一、进化算法在工程应用中的若干实用技术（论文文献综述）
马宁[1]（2021）在《基于数据驱动的火电机组SCR脱硝系统建模方法研究》文中研究表明基于过程数据建立火力发电系统的数据驱动模型是实现电站优化、控制、状态评估以及智慧电厂构建的重要基础。如何利用电站过程数据,挖掘数据中的有效信息用于指导实际生产也成为目前学者的研究热点。随着发电机组容量趋于大型化以及国家对环保要求的不断提高,火电机组的大气污染物排放已被纳入严格监管,对火电机组烟气排放管理,采用单一的低氮氧化物（NOx）燃烧控制技术很难达到规定的NOx排放标准,必须同时采用二次烟气净化方法,包括目前广泛采用的选择性催化还原（Selective Catalytic Reduction,SCR）烟气脱硝方法。SCR脱硝系统反应机理复杂,影响因素多,具有非线性强、大惯性的特点,建立准确的脱硝系统模型,掌握SCR系统的运行特性,对于提高脱硝效率、机组经济环保运行具有重要意义。本文通过结合电站历史数据、智能优化算法和智能建模技术,对火电机组SCR脱硝系统的数据驱动建模方法进行了深入研究,开展了以下研究工作:（1）针对电站历史数据具有数量大,稳定工况数据与非稳定工况数据相互混合的特点,设计一种结合信号分解能量去噪的滑动窗口稳态检测方法,该方法首先利用信号分解与能量去噪结合的方法对待检测数据进行去噪处理,再通过计算窗口内数据标准差判断数据是否处于稳态,并利用标准差递推的计算方法避免大量重复计算;借鉴机器学习中数据标记思想,通过对少量稳态数据进行状态标记的方法确定稳态检测方法最佳的滑动窗口长度和标准差阈值,将所提方法用于某电站1000MW机组总风量稳态数据检测,结果验证了该方法的有效性。（2）针对标准量子粒子群算法（Quantum particle swarm optimization algorithm,QPSO）在搜索后期容易出现陷入局部极值点和搜索精度降低的问题,提出一种基于融合差分进化算法的改进量子粒子群算法,该算法通过在量子粒子群算法基础上融合差分进化算法中变异、交叉、选择操作用以增加搜索种群变化的多样性,并利用局部搜索策略提高对个体极值信息的利用水平进而增强算法搜索精度,采用标准测试函数对改进量子粒子群算法进行测试,结果表明了改进算法的优越性。（3）利用（2）中所提改进量子粒子群算法与极限学习机（Extreme learning machine,ELM）模型结合,通过优化ELM模型内部参数的方式提高ELM模型的稳定性并使ELM具有更好的建模效果,利用某1000MW火电机组历史数据库中稳态数据建立了基于改进量子粒子群算法优化ELM的SCR脱硝系统入口 NOx浓度静态模型和SCR脱硝系统出口 NOx浓度静态模型,并与其它方法所建模型进行比较,结果表明本文所建模型的预测精度高于其它模型,能够取得良好的预测效果。（4）针对在可用建模样本数量少,变量间相关耦合程度高的情况下难以建立高精度模型的问题,提出了一种基于极限学习机内部映射的非线性偏最小二乘（Nonlinear partial least squares,NLPLS）建模方法,该方法首先利用线性PLS作为模型的外部框架提取输入输出主成分,同时消除变量间的相关性,再利用极限学习机作为内部函数反映内部非线性关系,此外,将误差最小化的权值更新方法引入到模型中用以提高模型的预测精度,用该方法构建稳态建模样本较少情况下的SCR脱硝系统入口NOx浓度模型和SCR脱硝系统出口 NOx浓度模型,得到了较高的预测精度。（5）针对在变工况下SCR脱硝系统入口、出口 NOx浓度静态模型难以对SCR脱硝系统的入、出口 NOx浓度进行精准预测,并考虑到变量间存在强相关性以及动态过程输入输出变量间存在时延的特点,提出了一种基于输入时延-特征提取的SCR脱硝系统动态过程建模方法。该方法利用主成分分析技术对已选辅助变量进行特征提取,在降低变量之间相关性的同时也减少了模型输入维度,将提取的主成分当前时刻以及主成分的历史数据信息作为模型输入;此外,系统输出的历史数据信息也作为反馈信号引入到模型输入中,利用某电站1000MW火电机组实际运行数据建立了 SCR脱硝系统入口 NOx浓度动态模型和SCR脱硝系统出口 NOx浓度动态模型,并在建模过程中分析了不同输入时延对动态模型的影响,实验结果表明使用所提方法建立的动态模型能够准确地反映系统动态过程特性,具有较高的非线性拟合能力以及良好的泛化性能。
高涵[2]（2020）在《基于工业云平台与NSGA2的螺钉拧紧算法研究与实现》文中认为螺纹联接是工业装配中最为重要的装配方式之一,提高螺钉拧紧的效率和质量对于智能装配的实现具有重要意义。在现有的螺钉装配过程中,复杂的拧紧参数设置,主要依靠技术人员经验法调试或者单一工况的参数整定,需要大量的时间和人力。本文针对目前获得高质量拧紧参数的低效问题,基于快速非支配排序遗传算法（NSGA2）和工业云平台,研究了一种能够根据不同工况条件自动迭代生成高质量拧紧参数的算法。对螺钉拧紧理论和自动拧紧技术进行了研究,论述了三种主流拧紧控制方式的优劣及其拧紧参数的意义,并结合参数对螺钉完整拧紧过程进行了分段分析。在此基础上,将拧紧用时和拧紧精度作为评价参数优劣的两个指标,选择力矩控制法的参数优化作为算法研究的方向。将拧紧参数的优化抽象成一个多目标优化问题,对多目标优化问题和经典多目标优化算法进行了研究。根据拧紧参数优化问题的实际要求,以及NSGA2在解决低维多目标优化问题上的优越性,选择NSGA2作为算法研究的基础。建立了螺钉拧紧参数优化问题的数学模型,明确了两个优化目标、七个待优化参数及其约束;然后在NSGA2算法的基础上,针对NSGA2处理带约束的多目标优化问题的局限性及其不适用的精英保留机制,在这两方面进行改进,实现了带约束的改进NSGA2算法。算法提出了一种约束偏序,实现了可行解和不可行解的优劣排序;算法提出了一种自适应精英保留策略,既能够提高解的分布性,保证全局最优解的搜索,又可以提高算法的收敛速度,保证了算法的高效。云平台强大的数据整合能力能够使算法高效获得大量数据,提高参数迭代的效率。基于企业的工业云平台及电动拧紧设备,搭建了一套软硬件实验平台,通过部署在云平台上的改进NSGA2算法,进行了完整的拧紧参数优化实验,算法生成的参数对拧紧效率和拧紧质量提升效果明显。针对同一工况,使用人工经验法调参,对比人工调参的拧紧结果,算法调参将拧紧精度由5.6%提高到2.7%,验证了螺钉拧紧算法获得参数的效率和质量高于人工经验法调参,算法具备高效性和可靠性,对提高螺钉拧紧装配的质量和效率有重要意义。
穆鹏丞[3]（2020）在《基于自适应VMD和优化神经网络的滚动轴承故障诊断》文中研究说明滚动轴承作为旋转机械中最基本的传动元件,其良好的运转状况决定着机械系统的工作性能与安全性能。但是因为轴承的生产工艺、运行环境等诸多因素会使其发生失效或故障,因此需要有效监测和诊断滚动轴承的运转状态。随着轴承故障诊断技术的诞生,摆脱了定期停机检测、维修的弊端,提高了旋转机械的生产效率。本文以采集到的轴承信号为研究对象。针对使用变分模态分解方法处理轴承信号时需要人为设定待分解轴承信号的模态数以及BP神经网络的训练过程易于停滞等问题,从信号处理和模式识别两个方向展开了研究,主要的研究内容如下:首先,介绍了监测滚动轴承状态对工业生产的意义,并阐述了滚动轴承故障诊断中常用的技术手段以及优劣性。深入剖析了变分模态分解算法的基本原理,针对其对轴承信号处理时需要预设模态数的限制,提出了一种基于自适应阈值与频谱极值点之间的关系确定变分模态分解算法中最佳模态个数的策略,本文称之为自适应变分模态分解,简称AVMD。通过对仿真信号和轴承信号的多方面分析,验证了AVMD能够有效的对复杂多频带信号进行有效的分解且信号不发生混叠现象。此外,AVMD在对滚动轴承故障信号的处理过程中能够有效分离出被噪声因素淹没的周期冲击特性,并且能够获得转频及故障特征频率。其次,由于BP神经网络在训练过程中容易出现过早收敛的现象,而目前较好的改进策略是引进智能算法,但是大多数智能算法具有共同的缺陷即学习方向单一、训练过程容易停滞,因此本文提出了一种改进的智能算法称为排斥差分进化算法,简称RBDE。该算法的核心思想是子代不再单纯地向最优个体学习,这种机制增加了种群学习方向的多样性。RBDE算法中存在两种独特的学习机制,其一是RBDE选择两个父代个体作为排斥源并产生两种不同方向的排斥力,排斥力将推动子代探索最优位置;其二是将两个父代个体之间产生的历史梯度作为后代学习的方向。通过CEC2017测试函数集证明了RBDE在求解具有复杂性、随机性的问题时具有较为出色的能力,且明显优于粒子群等算法。因此RBDE算法应用于优化BP神经网络中（简称RBDE-BP神经网络）,将有利于网络快速收敛到全局最优点,为提高轴承故障识别率提供了一种新的思路。最后,以西储大学七种运行状态的轴承信号作为研究对象。将各类信号经过AVMD处理后使用峭度指标对信号进行重构,提取重构信号的多尺度排列熵值作为轴承的特征向量,并使用这些特征向量完成对RBDE-BP神经网络的训练和测试。结果表明,各类轴承故障信号的多尺度排列熵值具有可分性,此外基于RBDE算法优化的BP神经网络模型在七类轴承故障识别中的迭代次数和训练误差均得到了明显降低且诊断率可达98.57%。
