度一体化参数辨识。（3）针对数据具有长期依赖关系和普通神经网络训练中面临的梯度消失问题,通过引入长短时记忆神经网络来实现带有复杂过水系统的抽水蓄能机组调速系统的高精度离线模型辨识;针对普通反向传播算法面临的训练收敛速度慢、在线调整困难的问题,引入了兼具普通BP神经网络非线性描述能力强和递推最小二乘法计算简单优点的带遗忘因子的在线序列极限学习机,实现了抽水蓄能机组调速励磁系统水-机-电耦合模型的高精度在线模型辨识。（4）针对机组低水头启动易受反“S”特性影响产生转速振荡的问题,提出了兼顾速动性和稳定性的基于多目标羊群算法的优化框架,有效抑制低水头开机时机组转速的反复振荡。为了从根本上改善抽水蓄能机组在反“S”区的动态特性,本文首次探讨了利用变速机制避免机组深入反“S”区运行的可行性,结果表明低水头工况下可以通过降低转速使机组的运行区域在全特性曲线上向左移动从而有效避免反“S”区,使机组具有更好的动态特性,也为常规定速抽水蓄能机组的改造与发展提供了新参考。（5）为了实现抽水蓄能机组调速励磁系统水-机-电能量转换过程的耦合控制,引入特征值分析法对调节系统进行小扰动稳定性分析,在此基础上给出了经典“PID+VAR+PSS”控制策略多工况下的多目标优化和决策方法。提出了一种基于带遗忘因子在线序列极限学习机的预测模型、阶梯式控制增量约束、人工羊群算法滚动优化的智能模型预测控制策略,通过不同工况下与经典控制策略对比的实验,验证了所提智能模型预测控制方法进行调速励磁耦合控制的优越性,并引入非线性动力学理论对智能模型预测控制器进行了稳定性分析。
刘婧[4]（2020）在《基于SMOTE算法和代理模型的船舶结构可靠性优化研究》文中研究表明船舶结构轻量化以满足结构性能要求为前提,实现质量最小的目标,不仅可以减少建造钢材的消耗降低总成本,还能提升船舶航行的操纵性能,从而获得同时满足经济性与安全性的结构形式。然而船舶的结构组成和载荷往往比较复杂,采用有限元分析来获取结构参数与响应间的关系精度较高,但优化过程中需要反复迭代,导致时间长、计算成本高。因此,需要寻求提高优化效率且具有一定精度的代理模型技术。目前船舶及其他工程结构的优化大多为确定性问题,未考虑实际结构在材料性质、结构尺寸以及外界环境等各方面的不确定因素,使得确定性设计方案有时无法达到安全性的要求,因此基于可靠度进行结构优化设计是十分必要的。本文针对常规可靠性优化中计算效率较低且难收敛的问题,将合成少数类过采样算法（Synthetic Minority Oversampling Technique,SMOTE）与动态神经网络结合用于可靠性优化,在可靠性优化的单循环法中,以模拟退火法作为获取当前最优解的寻优算法,通过在每一次迭代中使用SMOTE算法,逐步增加在当前最优解附近且在失效面周围区域中的训练样本点,并对BP模型进行重新构造,逐步提高模型的局部精度,使神经网络模型在全局最优解附近更好地近似极限状态函数。最后将其应用于数学算例及某船舱段的可靠性优化中,计算结果说明该方法可以有效得到满足精度的最优解,并且降低计算成本。针对可靠性优化中对失效面的近似精度要求,提出基于SMOTE算法的改进加点策略。在迭代过程中利用SMOTE算法合成大量备选样本点,通过评价函数小于定值的条件筛选出满足的新样本点,再删除相隔过近的点,将这些点加入训练集更新代理模型,能以较少样本点得到对失效面较高的近似精度。将该加点策略和神经网络模型融入可靠性优化的单循环法中,以模拟退火法作为优化算法,将满足加点准则的点和当前最优点加入训练集更新代理模型。将提出的策略用于某船舱段结构的可靠性优化,结果表明基于神经网络模型和动态加点策略的方法在减少有限元计算次数的同时具有较好的精度,有效解决了复杂结构可靠性优化问题。
袁美晨[5]（2020）在《基因调控网络状态转变的优化策略研究》文中认为生物系统一般来说都是多稳态系统,其中不同的稳定状态,即吸引子,代表了生物体的不同表现形态。通常来讲,生物有机体正处于某一种吸引子状态,或者正在向某一稳定状态转移。近年来的研究表明,生物系统由一种状态向另一种状态的转变是可以实现的,例如细胞由早期癌症状态向正常状态的转变,这为很多疾病的临床治疗提供了新的契机。生物系统的各分子之间具有错综复杂的调控关系,故而生物网络具有高度复杂性和高度非线性的特点。基因调控网络在生物系统中具有举足轻重的意义,近十年来随着基因测序技术的广泛发展,已有大量的研究从控制理论或者物理能量的角度来探索基因调控网络的可控性以及状态转变的机制。当前研究大多以布尔网络模型或者线性微分方程模型为研究对象,忽略了基因网络连续的或非线性的动态特性。除此之外,一些学者尝试对基因网络非线性微分方程模型中的所有参数进行参数扰动以寻求可以实现状态转变的控制变量,然而这种方法对于具有众多调控参数的基因网络来说将耗费巨大的计算成本和时间成本,亦难以找到实现目标的最优调控变量。如何从基因网络成百上千的调控参数中识别控制变量及最少控制变量集,并对控制信号进行设计,这对当前基因网络状态转变策略的研究来说是一个挑战。本文基于优化的思想,在对动态优化算法和混合整数动态优化算法进行拓展的基础上,对基因调控网络的状态转变实施了最优控制,主要内容包括以下几点:一、本文利用拓展的拟序贯算法对非线性基因网络的状态转变进行了控制信号的最优设计。一方面,对控制信号的路径进行了优化设计,另一方面,基于时间优化的要求,将离散后的有限单元长度作为控制变量,并将优化时间加入目标函数中,从而实现了最快时间内的状态转变。该方法被用于两节点基因网络和T-LGL信号网络中,优化结果证明了拟序贯算法在生物系统优化控制中的有效性。二、为了从基因网络众多的调控反应参数中识别控制变量,本文将该问题转化为一个混合整数动态优化问题,并利用混合整数动态优化算法对其进行求解。由于求解过程中初值选取的困难以及求解的不稳定性,混合整数动态优化问题在经过变量离散和整数处理之后被转化为一个非线性规划问题,之后利用拟序贯算对其进行了求解。该方法解决了骨髓细胞分化调节网络、癌症基因网络和TLGL信号网络的变量识别问题,同时实现了状态转变控制变量的识别、信号路径的最优设计,以及转变时间最小化处理等目标,亦得到了除最优方案之外的多种可行策略。三、本文对具有异常周期节律的生物系统进行了优化调控,消除了紊乱周期节律给生物系统带来的不利影响。由于此类生物系统复杂的动态特性,本文对混合整数动态优化的求解过程采取了时间分段的策略,实现了生物系统中周期节律的状态转变和周期相位的重置,并将该方法应用到混沌系统、哺乳动物生理节律系统以及胃癌基因调控网络中,所得结果验证了本文优化方法的有效性。虽然本文对基因网络的优化控制是基于数学模型来实施的,但考虑了很多疾病临床治疗实际因素,因此本文方法具有一定的应用指导意义。除了基因调控网络,本文方法亦可用于其他复杂过程系统的状态转变问题。
俞洪杰[6]（2019）在《复杂条件下梯级电站短期优化调度耦合模型及方法研究》文中研究指明水电能源作为开发与运行技术最为成熟的清洁可再生能源,在我国能源消费结构中占据重要地位。受到清洁能源政策的影响,我国水电行业发展空间巨大,近年来水电己成为拉动电源投资以及清洁能源发展的主要动力,在我国能源结构调整中发挥越来越重要的作用。随着水电工程建设逐步完善、流域梯级开发规模不断扩大,梯级水电站运行管理在水电事业发展中的作用越来越重要。因此,开展梯级水电站联合优化调度研究,充分挖掘梯级各库间的补偿调节能力,提高梯级整体的水能资源利用率以及发电效益,对我国水电事业的发展具有十分重要的意义。梯级水电站规模庞大、运行模式复杂,加之后效性因素、不确定性因素等影响,其短期优化调度问题也十分复杂,故其一直是水资源管理领域的研究难点。但同时梯级水电站短期优化调度直接应用于生产实际,指导梯级系统实时运行,优化调度方案的制定与实施直接决定梯级实际运行过程,进而关系到梯级发电效益的发挥,因此对其进行深入研究具有十分重要的理论价值与现实意义。鉴于此,本文从理论研究与实际应用两方面入手,运用水利科学、统计学、运筹学、管理学等多学科理论方法,对梯级水电站短期优化调度模型构建与求解、优化调度方案决策与实施进行全面、深入的研究,主要研究内容及成果包括:（1）“以电定水”模式下传统目标函数改进研究。针对“以电定水”模式下传统目标函数对梯级水能计算不够准确、进而导致梯级耗能最小与蓄能最大出现差异的不合理现象,考虑各电站之间发电效率、水量利用率的差异以及电站未来调度方式的影响,引入能效系数对传统目标函数进行了改进,实现了耗能与蓄能的统一;在此基础上,采用逐步逼近算法对各电站的能效系数进行优化计算,提出了更加适用于优化调度方式的基于能效系数逐步逼近的梯级耗、蓄能一致性目标函数,并通过实例计算验证了所提目标函数的优越性。