论文部分内容阅读
本文主要研究了基于免疫原理的免疫遗传算法,以及免疫遗传算法与有限元技术相结合的结构优化方法,即免疫遗传算法—有限元的结构优化方法,并将该方法应用于燃烧室浮动壁结构的优化研究,取得了很好的优化效果。主要研究工作包括:(1)模拟了免疫机理的中记忆机制、抗体自我调节机制,并分别采用信息熵和欧式距离计算抗体浓度,形成了四种不同的免疫遗传算法。算例研究表明:免疫遗传算比精英保留遗传算法的收敛率高,优化效果好;在四种算法中,基于抗体自我调节机制并采用信息熵计算抗体浓度的免疫遗传算法最好。(2)通过数值算例,研究了抗体自我调节机制下分别采用信息熵和欧式距离计算抗体浓度的两种免疫遗传算法的编码长度、变异概率,进化代数等对算法性能的影响规律。(3)通过引入变异概率和交叉概率的自适应技术,提出了自适应免疫遗传算法。算例研究结果表明:在免疫遗传算法中引入变异概率和交叉概率的自适应技术后,算法的适应性显著增强,全局收敛能力高,尤其是基于信息熵计算浓度的自适应免疫遗传算法更是如此。(4)提出将免疫遗传算法与有限元相结合,发展免疫遗传算法-有限元的结构优化方法的思想,建立了免疫遗传算法-有限元的结构优化方法(IGA-FEM)和自适应免疫遗传算法—有限元结构优化方法(AIGA-FEM),其中免疫遗传算法采用抗体自我调节机制和采用信息熵计算抗体浓度。经燃烧室浮动壁结构的简化模型——平板结构的优化分析结果表明,AIGA-FEM具有更好的结构优化能力。(5)针对燃烧室浮动壁结构实体模型,采用递进式分阶段优化策略,运用AIGA-FEM对浮动壁结构的支杆布局、支杆截面积和壁板厚度进行多目标优化研究。文中不仅考虑了浮动壁结构应力及几何约束,还分别考虑了机匣刚性、中间支杆位置及温度的影响,优化分析结果良好。