王成皓[4]（2020）在《冲压约束下变截面车身结构的碰撞吸能特性与可靠性优化设计》文中进行了进一步梳理随着我国工业基础建设的完善和综合国力的不断增强,我国的汽车行业也得到了显着的发展。我国作为世界上最主要的汽车生产国和消费国,汽车的碰撞安全性问题受到了社会的广泛关注。因此,开展汽车的耐撞性优化设计,保障车内乘员及行人的安全,对降低交通事故死亡人数,提高我国汽车工业的综合竞争力尤为重要。随着对白车身轻量化水平以及耐撞性要求的提高,传统的等截面薄壁结构逐渐被具有复杂截面形状的变截面（Variable cross-sectional shape,VCS）薄壁结构取代。由于VCS车身结构存在设计变量多、制造工艺复杂等设计难题,且其碰撞吸能特性尚不完全清楚,难以快速高效地开展VCS车身结构的优化设计以及生产制造。因此,建立冲压约束下VCS车身结构的参数化模型,探究其碰撞吸能特性,开展冲压约束下VCS车身结构的可靠性优化设计尤为重要。本文的研究工作主要体现在:（1）以截面形状控制点坐标、缩放比例、厚度等作为设计变量,利用参数化建模方法构建了VCS车身结构的CAD/CAE一体化参数化模型;分析了VCS车身结构的可冲压成形和可装配的约束特点,在概念设计阶段充分考虑制造工艺约束,并获得满足制造约束的VCS车身结构的隐式参数化模型;制备了典型的VCS样件,结合动态落锤冲击试验,验证了VCS车身结构参数化模型的仿真精度,为后续研究奠定了基础。（2）提出了一种改进的约束域拉丁方抽样算法,较好地解决了约束域抽样的难题;通过不同案例的测试对比,表明该算法针对多变量、复杂约束的抽样问题具有较好通用性,为开展VCS车身结构的可靠性优化设计提供了算法基础;基于ICD-LHS算法开展了冲压约束下变截面梁模型的样本生成工作,获得了满足制造约束的变截面梁样本。（3）探究了缩放比例、宽高比、厚度、截面形状等对VCS车身结构变形模式以及碰撞吸能特性的影响,利用全局灵敏度分析的方法,获取了各个结构参数对VCS车身结构碰撞吸能特性的影响规律,得到了各结构参数的合理设计范围,对开展VCS车身结构的优化设计具有较好的指导意义。（4）基于VCS车身结构的碰撞吸能特性研究,确定了各结构参数的合理设计范围,利用ICD-LHS算法获取了满足稳定变形及可冲压约束的样本点,利用VCS车身结构的参数化模型快速计算了样本点的响应值,构建了高精度的kriging模型;以吸能量最大、质量最小为优化目标,利用基于kriging模型的可靠性优化设计方法,开展了VCS车身结构的可靠性优化设计,获得了具有较高可靠性的设计方案,显着提高了VCS车身结构的耐撞性能,兼顾了耐撞性与轻量化设计。
张涛[5]（2020）在《基于改进NSGA-Ⅲ的灭菌工艺批调度方法研究与应用》文中认为近年来,随着制造业的快速发展以及信息化技术日渐普及,传统制造行业面临巨大挑战的同时也迎来了新的机遇。医疗器械行业属于制造业中的大类,在医疗器械产品生产过程中,由于其行业的特殊性,产品必须达到无菌的要求,而灭菌作为产品出厂前的最后一道工艺,是保证产品质量最重要的一环,但在实际生产过程中,由于灭菌处理时间较长,导致在制品库存积压,产品订单频繁拖期问题尤为突出,而且灭菌加工过程能耗较高,对企业生产效益和社会效益造成了极大的影响。本文以医疗器械企业为背景,以灭菌工艺调度为研究对象,针对灭菌工艺生产调度的特点,建立不同容量平行机批调度的多目标优化问题模型,同时,为求解该问题,在多目标进化算法NSGA-Ⅲ的基础上进行改进,提高算法的综合性能,并与该模型结合,进行了算例分析。论文的主要研究内容如下:（1）通过对医疗器械行业背景、灭菌工艺批调度问题的难点和求解方法的分析,对NSGA-Ⅲ算法的相关理论知识进行总结,为下文合理、准确的改进NSGA-Ⅲ算法及建立数学模型,并求解该问题,奠定坚实的理论基础。（2）针对NSGA-Ⅲ算法中,基于参考点的选择策略在一定程度上无法保证种群分布的多样性,最终导致Pareto解集无法均匀分布于解空间,不仅影响了种群的多样性,还减缓了算法的收敛速度的缺陷,本文提出自适应惩罚距离和自适应邻域思想来改进NSGA-Ⅲ算法,利用基于自适应惩罚距离的自适应邻域删除策略来代替原生NSGA-Ⅲ的小生境保留策略,在该策略中忽略个体所处的Pareto等级层,在选择个体进入下一代时,根据个体邻域以及惩罚距离来删除多余个体,达到保证种群多样性和提高算法收敛速度的目的。通过实验验证,证明改进的NSGA-Ⅲ算法在收敛性和多样性上明显占优。（3）结合医疗器械企业灭菌工艺批调度问题的特点,以准时性、节能性和经济效益为优化目标,建立了灭菌工艺批调度问题数学模型,并将本文提出的NSGA-Ⅲ-ANS算法应用于求解该问题。为了适应该问题求解的需要,重新定义了交叉变异策略,并加入一种局部搜索策略以增强算法的搜索能力。最后,根据某医疗器械企业实际生产情况,设计仿真实验,验证了本文提出的算法在灭菌工艺批调度问题上的应用效果显着。
崔路瑶[6]（2019）在《基于机器学习的滚动轴承智能故障诊断方法研究》文中研究说明滚动轴承因其摩擦阻力小、互换性好、灵活度高而被广泛应用于机械设备中,其良好运转与否对机械设备运行安全具有十分重要的意义。为了尽可能地避免或减少滚动轴承对机械设备运行故障的影响,针对传统故障诊断方法的不足,本文应用机器学习相关理论对滚动轴承的智能故障诊断方法做了深入研究。具体内容如下:（1）介绍了滚动轴承的典型结构和常见失效形式,研究了滚动轴承的振动机理,从运动学角度推导了滚动轴承的特征频率,并从信号处理角度分析了滚动轴承振动信号常用的时域和频域特征。（2）针对滚动轴承智能故障诊断中传统神经网络容易造成过拟合、局部最优等问题,提出了一种思维进化算法优化BP神经网络的方法。以常用振动信号的时域、频域特征参数作为思维进化算法优化BP神经网络模型的输入,对轴承故障类型及故障程度进行智能故障诊断,对比分析了算法优化前后的结果。（3）针对滚动轴承智能故障诊断中处理故障样本时因样本数据量过大及算法结构单一问题而导致故障多分类精度较低的问题,提出了一种特征降维与随机森林相结合的方法。以常用振动信号的时域、频域特征参数作为特征将维随机森林方法的输入,对轴承故障类型及故障程度进行智能故障诊断,并与SVM、PCA-SVM等方法从准确率和时效性方面进行了对比研究。（4）针对滚动轴承智能故障诊断中传统特征提取和特征选择方法所带来的不确定性和复杂性,提出了一种卷积神经网络方法。利用原始振动数据设计并训练卷积神经网络智能故障诊断模型,对轴承故障类型及故障程度进行智能故障诊断,研究了学习率、迭代次数、训练样本比例、Batchsize等对模型诊断性能的影响,并选取最优参数进行滚动轴承的智能故障诊断。为了验证以上所提出方法的有效性,基于LabVIEW设计了滚动轴承智能故障诊断振动信号采集系统,在滚动轴承故障诊断实验台上模拟了不同故障类型及故障程度的滚动轴承在多种工况下的运行状态。在实验中,从时效性、准确性方面对比分析了本文所提出几种不同方法,验证了所提出方法的有效性,可为工程中滚动轴承智能故障诊断提供一定的参考思路。