（2）复杂运行模式下梯级产蓄能最大通用性目标函数研究。针对梯级水电站运行模式日益复杂、传统的单一目标函数无法满足梯级内部差异化运行要求的现象,从长期运行梯级总能量的角度出发,将发电效益划分为本调度期的既得效益-产能以及未来效益-蓄能,进而提出了梯级产蓄能最大通用性目标函数,并将该目标函数应用于复杂的混合运行模式,构建了梯级水电站短期优化调度耦合模型,通过实例计算验证了目标函数以及耦合模型合理性、可行性。（3）梯级水电站短期优化调度精准化方案制定方法研究。为了满足梯级水电站实际生产对精准优化调度方案的需求,从优化调度模型准确构建与精确求解两方面展开了深入研究。在模型构建环节,计及水流滞时对目标函数的影响,建立了考虑后效性影响的梯级水电站短期优化调度耦合模型;在模型求解环节,综合考虑水流滞时与尾水位变化对优化结果的影响,采用反向传播（Back Propagation,BP）神经网络对复杂后效性变量即下库入库流量与上库尾水位进行了精确计算,进而对梯级水库运行过程进行了精确模拟,同时又考虑厂内机组负荷分配以及启停机耗水等对优化结果的影响,提出了逐步优化算法-动态规划法（Progressive Optimality Algorithm-Dynamic Programming,POA-DP）对模型进行厂间-厂内一体化求解;最后将上述两者结合,通过实例计算验证了所提精准优化调度方案制定方法的实用性、优越性。（4）考虑不确定性影响的优化调度方案制定与实施方法研究。为避免水库来流与水电站负荷不确定性对梯级系统安全、经济运行带来的不利影响,首先采用事后评价方法对优化调度方案的三种实施模式进行了评价及优选;在实施模式优选的基础上,提取常规调度与优化调度各自的优点,借鉴调度规则中警戒水位的概念对优化调度方案的制定与实施进行了改进;最后通过对不同运行工况下梯级系统的风险、效益分析验证了所提优化调度方案制定、实施方法的实用性。（5）利用预报信息的水库警戒水位自适应计算方法研究。针对小漩警戒水位采用主观方法计算时缺乏科学依据进而无法保证梯级系统安全、经济运行的不足,重点围绕小漩警戒水位客观计算方法展开研究。首先对小漩上警戒水位与汛限水位、下警戒水位与旱限水位的相似性进行了系统分析,并借鉴汛、旱限水位计算方法以及分期计算原理,利用潘口日发电量预报信息对小漩警戒水位进行了分级计算;为进一步提高梯级水电站的发电效益,在分级计算的基础上利用潘口日负荷过程预报信息,对小漩上警戒水位进行了自适应计算;最后通过实例计算验证了所提自适应计算方法的可行性、优越性。
江秀强[7]（2019）在《火星进入不确定性量化与鲁棒最优制导方法研究》文中提出火星进入轨迹规划与制导是火星着陆任务的关键技术之一。而火星进入过程中初始状态不确定性和动力学参数不确定性已经成为制约当前火星进入制导精度进一步提升的瓶颈,火星进入不确定性量化与鲁棒最优制导问题亟待解决。为了降低火星进入飞行风险和提高制导精度,本文从不确定性量化、鲁棒轨迹优化、鲁棒最优制导三个方面入手,发展了一套较为完备的火星进入不确定性量化与制导规划理论方法和算法。首先,发展了两种火星进入不确定性量化方法。在侵入式多项式混沌框架下,提出了基于自适应广义多项式混沌的火星进入不确定性量化方法。通过随机空间分解,抑制了求解高维不确定性量化问题时等价确定性微分方程数量的剧烈增加;采用谱分解对随机空间基函数进行自适应更新,提高了强非线性动力学系统高维不确定性量化的解算精度。在非侵入式多项式混沌框架下,发展了基于敏感度配点非侵入式多项式混沌的火星进入不确定性量化方法。通过评估不确定性的敏感度,并结合拉丁超立方配点,实现了对具有不同分布类型的混合不确定性的更贴切的统计学描述,从而保证了混合不确定性量化的效率和精度。应用所提出的两种方法,通过仿真分析揭示了火星进入过程中初始状态不确定性和动力学参数不确定性及两者耦合不确定性量化与演化的基本规律。然后,发展了两种火星进入轨迹鲁棒优化方法。为了在不确定性条件下快速规划火星进入轨迹,发展了基于粒子群算法和高斯伪谱法的混合优化算法;通过全局与局部相结合的快速接力寻优,提高了生成火星进入最优轨迹的效率。为了获得对不确定性具有良好鲁棒性和可靠性的最优标称轨迹,提出了基于不确定性量化的火星进入轨迹鲁棒优化方法;通过将初始状态不确定性和动力学参数不确定性对动力学、性能指标和约束的影响纳入火星进入轨迹优化过程,从而使生成的轨迹兼顾了性能指标的最优性和鲁棒性并满足约束的可靠性。最后,发展了两种火星进入鲁棒最优制导方法。为了实现在不确定性条件下对鲁棒最优标称轨迹的准确跟踪,利用径向基神经网络逼近跟踪误差中的不确定性项,发展了基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导算法。为了增强最优制导在不确定性条件下的鲁棒性,提出了基于强化学习和伪谱法的火星进入与着陆的协同最优制导方法;通过构建协同优化计算框架,利用在线求解最优切换来协调最优火星进入制导与最优动力下降制导,从而兼顾了制导算法在不确定性条件下的鲁棒性和最优性。
胡志强[8]（2018）在《变频正弦混沌神经网络分析与设计》文中指出暂态混沌神经网络（Transiently Chaotic Neural Network,TCNN）是一类用于解决优化计算问题的混沌神经网络（Chaotic Neural Network,CNN）。TCNN通过在传统的Hopfield神经网络（Hopfield Neural Network,HNN）基础上引入随时间不断衰减负的自反馈项,产生混沌遍历搜索特性来克服HNN陷入局部极小的缺陷。然而,TCNN由于受到混沌动力学特性、退火策略、模型参数、问题复杂度等因素的影响,优化计算的精度和速度依然不够理想。针对以上问题,本文通过研究和分析TCNN的优化机制和混沌动力学特性,根据脑电波的频率-幅值特点与思维活跃度的关系,提出了一种具有非单调激励函数且比TCNN具有更丰富混沌特性的变频正弦混沌神经网络（Frequency Conversion Sinusoidal Chaotic Neural Network,FCSCNN）模型。对FCSCNN的混沌动力学特性进行了详尽的分析,同时针对该模型的退火策略、鲁棒性进行了研究和改进。另外,设计出了用于解决多目标优化问题的FCSCNN算法,填补了CNN无法解决多目标优化问题的空白。论文的主要研究工作和创新点如下:（1）变频正弦混沌神经网络设计针对TCNN全局寻优能力受限的问题,提出了一种基于脑电波生物机制的新型混沌神经网络模型—FCSCNN。该模型将提出的变频正弦（Frequency Conversion Sinusoidal,FCS）函数和Sigmoid函数组合作为非单调激励函数。本文给出了该混沌神经元的倒分岔图及Lyapunov指数的时间演化图,分析了其动力学特性。进一步将该模型应用到非线性函数优化和组合优化等问题上,并分析了其参数变化规律,仿真实验证明FCSCNN比TCNN及其他相关模型具有更好的全局寻优能力。（2）基于自适应模拟退火策略的变频正弦混沌神经网络设计针对FCSCNN寻优精度与收敛速度无法兼顾的问题,通过分析TCNN的优化机制和现有的退火策略,提出了一种基于自适应模拟退火策略的变频正弦混沌神经网络模型（FCSCNN with Self-adaptive Simulated Annealing,FCSCNN-SSA）。该模型可以根据混沌神经元的Lyapunov指数来确定合适的自反馈连接权值。给出了混沌神经元的倒分岔图、Lyapunov指数及不同退火函数的时间演化图,证明了自适应模拟退火策略能够自主选择合适的退火速度,更有效的利用混沌全局搜索能力,并加快非混沌态的演化时间。为了证明该模型的有效性,将其应用于函数优化和组合优化问题中。仿真实验表明:1)对于该模型退火速度的选择,自适应模拟退火策略比现有的几种退火方法更具有灵活性和适应性;2)该模型在寻优精度和速度上比TCNN及其他改进模型具有更好的兼顾性。（3）变频正弦混沌神经网络抗扰动能力研究为了研究FCSCNN的抗扰动能力,在该混沌神经元的内部状态中分别引入三角函数和小波函数扰动项,提出了带扰动的变频正弦混沌神经元（FCSCNN with Disturbances,FCSCNN-D）模型。给出了该混沌神经元的倒分岔图及Lyapunov指数的时间演化图,分析了其动力学特性。利用该模型构建了新型暂态混沌神经网络,通过选择不同的扰动系数,将其应用于函数优化和组合优化问题上。