龙莹[7]（2019）在《可调品质因子小波变换在高速列车齿轮箱故障诊断中的应用研究》文中认为近年来,随着我国高速铁路的蓬勃发展,列车的速度不断提升,这对列车安全运行提出了更高的要求。齿轮箱是高速列车传动系统的核心部件,一旦出现故障,将直接对列车运行安全造成威胁,因此对齿轮箱进行故障诊断尤为重要。齿轮箱振动信号包含着绝大部分齿轮箱中元件的故障信息,但由于其在高速列车中运行环境的复杂与恶劣,使其振动信号成分十分复杂。研究如何将齿轮箱振动信号进行有效的分离、分解,实现全面的齿轮箱复合故障诊断,防止误诊、漏诊情况出现是本文的重点。可调品质因子小波变换（Tunable Q-Factor Wavelet Transform,TQWT）能灵活地选择小波基以匹配不同振荡特征的信号,同时其备平移不变性,因此能较好地处理因轴承故障与齿轮断齿、剥落等故障产生的以周期性冲击为主的故障信号。针对TQWT分解参数选择与分解分量评价问题,本文提出了能同时度量信号冲击强度与周期性的IK指标,并在此的基础上,提出了基于IK的自适应TQWT方法。该方法依据信号特点自适应地搜索最佳参数对信号进行分解,并根据分量挑选规则对含有丰富冲击特征的分量进行挑选、重构以提取信号中的故障特征,实现故障诊断。通过对仿真信号的处理与应用实例,验证了该方法对含冲击类故障特征信号处理的有效性与优势。在TQWT的基础上,Selesnick提出了共振稀疏分解,其能够根据信号的共振属性,将信号中的冲击成分、谐波成分进行有效地非线性分离,很好地降低信号各成分之间的相互干扰、影响。针对共振稀疏分解方法的分解效果取决于参数选择的问题,本文引入一种全局搜索优化算法——差分进化算法,并对其进行改进,将改进差分进化算法与共振稀疏分解进行结合,提出自适应共振稀疏分解方法。该方法以低共振分量的IK指标最大为优化目标以获取最佳分解参数,并使信号获得最佳分解效果。通过对仿真信号的分析处理与应用实例对该方法的信号非线性分离有效性进行了验证。对齿轮箱复合故障情况进行分析之后,本文将复合故障信号分为两种类型,并针对此,在考虑自适应共振稀疏分解方法与自适应TQWT方法各自的优点的基础上,将两者进行结合提出联合算法流程,并应用于齿轮箱复合故障仿真信号与高速列车齿轮箱跟踪试验的齿轮箱复合故障实测信号中,该方法在诊断出齿轮故障的同时,能挖掘出被掩藏的轴承故障信息,实现轴承的故障诊断。因此本文所提方法能够对高速列车齿轮箱复合故障进行有效地诊断,避免误诊、漏诊情况的出现。
陈永彬[8]（2019）在《跨声速自然层流机翼优化设计方法及应用》文中进行了进一步梳理近年来,民用航空对环境的影响越来越受到公众的关注,欧洲2050航空愿景的目标就是把CO2的排放量从2005年的水平减少一半,这就对飞机气动性能的改善提出了更高的要求。现代民机巡航状态的阻力主要由摩擦阻力和升致阻力构成,分别占总阻力的一半和三分之一左右。NASA飞行试验表明,机翼表面层流区域从10%拓展到90%时,航程可以增加接近50%;或者起飞重量可以减少一半以上,极大地提高飞机巡航效率。层流减阻作为一项革新性的技术,为显着提高飞机气动性能提供了可能,将是未来最具潜力和效果最显着的技术之一。本文对跨声速自然层流技术开展了深入研究,建立了新的优化设计模型来解决跨声速自然层流翼型/机翼优化设计中面临的矛盾问题;提出了变保真度分层优化设计方法,以提高层流机翼优化设计效率。主要研究工作和成果包括:1)建立了跨声速自然层流翼型/机翼多目标优化设计模型。高雷诺数状态下,自然层流技术是减小机翼/翼型表面湍流摩擦阻力的有效方法。然而由于层流翼面上大范围顺压梯度的存在使得后缘处的压力恢复产生较强的激波,在减小摩擦阻力的同时又增加了激波阻力,基于此,本文将层流外形设计的单目标问题扩展成设计层流外形的同时并对后缘激波进行控制的多目标优化问题,建立了跨声速自然层流优化模型。2)开展了采用耦合博弈理论的高性能进化算法求解多目标问题的研究。应用博弈理论（合作Pareto均衡理论、竞争Nash理论和分级Stackelberg理论）耦合GAs的多目标优化方法来解决层流翼型优化过程中转捩位置和激波强度之间的矛盾,即优化翼型的外形推迟表面流动转捩的发生,同时采用激波控制技术减小波阻力。分析优化后结果发现,耦合博弈理论的优化方法可以得到多目标问题的收敛解（Pareto阵面解、Nash均衡解和Stackelberg均衡解）,优化后翼型的气动性能较初始翼型的气动性能明显改善。因此,基于耦合博弈理论的自然层流翼型多目标优化方法是有效的、可行的。3)开展了采用后缘调整片进行激波控制的跨声速自然层流翼型多目标优化设计研究。分析安装鼓包翼型不同飞行状态下的气动性能发现,在偏离设计点时翼型阻力系数明显增加,因此,进行了采用后缘调整片进行激波控制的自然层流翼型多目标优化设计研究。优化后得到了多目标问题的Pareto阵面解,阵面上翼型的层流特性明显改善、激波强度得到有效地控制,同时,无论在设计点还是偏离设计点时,优化后翼型均具有良好的、鲁棒性强的升阻力特性。4)提出了基于变保真度流动分析的转捩判断方法。为了拓展层流技术的潜在优势,在飞行器层流机翼设计初期需要快速、有效的转捩判断工具。基于结合位势流方程和欧拉方程的变保真度流动分析,提出了变保真度的转捩判断方法来缩短流动转捩判断时间。5)提出了自然层流机翼变保真度分层优化设计方法。首先开展了自然层流机翼单目标优化设计研究,优化后机翼表面的层流区域从初始外形的23.68%增加到45.5%,表面摩擦阻力系数从初始外形的0.005减低到0.00404,层流特性明显改善。分析优化结果发现层流机翼后缘处产生较强的激波,进一步开展了自然层流机翼多目标优化设计研究。优化后得到多目标问题的Pareto阵面解,阵面上对应机翼的气动性能大大改善,层流区域较初始机翼明显增加,激波强度得到有效地控制。分析各数值计算结果得出,变保真度分层优化方法可以求解得到高精度模型上的最优解,说明本文建立的变保真度分层优化方法是可行的。对比常用的优化设计方法获得收敛解所需时间可知,采用变保真度分层优化方法只需较少的时间便可以得到高精度模型的收敛解,因此,本文建立的变保真度分层优化设计方法是高效的。6)开展了公务机和无人机自然层流机翼的实用性优化设计研究,优化后得到了具有较大层流面积的机翼,表面层流区域分别达到45.5%和57.7%。因此,本文建立的自然层流机翼变保真度分层优化设计方法可以为高空高速长航程无人机、公务机和支线飞机等层流技术的应用提供技术支持。
王朝[9]（2018）在《高维多目标进化算法的关键技术研究》文中进行了进一步梳理高维多目标优化问题广泛存在于科学研究和工程应用领域,目前已成为智能信息处理领域的研究热点。基于参考点的和基于Pareto支配的高维多目标进化算法是当前求解高维多目标优化问题的两个主流框架,但是两者均面临计算复杂度高、求解效率慢的问题。同时基于参考点的高维多目标进化算法还存在收敛性不佳及对问题前沿面形状敏感的缺陷;而基于Pareto支配的高维多目标进化算法存在多样性维护能力不足和参数不便于调节的问题。特别是,近年来带约束条件的高维多目标优化问题越来越多,上述两种算法框架均无法有效处理。因此,研究更为高效且实用的高维多目标进化算法具有重要的理论意义和实际应用价值。针对上述问题,本文对高维多目标进化算法的目标空间变换、收敛性增强、多样性提升以及约束处理四个关键技术展开深入研究,提出一系列改进措施,旨在求解性能上得到全面提升。论文的主要研究内容包括以下四个方面。（1）针对多目标进化算法在求解高维多目标优化问题时存在计算复杂度高的问题,对目标空间变换技术进行研究,提出一种基于目标空间分解的高维多目标进化算法NSGA-III-OSD。通过采用K均值聚类技术,将整个目标空间分解为不同的子空间,然后子空间对应的子问题采用单独的子种群进行寻优。仿真实验结果表明,该算法在降低复杂度的同时能保证优良的求解效果。（2）针对基于参考点的高维多目标进化算法存在收敛性不佳及对问题前沿面形状敏感的问题,对收敛性增强技术进行研究,提出一种基于自适应惩罚距离的高维多目标进化算法NSGA-III-NE。通过采用惩罚参数动态变化的距离形式,自适应地调节收敛性和多样性的比重,以期增强收敛性而不对问题前沿面形状敏感。仿真实验结果验证了该算法在求解各类问题上的通用性。（3）针对基于Pareto支配的高维多目标进化算法存在多样性维护能力不足以及参数不易调节的问题,对多样性提升技术进行研究,分别提出基于超平面投影的高维多目标进化算法HPEA和基于角度惩罚距离的高维多目标进化算法MaOEA-APD。其中,HPEA算法是基于距离信息的多样性评估体系,采用超平面投影技术提高算法的多样性;而MaOEA-APD算法是基于角度信息的多样性评估体系,通过构造新型的角度惩罚距离,消除算法中对问题前沿面特性敏感的参数。实验结果表明,两种算法相对于其他算法,综合性能有了较大的提升。（4）针对现有高维多目标进化算法无法将高维特征与约束处理技术进行有效结合的缺陷,对约束处理技术进行研究,提出设计一种基于参考点的约束支配关系,将可行解与不可行解作为一个整体看待,进而综合考虑它们的收敛性,多样性和可行性。实验结果表明,该约束支配关系能显着提高可行解集的收敛性和分布性。
许树辉[10]（2017）在《改进型花朵授粉优化算法原理及工程应用研究》文中研究表明最优化问题广泛存在于各学科领域内,因此研究高效率的优化方法具有重要的理论意义和现实意义。元启发式算法是当前优化方法中的研究热点。花朵授粉算法是一种新型的、灵感来源于被子植物的授粉过程的群智能元启发式算法。目前国内外对该算法的关注和研究刚刚起步,相关研究成果较少且较分散、系统性不强。本文从工程实际应用的角度出发,以简单性原则为指导思想,围绕着花朵授粉算法的性能改进和工程应用展开研究,以完善算法的理论体系和丰富算法的应用范围,具有较强的前瞻性和重要的理论和实际意义。本文主要进行了以下几方面的工作:基本花朵授粉算法在求解高维复杂优化问题时容易陷入局部最优。针对这一缺陷,本文基于正交试验法的思想,在花朵授粉算法中引入了量化正交交叉算子,设计了一种正交花朵授粉算法。在典型高维测试函数上的测试表明,同基本花朵授粉算法相比,正交花朵授粉算法在求解精度、收敛速度、稳定性等方面获得了一定的性能提升。研究了基于花朵授粉算法和正交花朵授粉算法的普通PID控制器、串级控制器、分数阶PID控制器的参数整定方法。提出了使用正交花朵授粉算法基于时域性能指标整定PID控制器参数的设计方法,在5种典型工业过程控制对象上验证了该方法的可行性、有效性和相比于传统的Z-N整定法以及文献中的改进粒子群算法的优越性。提出了利用正交花朵授粉算法基于时域性能指标同时整定串级控制系统的内外环控制器参数的设计方法,并在3种具有不同特征的控制对象上,以最大超调量和稳态误差的加权和最小为设计目标进行了测试,结果表明采用这一方法可得到满意的整定效果,且优于文献中采用遗传算法所获得的整定结果。提出了使用正交花朵授粉算法基于Bode理想传函参考模型整定分数阶PID控制器参数的设计方法。以Bode理想传函模型为参考模型,以最小化实际系统与参考模型之间的输出误差为目标,采用正交花朵授粉算法整定分数阶PID控制器的参数。以一个高阶单位负反馈系统和电力系统中的自动调压系统的控制器设计为例,验证了该方法的可行性和有效性。对比基于实数编码的遗传算法、人工蜂群算法、教与学算法、基本花朵授粉算法等算法,正交花朵授粉算法获得的整定结果更优。研究了基于花朵授粉算法的混沌系统参数辨识和太阳能光伏系统参数辨识方法。面向混沌系统的参数辨识问题,结合单纯形法,提出了一种混合花朵授粉算法。该算法利用花朵授粉算法确定寻优空间内的优解区域,采用单纯形法强化对优解区域的搜索。在不含观测噪声的Lorenz混沌系统和Rossler混沌系统以及含观测噪声的Lorenz混沌系统的三参数估计问题上,测试了该混合算法的可行性与有效性,并与文献中的其它几种算法进行了对比,结果表明该混合算法在结果精度、收敛速度、稳定性等方法具有一定的优势。面向太阳能电池系统的参数辨识问题,提出了一种结合单纯形法和一般反向学习策略的混合算法。该算法利用单纯形法加强对优解区域的搜索,并利用一般反向学习策略增强算法跳出局部最优区域的能力。利用文献中给出的太阳能电池及光伏组件的实验数据及产品数据手册中给出的多晶硅光伏组件S75、薄膜光伏组件ST40、单晶硅光伏组件SM55等三种不同类型的光伏组件在不同光照强度、不同温度下的实验数据,对该算法的性能进行了检验。结果表明,采用该算法辨识得到的单二极管模型和双二极管模型均具有较高的精度,且优于文献中的多种其它算法。研究了基于花朵授粉算法的约束优化方法。分别测试了结合Deb可行性比较法和ε约束法等两种不同的约束处理策略的花朵授粉算法求解单目标有约束优化问题的性能。测试表明,这两种算法的性能均不甚佳,且在与花朵授粉算法相结合时,Deb可行性比较法更适合于处理不含等式约束的约束问题,而ε约束法更适合于处理含等式约束的约束问题。在此基础上,将基于佳点集理论的种群初始化技术和一般反向学习技术引入花朵授粉算法中以增强算法的寻优能力;将Deb可行性比较法和ε约束法统一结合,根据待求解问题是否包含等式约束条件在两种约束处理策略中进行选择以提高算法对不同类型的优化问题的适用性和灵活性,综合这两方面的改进提出了一种性能更优的混合花朵授粉算法。在典型约束优化测试函数集、典型结构优化和多工序车削加工参数优化问题等实际工程约束优化问题上检验了算法的有效性和实用性,为单目标有约束优化问题的求解提供了一个良好的新选择。探讨了基于花朵授粉算法的置换流水车间调度优化方法。通过引入随机键编码技术、NEH启发式算法和基于重插入操作的局部搜索策略,提出了一种可有效求解该问题的混合花朵授粉算法。算法中,随机键编码技术使算法在无需修改算子的情况下即可直接应用于置换流水车间调度这一组合优化问题的求解;NEH方法改善了初始种群的质量;基于重插入操作的局部搜索策略增强了算法的局部搜索能力。在Car测试集和Rec测试集以及一个连杆加工调度实例上对该混合算法的性能进行了测试,并同其它算法进行了对比。结果表明,该混合花朵授粉算法是一种求解置换流水车间调度问题的有效方法,拓展了花朵授粉算法在组合优化问题上的应用范畴。本文对花朵授粉算法的性能改进和工程应用进行了积极的探索,在一定程度上完善了该算法的理论体系,提升了算法的性能,拓展了算法的应用领域,同时也丰富了若干工程实际问题的求解方法,具有较大的理论及实用价值。
二、进化算法在工程应用中的若干实用技术（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、进化算法在工程应用中的若干实用技术（论文提纲范文）
（1）基于数据驱动的火电机组SCR脱硝系统建模方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究的背景及意义 |
| 1.2 数据驱动建模概述 |
| 1.2.1 数据驱动建模原理 |
| 1.2.2 数据驱动建模常用方法 |
| 1.2.3 数据驱动建模常用术语 |
| 1.3 SCR脱硝系统建模研究现状 |
| 1.3.1 SCR脱硝系统机理模型 |
| 1.3.2 SCR脱硝系统数据模型 |
| 1.4 本文主要研究内容和章节安排 |
| 第2章 数据预处理及筛选方法 |
| 2.1 引言 |
| 2.2 火电厂历史数据特性分析 |
| 2.3 历史数据异常值检测和数据校正 |
| 2.3.1 异常值检测 |
| 2.3.2 Nadaraya-Watson回归数据校正 |
| 2.4 数据标准化 |
| 2.5 数据滤波去噪 |
| 2.5.1 传统滤波去噪方法 |
| 2.5.2 经验模态分解理论 |
| 2.5.3 基于信号分解能量去噪理论 |
| 2.6 稳态检测方法 |
| 2.6.1 稳态工况定义 |
| 2.6.2 稳态检测方法介绍 |
| 2.6.3 结合信号分解能量去噪的滑动窗口稳态检测方法 |
| 2.7 本章小结 |
| 第3章 基于改进QPSO算法优化ELM的SCR脱硝系统建模方法 |
| 3.1 引言 |
| 3.2 ELM简介 |
| 3.2.1 ELM原理 |
| 3.2.2 ELM特性 |
| 3.3 改进QPSO算法 |
| 3.3.1 QPSO算法原理 |
| 3.3.2 DE算法原理 |
| 3.3.3 改进QPSO算法原理 |
| 3.3.4 改进QPSO算法性能测试及分析 |
| 3.4 基于改进QPSO算法优化ELM的SCR脱硝系统入口NO_x浓度建模 |
| 3.4.1 SCR脱硝系统入口NO_x浓度影响因素 |
| 3.4.2 辅助变量选择 |
| 3.4.3 建模数据选择 |
| 3.4.4 模型结构及建模流程 |
| 3.4.5 建模结果分析 |
| 3.5 基于改进QPSO算法优化ELM的SCR脱硝系统出口NO_x浓度建模 |
| 3.5.1 SCR脱硝反应机理 |
| 3.5.2 辅助变量选择 |
| 3.5.3 模型构建及结果分析 |
| 3.6 本章小结 |
| 第4章 基于内部ELM非线性PLS的SCR脱硝系统建模方法 |
| 4.1 引言 |