仿真实验表明,在适当的扰动系数下,FCSCNN能够有效的解决函数优化和组合优化问题,体现了该模型具有较强的鲁棒性和抗扰动能力。（4）迟滞噪声变频正弦混沌神经网络设计针对FCSCNN在高噪声条件下优化性能下降以及由于早熟带来的精度受限的问题,将迟滞动力学特性引入到FCSCNN混沌神经元内部状态方程中,提出了迟滞噪声变频正弦混沌神经网络（Hysteretic Noisy FCSCNN,HNFCSCNN）。通过对具有顺时针和逆时针迟滞环的HNFCSCNN模型的动力学特性进行分析和比较得知:HNFCSCNN可以有效的缓解和降低高噪声带来的负面影响,且可以保持随机噪声的随机游走能力。同时迟滞环带来的跳跃性特点可以使算法在后期收敛阶段依然具有跳出局部极小的能力。通过对组合优化问题的仿真实验证明了以上结论的正确性,并与其他优化算法进行对比,体现了HNFCSCNN较好的优化性能。（5）多目标变频正弦混沌神经网络设计针对FCSCNN无法解决多目标优化问题的不足,通过分析现有多目标智能优化算法的设计原理和过程,根据FCSCNN的优化机制和特点,从动力学演化的所有过程解中提取非支配解,并存储到档案库,提出了多目标变频正弦混沌神经网络（Multi-objective FCSCNN,MOFCSCNN）。对由单目标拓展到多目标优化算法过程中的非支配解选取、最优解选取、档案库管理三个关键点进行分析、设计和实现。通过对多目标基准测试函数的仿真实验,证实了提出的MOFCSCNN多目标优化算法的有效性和可行性。
夏志远[9]（2018）在《超宽自锚式悬索桥模型修正与抗震可靠度分析研究》文中认为自锚式悬索桥因其造型美观、场地适应强等优点,在中小跨径桥梁方案中极具竞争力,特别是近年来随着国内交通建设的快速发展,自锚式悬索桥在我国的工程应用变得十分广泛。但由于该型桥梁其主缆锚固于主梁之上,形成有别于地锚式悬索桥的自平衡体系,其受力性能特别是主梁空间受力十分复杂;其次,现代桥梁普遍采用增大主梁宽度、扩展行车道数目的手段提高桥梁交通量,减缓运输压力,而增大的宽跨比导致桥梁结构和其受力状态更趋复杂。因此,对具有超宽主梁的自锚式悬索桥结构受力状态和性能展开研究,阐释其受力机理,可弥补该类型桥梁研究空白,改善该型桥梁发展较快但科研滞后的现状,为超宽自锚式悬索桥扩大工程实践提供科学基础和依据。本文以某在役超宽自锚式悬索桥为工程背景,以桥梁服役过程中安全性状态评估为切入点,着重解决超宽自锚式悬索桥结构研究面临的两个难题:其一,建立超宽自锚式悬索桥精准高效三维有限元模型,即模型建立和修正,避免传统单双脊骨梁模型精度低和实体模型效率低的问题,能精准模拟实际桥梁结构受力状态,为后续结构分析和状态评估提供基础;其二,实现准确高效的超宽自锚式悬索桥抗震安全性评估,解决复杂工程结构抗震可靠度分析评估精度和效率较低的难题,为该型桥梁服役过程提供安全保障。需要指出的是,针对超宽自锚式悬索桥的研究中所提方法具有普适性,可为其他大型复杂工程结构的研究提供借鉴和参考。主要研究内容和成果有:（1）超宽自锚式悬索桥精细三维模型建立方法与试验验证。考虑到桥梁主梁宽跨比大,已有常规建模方法已无法满足需求,基于ANSYS参数化建模平台,提出采用剪力柔性梁格法建立超宽自锚式悬索桥三维有限元梁格模型方法,通过细分超宽主梁提高三维模型模拟精度;通过超宽自锚式悬索桥环境激励试验与成桥状态车载静力试验,对其主梁自振频率和振型、典型截面位移和应力分布的初始有限元模型结果与试验结果进行比对,分析了超宽主梁受力机理。结果表明:初始模型的主梁竖向频率值较实测值小,最大误差高达38.85%,且竖向各阶频率模型与实测值误差均超过25%,但主梁振型MAC值大部达到95%以上,各阶振型吻合较好;从主梁静力响应看,成桥状态时初始模型竖向位移与试验位移分布差距较大,但各工况位移和截面应力变化值的计算与试验结果总体趋势吻合,初始精细三维梁格模型能够一定程度反映超宽自锚式悬索桥在荷载作用下的静力响应变化规律;初始模型与试验结果比较表明,精细三维梁格模型能够体现主梁截面受力分布;模型与试验之间的差异凸显对该超宽自锚式悬索桥初始三维梁格模型实施修正的重要性。（2）基于高斯扰动粒子群优化的超宽自锚式悬索桥模型修正研究。有限元模型修正问题实质为有约束的非线性优化问题,提出引入粒子群优化算法（PSO）实施模型修正,改善常用修正优化方法的迭代步数较多的问题,剖析标准PSO算法在优化后期存在的缺陷和相应的改进措施,并结合函数算例,比对各改进PSO算法的精度和效率;提出基于高斯白噪声扰动的粒子群优化算法（GMPSO）的有限元模型修正方法,给出修正过程和优化算法中各项系数取值,结合有损伤简支梁模型修正算例,验证该优化方法实施模型修正的可行性,并与常用基于遗传算法（GA）模型修正方法修正结果对比;以超宽自锚式悬索桥初始有限元模型为研究对象,结合主梁静动力试验数据,基于GMPSO有限元模型修正方法对其实施模型修正并进行修正后模型验证。结果表明:GMPSO算法在诸多改进PSO算法中,优化精度好,且其优化所需迭代步最少;基于GMPSO的有限元模型修正方法与基于GA的有限元模型修正方法,修正结果一致,但达到相同收敛精度时,前者需要的迭代步数较少,其在有限元模型修正中的可行性得到验证;基于GMPSO的超宽自锚式悬索桥有限元模型修正中,为获得较理想的修正结果,建议以静力响应和自振频率作为联合优化目标。（3）基于代理模型-高斯扰动粒子群优化的超宽自锚式悬索桥模型修正研究。详细介绍多项式模型、Kriging模型和BP神经网络模型（BPNN）三种代理模型,并将代理模型与高斯扰动粒子群优化算法（GMPSO）结合,提出代理模型-GMPSO的有限元模型修正方法,以提高诸如超宽自锚式悬索桥的高维复杂工程结构模型修正效率;给出模型修正具体过程,结合有损伤简支梁模型修正算例,验证所提方法作为模型修正方法的可行性,同时比对各代理模型在优化中体现出的精度和效率,在后续分析中择优选择代理模型;以超宽自锚式悬索桥初始精细三维有限元模型为研究对象,结合试验数据,应用代理模型-GMPSO修正方法实施有限元模型修正并进行修正后模型验证。结果显示,采用基于代理模型-GMPSO有限元模型修正方法比基于直接的GMPSO修正方法体现出更高的修正效率和良好的修正精度,其中,基于BPNN-GMPSO有限元模型修正方法要优于其他代理模型方法;在工程结构有限元模型修正中,同样建议以静力响应和自振频率作为联合优化目标。（4）复杂工程结构抗震可靠度评估联合方法研究。详细介绍子集模拟（SS）方法、显式时域法（ETDM）、随机地震功率谱模型与随机地震的离散方法;阐述子集模拟方法自身缺陷和直接利用子集模拟方法求解诸如结构抗震可靠度等高维小失效概率问题时尚存的不足,为避免该缺陷,提出改进子集模拟结合显式时域法和神经网络算法的联合评估方法,有效分离离散性低的结构物理参数和离散性高的地震荷载参数,提高处理高维复杂结构抗震可靠度的计算效率;结合三维框架抗震可靠度算例,与直接Monte Carlo法（MCS）抗震可靠度计算结果比对,验证该新型联合评估方法的精度、效率和可行性。结果显示,无论是否考虑结构参数的随机性,该联合评估方法均能获得与MCS一致的结果,且效率较后者有了质的提升,有效验证了所提联合方法处理确定性结构或随机结构在随机地震作用下的抗震可靠度问题时具有较好的精度和较高的效率,且结构失效概率越小,该联合方法体现出的效率越高,为小概率、高维度大型复杂工程结构抗震可靠度评估提供了应用的可能性和有效性。（5）基于新型联合方法的超宽自锚式悬索桥抗震可靠度评估。基于修正后基准有限元模型,分析超宽自锚式悬索桥在确定性时程地震荷载作用下结构的主要受力性能和诸如材料弹性模量、密度、截面几何尺寸等一系列参数对其响应的敏感度;利用Shinozuka公式离散随机地震,基于SS-ETDM结构抗震可靠度联合方法,评估超宽自锚式悬索桥在结构和温度参数一定,地震参数随机情况下的抗震可靠度;基于SS-ETDM-BPNN联合方法,评估超宽自锚式悬索桥在结构、温度和地震参数多重随机条件下的抗震可靠度;基于联合方法,分析结构和温度参数对其抗震可靠度敏感性,并基于敏感性分析结果,全面评估参数耦合特定条件下超宽自锚式悬索桥抗震可靠度。结果显示,在超宽自锚式悬索桥抗震可靠度分析中,位移已不再是决定主梁失效的判别标准,对主梁失效起主要判别作用的响应为主梁关键截面压应力;该抗震可靠度联合评估方法能成功应用于诸如超宽自锚式悬索桥的复杂工程结构抗震可靠度评估中,实现三维随机地震可靠度评估;基于新型联合评估方法在处理复杂工程结构抗震可靠度较直接MCS方法效率有显着提高;基于新型联合评估方法的超宽自锚式悬索桥抗震可靠度全面评估结果显示,其抗震可靠度满足安全值要求,安全性较高,特别是在多遇随机地震条件下,其结果偏于安全。