| 4.2 基于ELM内部映射的非线性PLS模型 |
| 4.2.1 外部PLS框架 |
| 4.2.2 内部ELM非线性映射 |
| 4.2.3 ELMPLS算法原理 |
| 4.2.4 仿真验证 |
| 4.3 SCR脱硝系统入口NO_x浓度ELMPLS建模 |
| 4.4 SCR脱硝系统出口NO_x浓度ELMPLS建模 |
| 4.5 本章小结 |
| 第5章 基于输入时延-特征提取的SCR脱硝系统动态过程建模方法 |
| 5.1 引言 |
| 5.2 动态过程模型描述 |
| 5.3 基于输入时延-特征提取的动态模型构建 |
| 5.3.1 主成分分析原理 |
| 5.3.2 高斯过程回归原理 |
| 5.3.3 动态模型结构 |
| 5.4 SCR脱硝系统NO_x浓度测量时滞分析 |
| 5.5 SCR脱硝系统动态模型 |
| 5.5.1 建模样本选择 |
| 5.5.2 SCR脱硝系统出口NO_x浓度动态模型 |
| 5.5.3 SCR脱硝系统入口NO_x浓度动态模型 |
| 5.6 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文的主要工作和创新点 |
| 6.2 后续工作展望 |
| 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 |
（2）基于工业云平台与NSGA2的螺钉拧紧算法研究与实现（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 自动拧紧技术 |
| 1.2.2 自动拧紧设备及拧紧参数的设定方式 |
| 1.2.3 工业云平台 |
| 1.3 主要研究内容和结构安排 |
| 第二章 螺钉拧紧理论和自动拧紧技术及设备 |
| 2.1 螺钉拧紧理论 |
| 2.1.1 螺钉的预紧 |
| 2.1.2 螺钉拧紧过程 |
| 2.2 预紧力控制方式 |
| 2.2.1 力矩控制法-角度监控 |
| 2.2.2 角度法控制-力矩监控 |
| 2.2.3 屈服点控制法 |
| 2.2.4 拧紧控制方式和优化参数 |
| 2.3 自动拧紧设备 |
| 2.4 本章小结 |
| 第三章 多目标优化算法 |
| 3.1 多目标优化问题的数学模型及基本概念 |
| 3.1.1 多目标优化的数学模型 |
| 3.1.2 多目标优化的重要概念 |
| 3.2 进化算法 |
| 3.2.1 进化算法的概念和要素 |
| 3.2.2 进化算法的基本流程框架 |
| 3.2.3 进化算法的分类 |
| 3.2.4 遗传算法的特点 |
| 3.3 有精英保留策略的快速非支配多目标优化算法 |
| 3.3.1 NSGA2算法基本概念 |
| 3.3.2 遗传算法回顾 |
| 3.3.3 NSGA2算法理论 |
| 3.4 本章小结 |
| 第四章 螺钉拧紧参数优化算法 |
| 4.1 螺钉拧紧参数优化的问题描述和数学模型 |
| 4.1.1 螺钉拧紧参数优化的问题描述 |
| 4.1.2 螺钉拧紧参数优化的数学建模 |
| 4.2 带约束的NSGA2算法 |
| 4.2.1 约束支配准则 |
| 4.2.2 违反约束程度的度量 |
| 4.2.3 种群排序的方法 |
| 4.2.4 约束偏序 |
| 4.3自适应精英保留策略的NSGA2 |
| 4.3.1 自适应精英保留策略 |
| 4.3.2 改进NSGA2算法 |
| 4.4 本章小结 |
| 第五章 基于云平台的螺钉智能拧紧实验 |
| 5.1 实验平台 |
| 5.1.1 电动拧紧扳手 |
| 5.1.2 云平台架构 |
| 5.1.3 实验步骤 |
| 5.2 优化算法实验与结果分析 |
| 5.2.1 优化算法的实验验证 |
| 5.2.2 算法结果分析 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 致谢 |
（3）基于自适应VMD和优化神经网络的滚动轴承故障诊断（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 滚动轴承的振动机理分析 |
| 1.3 滚动轴承故障诊断技术研究现状 |
| 1.3.1 国外研究现状 |
| 1.3.2 国内研究现状 |
| 1.4 信号分析技术 |
| 1.4.1 时域信号分析技术 |
| 1.4.2 频域信号分析技术 |
| 1.4.3 时频域信号分析技术 |
| 1.5 故障识别技术 |
| 1.5.1 支持向量机 |
| 1.5.2 模糊C均值聚类 |
| 1.5.3 人工神经网络 |
| 1.6 主要研究内容及章节安排 |
| 第二章 自适应变分模态分解 |
| 2.1 变分模态分解 |
| 2.1.1 VMD理论基础 |
| 2.1.2 VMD原理 |
| 2.2 自适应变分模态分解 |
| 2.2.1 确实模态信号数量的策略 |
| 2.2.2 仿真信号分析 |
| 2.2.3 轴承故障信号分析 |
| 2.3 本章小结 |
| 第三章 排斥差分进化算法 |
| 3.1 差分进化算法 |
| 3.2 排斥差分进化算法 |
| 3.2.1 初始化过程 |
| 3.2.2 第一种排斥行为 |
| 3.2.3 第二种排斥行为 |
| 3.2.4 交叉机制 |
| 3.2.5 选择机制 |
| 3.3 数值实验 |
| 3.4 本章小结 |
| 第四章 RBDE优化BP神经网络的方法研究 |
| 4.1 人工神经网络概论 |
| 4.1.1 人工神经网络模型 |
| 4.1.2 神经元的激活函数 |
| 4.1.3 人工神经网络的结构 |
| 4.1.4 人工神经网络的学习方式 |
| 4.2 BP神经网络概论 |
| 4.2.1 BP神经网络结构 |
| 4.2.2 BP神经网络的训练过程 |
| 4.2.3 BP神经网络的局限性 |
| 4.3 RBDE优化的BP神经网络 |
| 4.4 本章小结 |
| 第五章 基于AVMD和 RBDE-BP神经网络的滚动轴承故障诊断 |
| 5.1 滚动轴承的故障特征提取 |
| 5.2 滚动轴承故障诊断模型 |
| 5.3 实验验证 |
| 5.3.1 实验简介 |
| 5.3.2 轴承信号的时频分析 |
| 5.3.3 滚动轴承故障信号的特征提取 |
| 5.3.4 滚动轴承故障类型的模式识别 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 主要结论 |
| 6.2 主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 A CEC2017测试函数集 |
| 攻读硕士学位期间的科研成果 |
（4）冲压约束下变截面车身结构的碰撞吸能特性与可靠性优化设计（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 变截面薄壁结构的碰撞吸能特性研究现状 |
| 1.2.2 薄壁结构在汽车上的应用 |
| 1.2.3 薄壁结构的可靠性优化设计研究现状 |
| 1.3 存在的主要问题 |
| 1.4 本文主要研究内容及章节安排 |
| 第二章 冲压约束下变截面车身结构的参数化建模与验证 |
| 2.1 CAD/CAE一体化参数化建模 |
| 2.1.1 参数化建模介绍 |
| 2.1.2 CAD/CAE一体化参数化建模方法 |
| 2.2 冲压约束下变截面车身结构的CAD/CAE一体化参数化模型构建 |
| 2.2.1 VCS车身结构的CAD参数化模型构建 |
| 2.2.2 制造工艺约束 |
| 2.2.3 VCS车身结构的CAE参数化模型构建 |
| 2.2.4 VCS车身结构的CAD/CAE一体化参数化建模 |
| 2.3 数值模拟与实验验证 |
| 2.3.1 变截面梁的CAD/CAE一体化的参数化建模 |
| 2.3.2 样件制备 |
| 2.3.3 实验方法 |
| 2.3.4 实验验证 |
| 2.4 本章小结 |
| 第三章 冲压约束下基于ICD-LHS算法的变截面车身结构的样本生成 |
| 3.1 试验设计 |
| 3.1.1 拉丁方抽样 |
| 3.1.2 评价准则 |
| 3.2 改进的约束域拉丁方抽样算法 |
| 3.2.1 算法提出 |
| 3.2.2 算法原理 |
| 3.2.3 算法测试 |
| 3.3 考虑冲压约束条件下的变截面梁模型样本生成 |
| 3.4 本章小结 |
| 第四章 变截面车身结构的碰撞吸能特性研究 |
| 4.1 碰撞吸能评价指标 |
| 4.2 碰撞吸能特性分析 |
| 4.2.1 缩放比例的影响 |
| 4.2.2 宽高比的影响 |
| 4.2.3 厚度的影响 |
| 4.2.4 截面形状的影响 |
| 4.3 灵敏度分析 |
| 4.4 本章小结 |
| 第五章 冲压约束下变截面车身结构的可靠性优化设计 |
| 5.1 可靠性优化设计 |
| 5.2 基于kriging模型的可靠性优化设计 |
| 5.2.1 kriging模型 |
| 5.2.2 代理模型评价方法 |
| 5.2.3 基于kriging模型的可靠性优化设计方法 |
| 5.3 变截面车身结构的可靠性优化设计 |
| 5.3.1 设计变量与响应 |
| 5.3.2 优化方程定义 |
| 5.3.3 代理模型构建 |
| 5.3.4 可靠性优化设计 |
| 5.3.5 优化结果与讨论 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间参研项目及学术成果 |
（5）基于改进NSGA-Ⅲ的灭菌工艺批调度方法研究与应用（论文提纲范文）
| 中文摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究现状 |
| 1.2.1 批调度问题研究现状 |
| 1.2.2 多目标进化算法研究现状 |
| 1.3 论文研究内容及章节安排 |
| 第2章 灭菌工艺批调度问题及研究方法概述 |
| 2.1 灭菌工艺批调度问题 |
| 2.1.1 灭菌工艺及其特点 |
| 2.1.2 灭菌工艺批调度问题重要性及难点分析 |
| 2.2 批调度问题研究方法 |
| 2.2.1 确定性算法 |
| 2.2.2 启发式算法 |
| 2.2.3 元启发式算法 |
| 2.3 原生NSGA-Ⅲ算法 |
| 2.3.1 快速非支配排序 |
| 2.3.2 结构化参考点集 |
| 2.3.3 种群的自适应归一化 |
| 2.3.4 基于参考点的选择 |
| 2.4 本章小结 |
| 第3章 基于NSGA-Ⅲ的改进多目标批调度算法研究 |
| 3.1 原生NSGA-Ⅲ算法的缺陷 |
| 3.2 改进算法设计 |
| 3.2.1 自适应邻域策略 |
| 3.2.2 自适应惩罚距离 |
| 3.2.3 基于APD的自适应邻域删除策略 |
| 3.2.4 改进算法流程 |
| 3.3 实验设计 |
| 3.3.1 测试问题 |
| 3.3.2 性能评价指标 |
| 3.3.3 参数设置 |
| 3.4 实验结果 |
| 3.4.1 参数敏感性分析 |
| 3.4.2 基于APD的自适应邻域删除策略有效性分析 |
| 3.4.3 算法综合性能分析 |
| 3.5 本章小结 |
| 第4章 基于NSGA-Ⅲ-ANS的灭菌工艺批调度应用研究 |
| 4.1 问题描述 |
| 4.2 模型建立 |
| 4.2.1 符号说明 |
| 4.2.2 问题假设 |
| 4.2.3 数学模型 |
| 4.3 算法设计 |
| 4.3.1 编码与解码 |
| 4.3.2 种群初始化 |
| 4.3.3 交叉和变异策略 |
| 4.3.4 局部搜索策略 |
| 4.4 仿真实验 |
| 4.4.1 实验设计 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 第5章 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表的学术论文 |
（6）基于机器学习的滚动轴承智能故障诊断方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号说明 |
| 第一章 绪论 |
| 1.1 课题来源和研究背景意义 |
| 1.1.1 课题来源 |
| 1.1.2 研究背景与意义 |
| 1.2 机器学习的发展与应用 |
| 1.2.1 机器学习的发展 |
| 1.2.2 机器学习的应用 |
| 1.3 滚动轴承故障诊断的发展和研究现状 |
| 1.3.1 滚动轴承故障诊断的发展 |
| 1.3.2 滚动轴承故障诊断的研究现状 |
| 1.4 本文主要内容与章节安排 |
| 第二章 滚动轴承故障机理分析 |
| 2.1 滚动轴承的基本结构和失效形式 |
| 2.1.1 滚动轴承的基本结构 |
| 2.1.2 滚动轴承的失效形式 |
| 2.2 滚动轴承运动学及振动信号特征 |
| 2.2.1 滚动轴承运动学分析 |
| 2.2.2 故障振动信号特征 |
| 2.3 滚动轴承振动信号特征分析方法 |
| 2.3.1 时域特征分析法 |
| 2.3.2 频域特征分析法 |
| 2.4 本章小结 |
| 第三章 基于传统机器学习的滚动轴承智能故障诊断 |
| 3.1 相关算法理论 |
| 3.1.1 BP神经网络 |
| 3.1.2 思维进化算法 |
| 3.1.3 随机森林算法 |
| 3.1.4 主成分分析算法 |
| 3.2 实验数据来源与分析 |
| 3.2.1 实验数据来源 |
| 3.2.2 实验数据分析 |
| 3.3 滚动轴承智能故障诊断的MEA优化BP神经网络方法 |
| 3.3.1 MEA优化BP的智能故障诊断模型 |
| 3.3.2 模型验证与结果分析 |
| 3.4 滚动轴承智能故障诊断的特征降维随机森林方法 |
| 3.4.1 PCA-RF的滚动轴承智能故障诊断模型 |
| 3.4.2 模型验证与结果分析 |
| 3.5 本章小结 |
| 第四章 基于卷积神经网络的滚动轴承智能故障诊断 |
| 4.1 卷积神经网络 |
| 4.1.1 卷积神经网络概述 |
| 4.1.2 典型卷积神经网络结构 |
| 4.2 滚动轴承智能故障诊断的卷积神经网络设计 |
| 4.2.1 卷积神经网络结构设计 |
| 4.2.2 卷积神经网络网络训练算法 |
| 4.3 卷积神经网络影响因素分析 |
| 4.3.1 训练样本比例对模型性能的影响 |
| 4.3.2 迭代次数对模型性能的影响 |
| 4.3.3 Batchsize对模型性能的影响 |
| 4.3.4 学习率对模型性能的影响 |
| 4.4 实验结果分析 |
| 4.5 本章小结 |
| 第五章 实验验证 |
| 5.1 基于虚拟仪器的数据采集系统 |
| 5.1.1 LabVIEW简介 |
| 5.1.2 硬件设计 |
| 5.1.3 软件系统开发 |
| 5.2 实验设计 |
| 5.2.1 实验方案 |
| 5.2.2 滚动轴承故障模拟 |
| 5.2.3 滚动轴承运行工况设计 |
| 5.3 实验对比分析 |
| 5.3.1 单一工况模型验证与结果分析性 |
| 5.3.2 变工况模型验证与结果分析 |
| 5.3.3 不同工况结果对比分析 |
| 5.4 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 个人简历在读期间发表的学术论文 |
| 致谢 |
（7）可调品质因子小波变换在高速列车齿轮箱故障诊断中的应用研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 选题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 齿轮箱振动分析研究现状 |
| 1.2.2 齿轮箱故障诊断中的传统振动信号处理方法研究现状 |
| 1.2.3 复合故障诊断中稀疏分解方法研究现状 |
| 1.3 本文研究思路与主要内容 |
| 1.3.1 研究思路 |
| 1.3.2 主要内容与章节安排 |
| 第2章 齿轮箱故障模式与振动特性分析 |
| 2.1 齿轮振动特性及故障模式 |
| 2.1.1 齿轮故障模式 |
| 2.1.2 齿轮振动机理 |
| 2.1.3 齿轮振动信号 |
| 2.1.4 齿轮故障振动特征 |
| 2.2 滚动轴承振动特性及失效形式 |
| 2.2.1 滚动轴承失效形式 |
| 2.2.2 滚动轴承的振动分析 |
| 2.2.3 滚动轴承故障频率计算 |