丁刚[10]（2017）在《基于声发射时频分析技术的三维编织复合材料损伤源定位方法研究》文中研究说明随着三维编织复合材料更加广泛的应用到航空、航天、汽车和建筑工程等领域,损伤破坏等问题已成为生产和使用的关键。声发射（AE）技术具有动态、反应灵敏、实时、抗干扰性强等特点,已逐步应用于三维编织复合材料的无损检测研究中。由于复合材料在增加载荷的过程中会产生大量包含了丰富损伤源信息的声发射信号,解析这些信号有助于得到复合材料的损伤模式,进而获得损伤位置,达到损伤源定位的目的。本文首先从理论上对时频分析的5种典型技术,即短时傅里叶变换（STFT）、Wigner-Ville分布（WVD）、小波分析、S变换以及希尔伯特—黄变换（HHT）进行比较,并使用时频分析方法对5种声信号组成形式进行仿真分析。结论表明,STFT、WVD、小波变换及S变换分别受到固定的窗函数、交叉干扰项、小波基函数选取及Heisenberg测不准原理等问题的影响,无法揭示声发射信号所特有的时频特征。而HHT以信号为基础,不加入任何人为干扰因素,适用于非线性非平稳信号的分析,对于信号具有很强的自适应性,能很好体现信号的局部频率特性,适用于三维编织复合材料声发射信号的时频分析。本文以三维四向编织复合材料为研究对象,为揭示其拉伸损伤模式的声发射信号时域—频域特征,建立损伤模式和声发射信号的对应关系,通过对相同编织角、不同纤维体积含量的3组三维编织复合材料实验试件进行拉伸实验,获取拉伸过程中不同损伤阶段的力学性能参数和声发射信号。为研究声发射信号的时频特征,运用HHT时频分析方法,分离和提取损伤模式信息,得到三维编织复合材料损伤模式与声发射信号的对应关系,为研究和分析三维编织复合材料的拉伸断裂机理提供了一种新的信号分析方法。最后,根据三维编织复合材料拉伸损伤模式的声发射信号HHT的时频特征,在确定损伤阶段和信号类型的基础上,采用“两步法”进行损伤源定位。“第一步”结合时频分析结果及实验试件的各向异性,对声速进行补偿,采用时差定位法中的四点圆弧法进行初始定位。“第二步”采用概率神经网络,采用混沌搜索中的拥挤度概念对果蝇算法进行改进,优化了概率神经网络中的平滑参数,降低了计算迭代次数,提高了定位精度。
二、一种混沌神经网络及在优化计算中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种混沌神经网络及在优化计算中的应用（论文提纲范文）
（1）基于Logistic混沌量子粒子群算法的大跨屋盖结构抗风优化方法（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 结构抗风优化概况 |
| 1.2.1 结构抗风优化研究现状 |
| 1.2.2 基于智能算法的结构抗风优化现状 |
| 1.3 混沌量子粒子群算法 |
| 1.3.1 粒子群算法的发展 |
| 1.3.2 量子粒子群算法的发展 |
| 1.3.3 混沌量子粒子群算法 |
| 1.4 已有研究的不足之处及本文工作 |
| 1.4.1 不足之处 |
| 1.4.2 本文工作 |
| 第二章 屋盖抗风优化模型 |
| 2.1 结构简介 |
| 2.2 风荷载来源 |
| 2.2.1 风洞试验 |
| 2.2.2 等效风荷载 |
| 2.3 抗风优化数学模型 |
| 2.4 约束处理方法 |
| 2.5 本章小结 |
| 第三章 基于粒子群算法的大跨屋盖结构抗风优化设计 |
| 3.1 粒子群算法原理 |
| 3.2 基于粒子群算法的大跨屋盖结构抗风优化方法 |
| 3.3 基于粒子群算法优化的参数分析 |
| 3.3.1 最大迭代次数T_(max) |
| 3.3.2 最大速度限值V_(max) |
| 3.3.3 种群N |
| 3.3.4 学习因子c_1和c_2 |
| 3.3.5 惯性权重w |
| 3.4 本章小结 |
| 第四章 基于Logistic混沌量子粒子群算法的大跨屋盖结构抗风优化设计 |
| 4.1 算法原理 |
| 4.1.1 量子粒子群算法 |
| 4.1.2 混沌理论 |
| 4.1.3 混沌量子粒子群算法 |
| 4.2 基于Logistic混沌量子粒子群算法的大跨屋盖结构抗风优化方法 |
| 4.3 参数分析 |
| 4.3.1 基于量子粒子群算法优化的参数分析 |
| 4.3.1.1 最大迭代次数T_(max) |
| 4.3.1.2 种群 |
| 4.3.2 基于Logistic混沌量子粒子群算法优化的参数分析 |
| 4.3.2.1 最大迭代次数T_(max) |
| 4.3.2.2 种群N |
| 4.3.2.3 初始混沌值φ_0 |
| 4.3.2.4 变异概率p_m(t) |
| 4.3.2.5 Logistic混沌和Tent混沌 |
| 4.4 三种算法综合分析 |
| 4.4.1 优化结果 |
| 4.4.2 设计变量 |
| 4.4.3 约束条件 |
| 4.4.4 目标函数 |
| 4.5 本章小结 |
| 第五章 结论与展望 |
| 5.1 主要结论 |
| 5.2 未来研究工作展望 |
| 参考文献 |
| 致谢 |
| 附录 硕士期间发表论文 |
（2）基于双层并行算法的水电站群优化调度方法及应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.1.1 选题背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 梯级水电站群优化调度模型计算现状综述及分析 |
| 1.3.1 梯级水电站群调度模型及算法演进历程 |
| 1.3.2 梯级水电站群优化调度模型计算存在的主要问题 |
| 1.4 本文主要研究内容及技术路线 |
| 1.4.1 主要研究内容 |
| 1.4.2 研究技术路线 |
| 1.5 本文研究创新点 |
| 第2章 双层并行计算架构模式研究 |
| 2.1 双层并行计算方法研究 |
| 2.1.1 并行计算机内存结构 |
| 2.1.2 并行计算架构 |
| 2.1.3 并行计算实现方法及考虑因素 |
| 2.1.4 并行计算性能评价指标 |
| 2.1.5 双层并行计算架构 |
| 2.1.6 并行算法 |
| 2.2 优化算法并行化基础理论研究 |
| 2.2.1 传统优化算法并行化 |
| 2.2.2 智能优化算法及其并行化 |
| 2.3 本章小结 |
| 第3章 水电站优化调度模型的双层并行算法 |
| 3.1 水电站发电量最大优化调度基本模型 |
| 3.2 基于混沌人工鱼群双层并行算法的水电站优化调度模型 |
| 3.2.1 混沌人工鱼群双层并行算法(CAFSDPA) |
| 3.2.2 基于CAFSDPA水电站发电优化调度模型的求解步骤 |
| 3.3 基于双层并行动态规划算法的水电站优化调度模型 |
| 3.3.1 动态规划算法的并行因素分析 |
| 3.3.2 模型双层并行计算流程 |
| 3.4 本章小结 |
| 第4章 基于双层并行算法的水电站优化调度模型实证研究 |
| 4.1 基于CAFSDPA的水电站优化调度模型实证研究 |
| 4.1.1 相近算法计算结果比较 |
| 4.1.2 部分参数不同情况下CAFSDPA计算结果比较 |
| 4.2 基于双层并行动态规划算法的水电站实例论证 |
| 4.3 本章小结 |
| 第5章 梯级水电站群的双层并行算法研究 |
| 5.1 基于大系统分解协调的双层并行算法研究思路 |
| 5.2 梯级水电站群发电优化调度大系统分解协调模型 |
| 5.2.1 大系统分解协调 |
| 5.2.2 梯级水电站群发电优化调度基本模型 |
| 5.2.3 梯级水电站群发电优化调度分解协调模型 |
| 5.3 基于分解后水电站CAFSDPA的大系统分解协调模型 |
| 5.3.1 模型基本原理 |
| 5.3.2 模型计算步骤 |
| 5.4 基于分解后水电站多线程并行动态规划的双层并行算法研究 |
| 5.4.1 分解后水电站动态规划算法 |
| 5.4.2 模型计算可并行化分析 |
| 5.4.3 多线程技术并行计算 |
| 5.4.4 算法结合基本原理 |
| 5.4.5 模型计算步骤 |
| 5.5 基于分解后各水电站异时启动并行计算的双层并行算法研究 |
| 5.5.1 异时启动并行计算 |
| 5.5.2 并行策略的主要研究方向 |