| 2.2.4 轴承故障振动信号特征 |
| 2.3 齿轮箱复合故障振动形式 |
| 2.4 本章小结 |
| 第3章 自适应可调品质因子小波变换 |
| 3.1 小波变换基础 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.1.3 多分辨率分析 |
| 3.2 可调品质因子小波变换 |
| 3.3 自适应可调品质因子小波变换 |
| 3.3.1 参数分析 |
| 3.3.2 冲击评价指标 |
| 3.3.3 相邻系数去噪方法 |
| 3.3.4 算法流程 |
| 3.4 仿真信号处理及算法验证 |
| 3.5 故障诊断实例 |
| 3.5.1 试验情况介绍 |
| 3.5.2 故障信号分析与处理 |
| 3.6 本章小结 |
| 第4章 自适应共振稀疏分解 |
| 4.1 信号共振属性 |
| 4.2 稀疏表示基础 |
| 4.3 共振稀疏分解 |
| 4.3.1 形态分量分析 |
| 4.3.2 分裂增广拉格朗日收缩算法 |
| 4.4 基于差分进化算法的自适应共振稀疏分解 |
| 4.4.1 差分进化算法 |
| 4.4.2 改进差分进化算法 |
| 4.4.3 基于改进差分进化算法的自适应共振稀疏分解 |
| 4.5 仿真信号处理及算法验证 |
| 4.6 故障诊断实例 |
| 4.7 本章小结 |
| 第5章 高速列车齿轮箱复合故障诊断 |
| 5.1 复合故障诊断算法 |
| 5.1.1 联合算法流程及说明 |
| 5.1.2 包络谱峰值因子 |
| 5.2 仿真信号处理及算法验证 |
| 5.3 高速列车齿轮箱复合故障诊断实例 |
| 5.3.1 试验情况介绍 |
| 5.3.2 齿轮箱故障模式说明 |
| 5.3.3 复合故障信号分析与处理 |
| 5.4 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及参加的科研项目 |
（8）跨声速自然层流机翼优化设计方法及应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 飞行器减阻的必要性 |
| 1.2 飞行器减阻的途径 |
| 1.2.1 减小表面摩擦阻力的措施 |
| 1.2.2 减小升致阻力的措施 |
| 1.2.3 激波控制的措施 |
| 1.3 层流技术、发展历程及国内外研究现状 |
| 1.3.1 层流技术及应用 |
| 1.3.2 层流技术的发展历程 |
| 1.3.3 层流设计技术国内外研究现状 |
| 1.4 流动转捩及国内外研究现状 |
| 1.4.1 促使流动转捩的因素 |
| 1.4.2 转捩预测方法国内外研究现状 |
| 1.5 本文主要研究内容 |
| 第二章 变保真度流动分析及转捩预测方法 |
| 2.1 流动转捩机理及转捩预测方法介绍 |
| 2.1.1 稳定性理论 |
| 2.1.2 流动转捩机理 |
| 2.1.3 转捩判断方法介绍 |
| 2.1.3.1 γ-Re_θ转捩判断模型 |
| 2.1.3.2 基于线性稳定性理论(LST)的转捩判断方法 |
| 2.1.3.3 抛物化(PSE)稳定性理论 |
| 2.2 平行流线性稳定性理论 |
| 2.2.1 线性稳定性方程 |
| 2.2.2 特征值方程 |
| 2.3 基于变保真度流动分析的转捩预测方法 |
| 2.3.1 欧拉方程耦合线性稳定性理论的转捩判断方法 |
| 2.3.2 雷诺平均NS方程耦合线性稳定性理论的转捩判断方法 |
| 2.3.2.1 二维流动计算 |
| 2.3.2.2 二维流动转捩判断 |
| 2.3.3 基于变保真度流动分析的转捩判断方法 |
| 2.4 本章小结 |
| 第三章 跨声速自然层流气动外形优化模型 |
| 3.1 几何参数化表征方法 |
| 3.1.1 Bezier函数 |
| 3.1.2 解析函数线性叠加法 |
| 3.1.3 类函数变换法 |
| 3.2 进化算法介绍 |
| 3.2.1 遗传算法步骤 |
| 3.2.2 遗传算法的特点 |
| 3.3 跨声速自然层流翼型优化模型 |
| 3.3.1 总阻力最小化翼型设计 |
| 3.3.2 转捩位置最大化翼型优化设计 |
| 3.3.3 激波控制技术研究 |
| 3.3.3.1 激波控制鼓包技术 |
| 3.3.3.2 后缘调整片技术 |
| 3.3.4 跨声速自然层流翼型/机翼优化设计模型建立 |
| 3.4 本章小结 |
| 第四章 跨声速自然层流多目标优化方法 |
| 4.1 多目标优化方法 |
| 4.1.1 进化算法分类 |
| 4.1.2 多目标优化设计方法 |
| 4.1.2.1 多目标优化问题定义 |
| 4.1.2.2 合作对策:Pareto最优解 |
| 4.1.2.3 竞争对策论:Nash均衡理论 |
| 4.1.2.4 分层博弈:Stackelberg对策理论 |
| 4.2 跨声速自然层流翼型多目标优化设计 |
| 4.2.1 跨声速自然层流翼型多目标优化问题 |
| 4.2.2 协作均衡Pareto理论耦合GAs的层流优化设计 |
| 4.2.3 竞争Nash理论耦合GAs的层流优化设计 |
| 4.2.4 分级Stackelberg理论耦合GAs的层流优化设计 |
| 4.2.5 耦合博弈理论的优化结果及分析 |
| 4.2.6 博弈理论问题分解合理性分析 |
| 4.3 应用后缘装置的自然层流翼型多目标优化设计 |
| 4.3.1 多目标优化问题的提出 |
| 4.3.2 优化结果及分析 |
| 4.4 本章小结 |
| 第五章 自然层流机翼变保真度分层优化设计方法及应用 |
| 5.1 变保真度分层优化方法 |
| 5.1.1 变保真度转捩判断方法 |
| 5.1.2 变保真度分层优化设计方法 |
| 5.2 跨声速自然层流机翼单目标分层优化设计 |
| 5.2.1 层流机翼优化设计问题提出 |
| 5.2.2 优化结果及分析 |
| 5.3 跨声速自然层流机翼多目标分层优化设计 |
| 5.3.1 自然层流机翼多目标优化问题提出 |
| 5.3.2 多目标优化结果及分析 |
| 5.4 公务机跨声速层流机翼优化设计 |
| 5.4.1 自然层流机翼优化问题的提出 |
| 5.4.2 优化结果及分析 |
| 5.5 高亚声速无人机层流机翼设计 |
| 5.5.1 无人机层流机翼优化问题 |
| 5.5.2 优化结果及分析 |
| 5.6 本章小结 |
| 第六章 总结及展望 |
| 6.1 本文总结 |
| 6.2 未来工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和研究成果 |
（9）高维多目标进化算法的关键技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 课题的研究意义和目的 |
| 1.2 高维多目标进化算法的国内外研究现状 |
| 1.3 论文主要研究内容和章节安排 |
| 第2章 多目标进化算法的相关基本理论 |
| 2.1 多目标优化问题的数学模型及相关定义 |
| 2.2 多目标进化算法的性能评价指标 |
| 2.3 高维多目标优化测试函数 |
| 2.4 NSGA-III算法简介 |
| 2.4.1 参考点生成 |
| 2.4.2 归一化进程 |
| 2.4.3 环境选择进程 |
| 2.5 MOEA/D算法简介 |
| 2.5.1 分解策略 |
| 2.5.2 邻域思想 |
| 2.6 本章小结 |
| 第3章 基于目标空间分解的高维多目标进化算法 |
| 3.1 引言 |
| 3.2 NSGA-III-OSD算法详解 |
| 3.2.1 目标空间分解 |
| 3.2.2 重组操作 |
| 3.2.3 环境选择 |
| 3.2.4 NSGA-III-OSD算法流程及复杂度分析 |
| 3.2.5 讨论 |
| 3.3 实验仿真与结果分析 |
| 3.3.1 测试函数 |
| 3.3.2 算法参数设置 |
| 3.3.3 参数敏感性分析 |
| 3.3.4 NSGA-III-OSD算法性能测试 |
| 3.4 本章小结 |
| 第4章 基于自适应惩罚距离的高维多目标进化算法 |
| 4.1 引言 |
| 4.2 NSGA-III-NE算法详解 |
| 4.2.1 改进归一化技术 |