| 5.5.3 梯级水电站群优化计算新型并行策略基本研究思路 |
| 5.5.4 梯级水电站群优化计算的新型并行策略 |
| 5.5.5 新型并行策略分析 |
| 5.5.6 基于分解后各水电站异时启动并行计算的双层并行算法 |
| 5.6 混联水电站群新型并行策略展望 |
| 5.7 本章小结 |
| 第6章 基于双层并行算法的水电站群大系统分解协调模型实证研究 |
| 6.1 实例背景 |
| 6.2 基于分解后水电站CAFSDPA的分解协调模型实例验证 |
| 6.2.1 模型计算流程及问题论证方向 |
| 6.2.2 计算结果分析 |
| 6.3 基于分解后水电站多线程双层并行动态规划的分解协为模型实例验证 |
| 6.3.1 程序流程图 |
| 6.3.2 计算结果与分析 |
| 6.4 基于分解后水电站异时启动并行计算的大系统分解协调双层并行算法实例验证 |
| 6.4.1 基本模型建立 |
| 6.4.2 异时启动并行计算方法设计 |
| 6.4.3 实例计算结果与分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）抽水蓄能机组系统辨识与复杂工况下控制规律研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 抽水蓄能调节系统建模研究概述 |
| 1.3 抽水蓄能机组系统辨识研究概述 |
| 1.4 抽水蓄能机组控制规律研究概述 |
| 1.5 本文主要研究内容 |
| 2 抽水蓄能机组调节系统非线性建模研究 |
| 2.1 引言 |
| 2.2 调速器数学模型 |
| 2.3 有压过水系统数学模型 |
| 2.4 水泵水轮机数学模型 |
| 2.5 同步发电机数学模型 |
| 2.6 励磁调节器及电力系统稳定器数学模型 |
| 2.7 抽水蓄能机组调节系统数学模型 |
| 2.8 本章小结 |
| 3 基于智能算法的抽水蓄能机组调节系统参数辨识 |
| 3.1 引言 |
| 3.2 人工羊群优化算法及其改进 |
| 3.3 基于IASA的具有复杂过水系统的调速系统参数辨识 |
| 3.4 基于 IASA 的调速励磁系统水-机-电耦合模型参数辨识 |
| 3.5 本章小结 |
| 4 基于神经网络的抽水蓄能机组调节系统模型辨识 |
| 4.1 引言 |
| 4.2 长短时记忆神经网络与带遗忘因子的在线序列极限学习机 |
| 4.3 基于LSTM的具有复杂过水系统的调速系统离线模型辨识 |
| 4.4 基于WOS-ELM的调速励磁水-机-电耦合系统的在线模型辨识 |
| 4.5 本章小结 |
| 5 改善抽水蓄能机组反“S”区动态特性的控制规律研究 |
| 5.1 引言 |
| 5.2 反“S”区运行问题描述 |
| 5.3 抽水蓄能机组低水头开机规律多目标优化 |
| 5.4 可变速机组避免深入反“S”区运行机理分析 |
| 5.5 本章小结 |
| 6 抽水蓄能机组调速励磁耦合系统的预测控制研究 |
| 6.1 引言 |
| 6.2 调速励磁耦合系统小扰动稳定性分析 |
| 6.3 调速励磁耦合系统多工况多目标优化 |
| 6.4 调速励磁耦合系统智能模型预测控制 |
| 6.5 对比实验及结果分析 |
| 6.6 本章小结 |
| 7 全文总结与展望 |
| 7.1 工作总结 |
| 7.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录1:攻读博士期间发表的论文 |
| 附录2:攻读博士期间完成和参与的科研项目 |
（4）基于SMOTE算法和代理模型的船舶结构可靠性优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 代理模型研究现状 |
| 1.2.2 结构可靠性分析研究现状 |
| 1.2.3 结构可靠性优化研究现状 |
| 1.3 主要研究内容 |
| 1.3.1 本文研究内容 |
| 1.3.2 本文创新点 |
| 第二章 可靠性优化设计理论基础 |
| 2.1 引言 |
| 2.2 可靠性基本理论 |
| 2.2.1 可靠性基本概念 |
| 2.2.2 可靠性计算方法 |
| 2.3 可靠性优化方法研究 |
| 2.3.1 两层次算法 |
| 2.3.2 解耦算法 |
| 2.3.3 单循环算法 |
| 2.4 代理模型技术 |
| 2.4.1 代理模型技术简介 |
| 2.4.2 试验设计方法 |
| 2.4.3 常用的代理模型 |
| 2.4.4 代理模型的性能 |
| 2.5 动态代理模型技术 |
| 2.6 本章小结 |
| 第三章 基于SMOTE算法和动态神经网络的结构可靠性优化 |
| 3.1 引言 |
| 3.2 SMOTE算法原理 |
| 3.3 基于SMOTE算法和动态BP神经网络的可靠性优化流程 |
| 3.4 算例展示 |
| 3.4.1 数学算例 |
| 3.4.2 参数选取讨论 |
| 3.5 船舶结构的可靠性优化实例 |
| 3.5.1 船舶有限元模型介绍 |
| 3.5.2 船舶结构可靠性优化模型 |
| 3.5.3 船舶结构可靠性优化流程 |
| 3.5.4 船舶结构可靠性优化结果 |
| 3.6 本章小结 |
| 第四章 基于神经网络和动态加点策略的结构可靠性优化 |
| 4.1 引言 |
| 4.2 加点准则简介 |
| 4.2.1 最优点加点准则 |
| 4.2.2 最大期望提高加点准则 |
| 4.2.3 最优学习函数U(x)加点准则 |
| 4.3 基于SMOTE算法的改进加点策略 |
| 4.3.1 样本点增加策略 |
| 4.3.2 样本点删除策略 |
| 4.3.3 迭代结束条件 |
| 4.3.4 算例展示 |
| 4.4 基于神经网络和动态加点策略的结构可靠性优化流程 |
| 4.5 基于神经网络和动态加点策略的船舶结构可靠性优化 |
| 4.5.1 船舶结构可靠性优化模型 |
| 4.5.2 船舶结构可靠性优化结果 |
| 4.6 本章小结 |
| 第五章 总结与展望 |
| 5.1 全文总结 |
| 5.2 后续研究展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士学位期间参加的科研项目 |
| 攻读硕士学位期间已发表或录用的论文 |
（5）基因调控网络状态转变的优化策略研究（论文提纲范文）
| 致谢 |
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 基因调控网络 |
| 1.1.1 基本定义 |
| 1.1.2 动态系统建模 |
| 1.2 生物系统的吸引子 |
| 1.3 基因网络的控制 |
| 1.4 基因调控网络的控制研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 基因网络的模型及调控机理 |
| 2.1 基因调控网络的动态模型 |
| 2.2 基因网络的调控机理 |
| 2.3 基因网络的优化问题 |
| 2.4 本章小结 |
| 第三章 动态优化及混合整数动态优化算法 |
| 3.1 动态优化算法研究现状 |
| 3.1.1 序贯算法 |
| 3.1.2 联立算法 |
| 3.1.3 拟序贯算法 |
| 3.2 拟序贯拓展算法 |
| 3.2.1 变量离散 |
| 3.2.2 模型计算 |
| 3.2.3 灵敏度计算 |
| 3.2.4 算法流程及结构 |
| 3.3 混合整数动态优化及其拓展算法 |
| 3.3.1 混合整数动态优化求解方法概况 |
| 3.3.2 基于拟序贯的MIDO拓展算法 |
| 3.4 本章小结 |
| 第四章 基因网络状态转变的控制路径优化 |
| 4.1 状态转变路径优化问题描述 |
| 4.2 优化实例 |
| 4.2.1 两节点基因网络优化分析 |
| 4.2.1.1 吸引子搜寻 |
| 4.2.1.2 分岔临界值仿真计算 |
| 4.2.1.3 优化求解 |
| 4.2.2 T-LGL信号网络优化分析 |
| 4.3 本章小结 |
| 第五章 基因网络调控变量识别 |
| 5.1 变量识别优化问题描述 |
| 5.2 MIDO问题预处理 |
| 5.3 优化实例分析 |
| 5.3.1 骨髓细胞分化调节网络 |
| 5.3.2 癌症基因网络 |
| 5.3.3 T-LGL信号网络 |
| 5.4 本章小结 |
| 第六章 生物系统周期节律优化控制 |
| 6.1 研究背景及意义 |
| 6.2 优化问题分析 |
| 6.2.1 时间区间的划分 |
| 6.2.2 优化问题公式化 |
| 6.3 生物系统优化实例探讨 |
| 6.3.1 混沌系统 |
| 6.3.2 哺乳动物昼夜节律系统 |
| 6.3.3 胃癌基因调节网络 |
| 6.4 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 附录 A T-LGL信号网络模型方程 |
| 附录 B 骨髓细胞分化网络模型方程 |
| 附录 C 哺乳动物昼夜节律系统模型方程 |
| 附录 D 胃癌网络模型方程 |
| 作者简历 |
| 攻读博士期间科研成果 |
| 公开发表学术论文与博士学位论文的关系 |
（6）复杂条件下梯级电站短期优化调度耦合模型及方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景及研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 优化调度模型构建 |
| 1.2.2 优化调度模型求解 |
| 1.2.3 优化调度方案决策 |
| 1.2.4 优化调度方案实施 |
| 1.3 目前存在的主要问题及发展趋势 |
| 1.4 本文的主要研究内容以及创新点 |
| 1.4.1 本文的主要研究内容 |
| 1.4.2 本文的主要创新点 |
| 第2章 复杂运行模式下梯级水电站短期优化调度目标函数研究 |
| 2.1 引言 |
| 2.2 单一运行模式下优化调度目标介绍 |
| 2.2.1 “以水定电”模式 |
| 2.2.2 “以电定水”模式 |
| 2.3 “以电定水”模式下优化调度目标改进 |
| 2.3.1 耗能最小与蓄能最大一致性分析 |
| 2.3.2 基于能效系数逐步逼近的梯级耗、蓄能一致性目标 |
| 2.3.3 实例计算 |
| 2.4 梯级产蓄能最大通用性目标及其在混合运行模式中的应用 |
| 2.4.1 梯级产蓄能最大通用性目标 |
| 2.4.2 通用性目标在混合运行模式中的应用 |
| 2.4.3 实例计算 |
| 2.5 本章小结 |
| 第3章 考虑后效性影响的厂间-厂内一体精准优化调度方案制定 |
| 3.1 引言 |
| 3.2 考虑后效性因素影响的优化调度模型准确构建 |
| 3.2.1 目标函数 |
| 3.2.2 约束条件 |
| 3.3 基于BP神经网络的模型关键变量精确计算 |
| 3.3.1 小漩入库流量 |
| 3.3.2 潘口尾水位 |
| 3.4 基于厂间-厂内一体化计算的模型求解 |
| 3.4.1 求解思路 |
| 3.4.2 求解步骤 |
| 3.5 实例计算 |
| 3.5.1 计算时间分析 |
| 3.5.2 计算精度分析 |
| 3.5.3 发电效益分析 |
| 3.6 本章小结 |
| 第4章 考虑不确定性的梯级水电站短期优化调度方案制定与实施 |
| 4.1 引言 |
| 4.2 三种调度方案实施模式的对比分析 |
| 4.2.1 实施模式介绍 |
| 4.2.2 实施模式事后评价 |
| 4.2.3 实例计算 |
| 4.3 结合调度规则的调度方案制定与实施 |
| 4.3.1 调度规则 |
| 4.3.2 结合调度规则的优化调度模型 |
| 4.3.3 结合调度规则的调度方案实施 |
| 4.3.4 实例计算 |
| 4.4 本章小结 |
| 第5章 利用预报信息的水库警戒水位自适应计算方法研究 |
| 5.1 引言 |
| 5.2 警戒水位与汛、旱限水位的相似性分析 |
| 5.2.1 上警戒水位与汛限水位 |
| 5.2.2 下警戒水位与旱限水位 |
| 5.3 利用潘口日发电量预报信息的小漩警戒水位分级计算 |
| 5.3.1 上警戒水位 |
| 5.3.2 下警戒水位 |
| 5.4 利用潘口日负荷过程预报信息的小漩上警戒水位自适应计算 |
| 5.4.1 风险与效益期望值计算 |
| 5.4.2 小漩上警戒水位方案决策 |
| 5.4.3 决策结果事后评价 |
| 5.4.4 实例计算 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（7）火星进入不确定性量化与鲁棒最优制导方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 注释表 |
| 缩略词 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 不确定性量化研究进展 |
| 1.2.2 鲁棒优化研究进展 |
| 1.2.3 不确定性条件下火星进入制导研究进展 |
| 1.3 存在的主要问题及解决途径 |
| 1.4 本文的内容安排 |
| 第二章 基本模型和基本理论 |
| 2.1 引言 |
| 2.2 基本数学模型 |
| 2.2.1 坐标系 |
| 2.2.2 火星重力加速度模型 |
| 2.2.3 火星大气密度模型 |
| 2.2.4 火星进入器气动加速度模型 |
| 2.2.5 火星进入动力学方程 |
| 2.3 不确定性的基本理论 |
| 2.3.1 不确定性的定义与分类 |
| 2.3.2 不确定性建模的数学基础 |
| 2.3.3 不确定性量化的基本方法 |
| 2.4 鲁棒优化的基本理论 |
| 2.4.1 鲁棒优化的基本概念 |
| 2.4.2 鲁棒优化的基本方法 |
| 2.5 本章小结 |
| 第三章 火星进入不确定性量化方法研究 |
| 3.1 引言 |
| 3.2 火星进入不确定性量化问题描述 |
| 3.3 基于自适应广义多项式混沌的火星进入不确定性量化 |
| 3.3.1 广义多项式混沌 |
| 3.3.2 自适应谱分解 |
| 3.3.3 随机空间的自适应分解 |
| 3.3.4 在火星进入不确定性量化问题中的应用 |
| 3.4 基于敏感度配点非侵入式多项式混沌的火星进入不确定性量化 |
| 3.4.1 非侵入式多项式混沌 |
| 3.4.2 基于敏感度的配点 |
| 3.4.3 不确定性变量的求解 |
| 3.5 仿真分析 |
| 3.5.1 仿真设置 |
| 3.5.2 算例1:均匀不确定性 |
| 3.5.3 算例2:高斯不确定性 |
| 3.5.4 算例3:混合不确定性 |
| 3.5.5 分析与讨论 |
| 3.6 本章小结 |
| 第四章 火星进入轨迹鲁棒优化方法研究 |
| 4.1 引言 |
| 4.2 火星进入轨迹优化问题描述 |
| 4.2.1 火星进入动力学方程 |
| 4.2.2 火星进入段不确定性建模 |
| 4.2.3 约束条件 |
| 4.2.4 目标函数 |
| 4.2.5 优化问题描述 |
| 4.3 基于粒子群算法和高斯伪谱法的火星进入轨迹规划 |
| 4.3.1 混合优化策略 |
| 4.3.2 粒子群优化算法 |
| 4.3.3 高斯伪谱法 |
| 4.4 基于不确定性量化的火星进入轨迹鲁棒优化 |
| 4.4.1 鲁棒优化方法 |
| 4.4.2 动力学不确定性量化与传播 |
| 4.4.3 重新构建鲁棒轨迹优化问题 |
| 4.4.4 目标函数和约束条件不确定性量化 |
| 4.4.5 hp自适应伪谱法 |
| 4.4.6 鲁棒性和可靠性评估 |
| 4.5 仿真分析 |
| 4.5.1 仿真设置 |
| 4.5.2 算例1:末端高度最大化 |
| 4.5.3 算例2:末端偏差最小化 |
| 4.5.4 分析与讨论 |
| 4.6 本章小结 |
| 第五章 火星进入鲁棒最优制导方法研究 |
| 5.1 引言 |
| 5.2 基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导 |
| 5.2.1 火星进入动力学方程 |
| 5.2.2 纵向制导律设计 |
| 5.2.3 侧向制导律 |
| 5.3 基于强化学习和伪谱法的火星进入与着陆协同最优制导 |
| 5.3.1 最优问题描述 |
| 5.3.2 协同最优制导设计 |
| 5.3.3 求解方法 |
| 5.4 仿真分析 |
| 5.4.1 基于二阶滑模和径向基神经网络的火星进入鲁棒跟踪制导仿真 |
| 5.4.2 基于强化学习和伪谱法的火星进入与着陆协同最优制导仿真 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文的主要贡献与创新点 |
| 6.2 有待进一步研究的问题 |
| 参考文献 |
| 致谢 |