| 4.2.2 自适应惩罚距离 |
| 4.2.3 小生境删除操作 |
| 4.2.4 NSGA-III-NE算法流程及复杂度分析 |
| 4.2.5 讨论 |
| 4.3 实验仿真与结果分析 |
| 4.3.1 测试函数 |
| 4.3.2 算法参数设置 |
| 4.3.3 参数敏感性分析 |
| 4.3.4 自适应惩罚距离的有效性分析 |
| 4.3.5 NSGA-III-NE算法性能测试 |
| 4.3.6 量化分析 |
| 4.4 本章小结 |
| 第5章 基于Pareto支配的高维多目标进化算法 |
| 5.1 引言 |
| 5.2 基于超平面投影的HPEA算法 |
| 5.2.1 超平面投影 |
| 5.2.2 超方形判别 |
| 5.2.3 基于λ-distance的个体选择 |
| 5.2.4 HPEA算法流程及复杂度分析 |
| 5.2.5 实验仿真与结果分析 |
| 5.3 基于角度惩罚距离的MAOEA-APD算法 |
| 5.3.1 收敛性度量和分布性度量 |
| 5.3.2 角度惩罚距离 |
| 5.3.3 基于角度惩罚距离的删除策略 |
| 5.3.4 匹配选择 |
| 5.3.5 MaOEA-APD算法流程及复杂度分析 |
| 5.3.6 实验仿真与结果分析 |
| 5.4 本章小结 |
| 第6章 约束高维多目标进化算法 |
| 6.1 引言 |
| 6.2 基于参考点约束支配的NSGA-III-RPCDP |
| 6.2.1 关联参考点和计算小生境数 |
| 6.2.2 基于参考点的约束支配关系 |
| 6.2.3 改进的匹配选择 |
| 6.2.4 NSGA-III-RPCDP算法流程 |
| 6.2.5 讨论 |
| 6.3 实验仿真与结果分析 |
| 6.3.1 测试函数 |
| 6.3.2 算法参数设置 |
| 6.3.3 NSGA-III-RPCDP算法性能测试 |
| 6.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（10）改进型花朵授粉优化算法原理及工程应用研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题的研究背景 |
| 1.1.1 最优化问题的定义与分类 |
| 1.1.2 最优化问题的传统求解方法与元启发式算法 |
| 1.2 花朵授粉算法的国内外研究现状及本课题的提出 |
| 1.2.1 花朵授粉算法的国外研究现状 |
| 1.2.2 花朵授粉算法的国内研究现状 |
| 1.2.3 课题的提出 |
| 1.3 PID控制器、串级控制器、分数阶PID控制器的参数整定问题的背景及研究现状 |
| 1.4 混沌系统和太阳能光伏系统的参数辨识问题的背景及研究现状 |
| 1.5 元启发式算法求解有约束优化问题的研究现状 |
| 1.6 置换流水车间调度问题的研究现状 |
| 1.7 本文的主要内容及章节安排 |
| 第2章 基于正交试验设计的花朵授粉算法 |
| 2.1 花朵授粉算法的基本原理与实现过程 |
| 2.2 基于正交试验设计的改进花朵授粉算法 |
| 2.2.1 正交试验设计法 |
| 2.2.2 量化正交交叉算子 |
| 2.2.3 结合极差分析的量化正交交叉算子 |
| 2.2.4 量化正交交叉算子与花朵授粉算法的融合方式 |
| 2.3 正交花朵授粉算法与基本花朵授粉算法的性能对比 |
| 2.4 本章小结 |
| 第3章 基于正交花朵授粉算法的控制器参数整定 |
| 3.1 引言 |
| 3.2 基于正交花朵授粉算法的PID控制器参数整定 |
| 3.2.1 PID控制器的结构和原理 |
| 3.2.2 基于正交花朵授粉算法的PID控制器参数整定方法 |
| 3.2.3 仿真实验与讨论分析 |
| 3.3 基于正交花朵授粉算法的串级控制系统参数整定 |
| 3.3.1 串级控制系统的结构和原理 |
| 3.3.2 基于正交花朵授粉算法的串级控制系统参数整定方法 |
| 3.3.3 仿真实验与讨论分析 |
| 3.4 基于正交花朵授粉算法的分数阶PID控制器参数整定 |
| 3.4.1 分数阶PID控制器的基本理论 |
| 3.4.2 分数阶微积分算子的Oustaloup滤波器近似实现法 |
| 3.4.3 基于Bode理想传函和正交花朵授粉算法的分数阶PID控制器参数整定方法 |
| 3.4.4 仿真实验与讨论分析 |
| 3.5 本章小结 |
| 第4章 基于改进花朵授粉算法的系统参数辨识 |
| 4.1 引言 |
| 4.2 基于改进花朵授粉算法的混沌系统参数辨识 |
| 4.2.1 混沌系统参数估计问题的数学描述 |
| 4.2.2 用于混沌系统参数估计问题的混合花朵授粉算法 |
| 4.2.3 数值实验与讨论分析 |
| 4.3 基于改进花朵授粉算法的太阳能电池和光伏系统参数辨识 |
| 4.3.1 太阳能电池和光伏系统参数辨识问题的数学描述 |
| 4.3.2 用于太阳能电池和光伏系统参数辨识的混合花朵授粉算法 |
| 4.3.3 数值实验与讨论分析 |
| 4.4 本章小结 |
| 第5章 基于花朵授粉算法的约束优化方法 |
| 5.1 引言 |
| 5.2 结合Deb可行性比较法和ε约束法的花朵授粉算法 |
| 5.2.1 Deb可行性比较法 |
| 5.2.2 ε约束法 |
| 5.2.3 数值实验与讨论分析 |
| 5.3 一种求解约束优化问题的改进花朵授粉算法 |
| 5.3.1 基于佳点集理论的种群初始化策略 |
| 5.3.2 引入一般反向学习策略 |
| 5.3.3 混合约束法 |
| 5.3.4 改进效果的数值实验验证 |
| 5.4 改进花朵授粉算法在实际工程约束优化问题中的应用 |
| 5.4.1 在典型结构设计问题中的应用 |
| 5.4.2 在多工序车削加工参数优化问题中的应用 |
| 5.5 本章小结 |
| 第6章 基于花朵授粉算法的置换流水车间调度优化 |
| 6.1 引言 |
| 6.2 置换流水车间调度问题的数学模型及性能指标的求解方法 |
| 6.2.1 置换流水车间调度问题的数学模型 |
| 6.2.2 加工性能指标makespan的计算方法 |
| 6.3 用于求解置换流水车间调度问题的混合花朵授粉算法 |
| 6.3.1 随机键编码技术 |
| 6.3.2 基于NEH法的种群质量改善策略 |
| 6.3.3 基于重插入操作的局部搜索策略 |
| 6.3.4 插入邻域的快速评价技术 |
| 6.3.5 混合花朵授粉算法的性能测试 |
| 6.4 本章小结 |
| 第7章 结论和展望 |
| 7.1 工作总结 |
| 7.2 主要创新点 |
| 7.3 未来工作展望 |
| 参考文献 |
| 攻读博士学位期间发表的学术论文 |
| 致谢 |
| 附录1 无约束优化测试问题描述 |
| 附录2 有约束优化测试问题描述 |
| 附录3 典型工程实际约束优化问题描述 |
| 发表的英文论文 |
| 附件 |
四、进化算法在工程应用中的若干实用技术（论文参考文献）
- [1]基于数据驱动的火电机组SCR脱硝系统建模方法研究[D]. 马宁. 华北电力大学(北京), 2021(01)
- [2]基于工业云平台与NSGA2的螺钉拧紧算法研究与实现[D]. 高涵. 青岛大学, 2020(01)
- [3]基于自适应VMD和优化神经网络的滚动轴承故障诊断[D]. 穆鹏丞. 沈阳化工大学, 2020(02)
- [4]冲压约束下变截面车身结构的碰撞吸能特性与可靠性优化设计[D]. 王成皓. 江苏大学, 2020
- [5]基于改进NSGA-Ⅲ的灭菌工艺批调度方法研究与应用[D]. 张涛. 武汉理工大学, 2020(09)
- [6]基于机器学习的滚动轴承智能故障诊断方法研究[D]. 崔路瑶. 华东交通大学, 2019
- [7]可调品质因子小波变换在高速列车齿轮箱故障诊断中的应用研究[D]. 龙莹. 西南交通大学, 2019(04)
- [8]跨声速自然层流机翼优化设计方法及应用[D]. 陈永彬. 南京航空航天大学, 2019(09)
- [9]高维多目标进化算法的关键技术研究[D]. 王朝. 哈尔滨工程大学, 2018(01)
- [10]改进型花朵授粉优化算法原理及工程应用研究[D]. 许树辉. 山东大学, 2017(03)