| 在学期间的研究成果及发表的学术论文 |
（8）变频正弦混沌神经网络分析与设计（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.1.3 课题来源 |
| 1.2 混沌动力系统 |
| 1.2.1 混沌理论发展 |
| 1.2.2 混沌理论基础 |
| 1.2.3 混沌产生方法 |
| 1.2.4 混沌运动刻画 |
| 1.3 混沌神经网络研究现状 |
| 1.3.1 基于混沌神经元的混沌神经网络 |
| 1.3.2 基于混沌映射的混沌神经网络 |
| 1.3.3 基于相空间重构的混沌神经网络 |
| 1.3.4 基于混沌优化算法的混沌神经网络 |
| 1.4 论文主要工作 |
| 1.5 论文内容安排 |
| 第2章 变频正弦混沌神经网络 |
| 2.1 引言 |
| 2.2 变频正弦(FCS)混沌神经元模型 |
| 2.2.1 FCS函数 |
| 2.2.2 FCS混沌神经元模型 |
| 2.2.3 动力学特性分析 |
| 2.3 变频正弦混沌神经网络(FCSCNN)模型 |
| 2.3.1 FCSCNN模型 |
| 2.3.2 FCSCNN优化机制 |
| 2.4 FCSCNN在优化问题中的应用 |
| 2.4.1 模型在函数优化中的应用 |
| 2.4.2 模型在组合优化中的应用 |
| 2.4.3 模型在污水处理中的应用 |
| 2.5 本章小结 |
| 第3章 基于自适应模拟退火的变频正弦混沌神经网络 |
| 3.1 引言 |
| 3.2 模拟退火函数对FCSCNN的影响 |
| 3.2.1 模拟退火函数的作用机制 |
| 3.2.2 不同退火函数的特性分析 |
| 3.3 基于自适应模拟退火策略(SSA)的FCSCNN模型 |
| 3.3.1 自适应模拟退火策略 |
| 3.3.2 FCSCNN-SSA模型 |
| 3.3.3 动力学特性分析 |
| 3.4 FCSCNN-SSA在优化问题中的应用 |
| 3.4.1 模型在函数优化中的应用 |
| 3.4.2 模型在组合优化中的应用 |
| 3.5 本章小结 |
| 第4章 带扰动的变频正弦混沌神经网络 |
| 4.1 引言 |
| 4.2 带周期扰动的FCSCNN模型 |
| 4.2.1 带周期扰动的FCS混沌神经元模型 |
| 4.2.2 带周期扰动的FCSCNN模型 |
| 4.2.3 动力学特性分析 |
| 4.3 带非周期扰动的FCSCNN模型 |
| 4.3.1 带非周期扰动的FCS混沌神经元模型 |
| 4.3.2 带非周期扰动的FCSCNN模型 |
| 4.3.3 动力学特性分析 |
| 4.4 带扰动的FCSCNN模型在优化问题中的应用 |
| 4.4.1 模型在函数优化中的应用 |
| 4.4.2 模型在组合优化中的应用 |
| 4.5 本章小结 |
| 第5章 迟滞噪声变频正弦混沌神经网络 |
| 5.1 引言 |
| 5.2 噪声变频正弦混沌神经网络(NFCSCNN) |
| 5.2.1 NFCSCNN模型 |
| 5.2.2 动力学特性分析 |
| 5.3 迟滞噪声变频正弦混沌神经网络(HNFCSCNN) |
| 5.3.1 逆时针迟滞环HNFCSCNN模型 |
| 5.3.2 顺时针迟滞环HNFCSCNN模型 |
| 5.3.3 动力学特性分析 |
| 5.4 HNFCSCNN在优化问题中的应用 |
| 5.4.1 改进能量函数的旅行商(TSP)问题 |
| 5.4.2 模型在TSP问题中的应用 |
| 5.5 本章小结 |
| 第6章 多目标变频正弦混沌神经网络 |
| 6.1 引言 |
| 6.2 多目标优化算法分析 |
| 6.2.1 多目标优化问题 |
| 6.2.2 多目标优化算法 |
| 6.3 多目标FCSCNN算法 |
| 6.3.1 非支配解选取 |
| 6.3.2 最优解选取 |
| 6.3.3 档案库管理 |
| 6.3.4 MOFCSCNN算法流程 |
| 6.4 仿真实验 |
| 6.4.1 评价指标 |
| 6.4.2 基准函数测试 |
| 6.5 本章小结 |
| 结论及展望 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 攻读博士学位期间所获的荣誉奖励 |
| 攻读博士学位期间申请的科研项目 |
| 攻读博士学位期间参与的科研项目 |
| 攻读博士学位期间参加的学术会议 |
| 致谢 |
（9）超宽自锚式悬索桥模型修正与抗震可靠度分析研究（论文提纲范文）
| 摘要 ABSTRACT 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 课题背景及意义 |
| 1.3 大型复杂桥梁有限元模型修正技术国内外研究现状 |
| 1.3.1 基于灵敏度的桥梁有限元模型修正技术 |
| 1.3.2 基于人工智能优化算法的桥梁有限元模型修正技术 |
| 1.3.3 基于响应面的桥梁有限元模型修正技术 |
| 1.4 大型复杂桥梁抗震可靠度国内外研究现状 |
| 1.4.1 基于随机振动分析方法的桥梁抗震可靠度评估 |
| 1.4.2 基于高效抽样方法的桥梁抗震可靠度评估 |
| 1.5 本文主要研究内容和创新点 |
| 1.5.1 主要研究内容 |
| 1.5.2 主要创新点 第二章 超宽自锚式悬索桥精细三维模型建立方法与试验验证 |
| 2.1 引言 |
| 2.2 工程概况 |
| 2.3 超宽自锚式悬索桥三维有限元梁格模型建立方法 |
| 2.3.1 剪力柔性梁格方法 |
| 2.3.2 超宽自锚式悬索桥三维有限元梁格模型建立方法 |
| 2.4 超宽自锚式悬索桥自振特性计算方法 |
| 2.5 超宽自锚式悬索桥成桥环境激励和车载静力试验 |
| 2.5.1 环境激励试验 |
| 2.5.1.1 测试原理 |
| 2.5.1.2 测试设备 |
| 2.5.1.3 测点布置和方案 |
| 2.5.2 车载静力试验 |
| 2.5.2.1 测试设备 |
| 2.5.2.2 测点布置和方案 |
| 2.6 超宽自锚式悬索桥有限元与试验分析结果比对验证及机理阐释 |
| 2.6.1 主梁自振特性有限元与试验分析结果比对验证及机理阐释 |
| 2.6.1.1 桥梁自振特性有限元分析结果与机理阐释 |
| 2.6.1.2 主梁自振特性环境振动试验结果 |
| 2.6.1.3 主梁自振特性结果比对 |
| 2.6.2 主梁车载工况响应有限元与试验分析结果比对验证及机理阐释 |
| 2.6.2.1 竖向位移变化比对验证 |
| 2.6.2.2 截面应力变化比对验证 |
| 2.6.2.3 桥梁静力响应机理阐释 |
| 2.7 本章小结 第三章 基于高斯扰动粒子群优化的超宽自锚式悬索桥模型修正研究 |
| 3.1 引言 |
| 3.2 标准粒子群优化算法 |
| 3.3 改进粒子群优化算法 |
| 3.3.1 基于亲代杂交的粒子群优化算法 |
| 3.3.2 基于混沌搜索的粒子群优化算法 |
| 3.3.3 基于高斯白噪声扰动的粒子群优化算法 |
| 3.4 基于优化算法的有限元模型修正方法 |
| 3.4.1 敏感参数选择 |
| 3.4.2 目标函数选择 |
| 3.4.3 基于PSO及其改进优化算法的有限元模型修正方法 |
| 3.5 标准粒子群优化及其改进优化方法的优化性能比较 |
| 3.6 基于GMPSO与GA的有限元模型修正方法在简支梁算例中的对比 |
| 3.7 超宽自锚式悬索桥基于GMPSO的有限元模型修正与验证 |
| 3.7.1 目标函数和参数敏感性分析 |
| 3.7.1.1 物理参数对结构自振频率的敏感性分析 |
| 3.7.1.2 物理参数对静力响应的敏感性分析 |
| 3.7.2 基于GMPSO的超宽自锚式悬索桥有限元模型修正结果 |
| 3.7.3 超宽自锚式悬索桥修正后有限元模型验证 |
| 3.8 本章小结 第四章 基于代理模型-高斯扰动粒子群优化的超宽自锚式悬索桥模型修正研究 |
| 4.1 引言 |
| 4.2 代理模型 |
| 4.2.1 多项式代理模型 |
| 4.2.2 Kriging代理模型 |
| 4.2.3 BP神经网络显式代理模型 |
| 4.3 基于代理模型-GMPSO算法的有限元模型修正过程 |
| 4.3.1 拉丁超立方抽样试验设计方法 |
| 4.3.2 基于代理模型-GMPSO的有限元模型修正方法 |
| 4.4 基于代理模型-GMPSO有限元模型修正在简支梁算例中的应用对比 |
| 4.5 超宽自锚式悬索桥基于代理模型-GMPSO的有限元模型修正与验证 |
| 4.5.1 基于主梁自振频率的目标函数I模型修正结果与模型验证 |
| 4.5.2 基于静力响应和自振频率的联合目标函数II模型修正结果与模型验证 |
| 4.5.3 超宽自锚式悬索桥基于代理模型-GMPSO的修正后有限元模型验证 |
| 4.6 本章小结 第五章 复杂工程结构抗震可靠度评估联合方法研究 |
| 5.1 引言 |
| 5.2 子集模拟及其改进方法 |
| 5.2.1 子集模拟方法 |
| 5.2.2 基于改进Metropolis-Hastings算法生成马尔科夫链的子集模拟方法 |
| 5.2.3 改进子集模拟方法在结构可靠度领域的应用验证 |
| 5.2.3.1 应用改进SS方法求解悬臂梁数值算例可靠度 |
| 5.2.3.2 应用改进SS-BPNN方法求解平面桁架算例可靠度 |
| 5.3 显式时域方法 |
| 5.4 随机地震荷载离散方法 |
| 5.4.1 Shinozuka方程 |
| 5.4.2 平稳随机地震加速度功率谱模型 |
| 5.4.3 规范反应谱与功率谱转换基本原理 |
| 5.4.4 部分规范地震荷载对应Clough-Penzien功率谱模型相关参数选取 |
| 5.5 基于改进子集模拟的抗震可靠度新型联合评估方法 |
| 5.6 基于新型联合方法的某三维框架算例抗震可靠度评估 |
| 5.6.1 确定性框架结构随机地震抗震可靠度评估 |
| 5.6.2 随机框架结构随机地震抗震可靠度评估 |
| 5.6.3 基于新型联合方法的框架结构抗震可靠度评估与MCS评估方法比较 |
| 5.7 本章小结 第六章 基于新型联合方法的超宽自锚式悬索桥抗震可靠度评估 |
| 6.1 引言 |
| 6.2 超宽自锚式悬索桥抗震可靠度分析参数选择 |
| 6.2.1 结构主要响应输出与参考响应选择 |
| 6.2.2 结构主要参数对最大响应敏感性分析 |
| 6.2.3 超宽自锚式悬索桥抗震可靠度分析主要变量信息 |
| 6.3 基于SS-ETDM确定性超宽自锚式悬索桥抗震可靠度评估 |
| 6.4 基于SS-ETDM-BPNN随机性超宽自锚式悬索桥抗震可靠度评估 |
| 6.5 基于新型联合方法的主桥参数对抗震可靠度的敏感性分析 |
| 6.6 基于新型联合方法的超宽自锚式悬索桥特殊条件下抗震可靠度评估 |
| 6.6.1 长期高温环境中超宽自锚式悬索桥抗震可靠度评估 |
| 6.6.2 损伤状态下超宽自锚式悬索桥抗震可靠度评估 |
| 6.7 本章小结 第七章 结论与展望 |
| 7.1 主要工作与结论 |
| 7.2 研究展望 参考文献 攻读博士学位期间发表的学术论文 致谢 |
（10）基于声发射时频分析技术的三维编织复合材料损伤源定位方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 论文的研究背景及意义 |
| 1.2 三维编织复合材料的特点及发展 |
| 1.2.1 三维编织复合材料的特点 |
| 1.2.2 三维编织复合材料的发展 |
| 1.2.3 三维编织复合材料的编织工艺 |
| 1.3 国内外复合材料无损检测技术研究现状 |
| 1.3.1 射线检测技术 |
| 1.3.2 超声检测技术 |
| 1.3.3 其他检测技术 |
| 1.3.4 声发射检测技术 |
| 1.3.5 复合材料常用无损检测技术的比较 |
| 1.4 论文的研究路线与组织结构 |
| 第二章 三维编织复合材料的损伤源定位技术基础 |
| 2.1 声发射检测技术 |
| 2.1.1 声发射技术的原理 |
| 2.1.2 声发射波的特征 |
| 2.2 时频分析理论 |
| 2.2.1 时频分析 |
| 2.2.2 解析信号 |
| 2.2.3 瞬时频率 |
| 2.2.4 信号分辨率 |
| 2.3 本章小结 |
| 第三章 三维编织复合材料典型时频分析方法分析与仿真比较 |
| 3.1 时频分析方法理论比较 |
| 3.1.1 短时傅里叶变换 |
| 3.1.2 Wigner-Ville分布 |
| 3.1.3 小波变换 |
| 3.1.4 S变换 |
| 3.1.5 希尔伯特—黄变换 |
| 3.2 时频分析方法的仿真比较 |
| 3.2.1 频率突变信号 |
| 3.2.2 暂态信号 |
| 3.2.3 正弦调频信号 |
| 3.2.4 余弦信号与脉冲信号的合成信号 |
| 3.2.5 模拟声发射合成信号 |
| 3.2.6 仿真比较结论 |
| 3.3 本章小结 |
| 第四章 三维编织复合材料损伤演化识别与HHT分析 |
| 4.1 三维编织复合材料实验试件的制备 |
| 4.1.1 三维编织复合材料实验试件预制件的制备 |
| 4.1.2 三维编织复合材料实验试件预制件的固化 |
| 4.1.3 三维编织复合材料实验试件的尺寸 |
| 4.1.4 三维编织复合材料实验试件的粘贴加强片 |
| 4.2 三维编织复合材料拉伸实验系统的设计 |
| 4.2.1 声发射信号采集系统 |
| 4.2.2 岛津万能材料试验机 |
| 4.3 三维编织复合材料拉伸性能测试 |
| 4.3.1 实验准备 |
| 4.3.2 实验过程 |
| 4.4 三维编织复合材料拉伸实验的力学性能参数分析 |
| 4.4.1 力学性能参数测量 |
| 4.4.2 拉伸应力-应变曲线分析 |
| 4.4.3 三维编织复合材料实验试件的断裂形态分析 |
| 4.5 三维编织复合材料拉伸实验的声发射信号参数分析 |
| 4.5.1 声发射信号参数 |
| 4.5.2 三维编织复合材料拉伸实验的声发射信号参数分析 |
| 4.6 三维编织复合材料拉伸实验声发射信号的HHT分析 |
| 4.6.1 对拉伸实验声发射信号进行经验模态分解 |
| 4.6.2 对拉伸实验声发射信号的 IMF 进行希尔伯特—黄变换 |
| 4.6.3 对拉伸实验声发射信号进行 HHT 边际谱分析 |
| 4.7 本章小结 |
| 第五章 基于“两步法”的三维编织复合材料损伤源定位 |
| 5.1 时差定位技术 |
| 5.1.1 声源定位技术 |
| 5.1.2 一维定位方法 |
| 5.1.3 二维定位方法 |
| 5.1.4 影响声源定位精度因素 |
| 5.2 概率神经网络精确定位 |
| 5.2.1 Bayes分类理论 |
| 5.2.2 两类模式概率神经网络 |
| 5.2.3 多类模式概率神经网络 |
| 5.3 果蝇优化算法 |
| 5.3.1 果蝇优化算法原理 |
| 5.3.2 改进的果蝇优化算法 |
| 5.3.3 改进算法性能分析 |
| 5.4 基于概率神经网络的三维编织复合材料损伤源定位 |
| 5.4.1 概率神经网络训练样本建立 |
| 5.4.2 平滑系数优化 |
| 5.4.3 基于概率神经网络的三维编织复合材料损伤源定位 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 本文总结 |
| 6.2 未来工作与展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 附录 |
| 致谢 |
四、一种混沌神经网络及在优化计算中的应用（论文参考文献）
- [1]基于Logistic混沌量子粒子群算法的大跨屋盖结构抗风优化方法[D]. 黎嘉勇. 广州大学, 2020(02)
- [2]基于双层并行算法的水电站群优化调度方法及应用研究[D]. 吴昊. 华北电力大学(北京), 2020
- [3]抽水蓄能机组系统辨识与复杂工况下控制规律研究[D]. 冯陈. 华中科技大学, 2020
- [4]基于SMOTE算法和代理模型的船舶结构可靠性优化研究[D]. 刘婧. 上海交通大学, 2020(09)
- [5]基因调控网络状态转变的优化策略研究[D]. 袁美晨. 浙江大学, 2020(01)
- [6]复杂条件下梯级电站短期优化调度耦合模型及方法研究[D]. 俞洪杰. 华北电力大学(北京), 2019
- [7]火星进入不确定性量化与鲁棒最优制导方法研究[D]. 江秀强. 南京航空航天大学, 2019
- [8]变频正弦混沌神经网络分析与设计[D]. 胡志强. 北京工业大学, 2018(05)
- [9]超宽自锚式悬索桥模型修正与抗震可靠度分析研究[D]. 夏志远. 东南大学, 2018(05)
- [10]基于声发射时频分析技术的三维编织复合材料损伤源定位方法研究[D]. 丁刚. 天津工业大学, 2017(01)