在运载火箭、航天器等的设计中,载荷的分离、太阳能电池板等附属物的展开、推进剂阀门等系统的激活需要通过火工爆炸冲击装置来实现,由此产生了高频、高幅值、持续作用时间极短的火工爆炸冲击环境。工程上广泛使用冲击响应谱(Shock Response Spectrum,简称SRS)作为比较冲击严重等级和评估冲击环境的有效标准工具。然而,在抗冲击设计和测试要求的标准规范中仅给出了 SRS的数值,并未同时给出相应的加速度时域信息,后者在非线性动力学分析与测试中是必不可少的。因此如何通过SRS合成满足规范要求的加速度时域信息显得十分重要。一些研究集中于解决这个问题,但现有研究方法大多是在已有加速度时域测试数据分析的基础上实现的,这在航天器设计初期缺少充足试验测试数据的情况下无法有效使用。如何在没有前期充足试验测试时域数据的情况下合成满足规范SRS要求的加速度时域信息,以指导航天器的初期设计成为工程师面临的一个重要问题。本文针对SRS加速度合成的相关问题进行研究,从SRS的计算方法、特性分析、SRS加速度时域合成方法、合成加速度所对应SRS与目标谱的匹配度优化、自适应遗传算法的改进等方面展开,主要工作如下:1.冲击响应谱的计算方法及特性分析在研读文献资料的基础上,系统总结了冲击响应谱的种类及计算方法,并采用典型冲击激励明确了冲击响应谱的计算流程。针对不同类型的冲击响应谱表达,通过典型激励对比分析了常见冲击响应谱的特性,得到了一些具有启发性的结论。并针对航空航天领域最常使用的绝对加速度冲击响应谱,分析了其在不同冲击激励作用时间、不同冲击激励幅值及不同冲击激励波形下的特性。2.应用于爆炸冲击响应谱加速度时域信息合成的新方法在缺少相关试验测试数据的情况下,为获取航天器结构仿真与测试分析所需的加速度冲击时域输入载荷,提出一种爆炸冲击响应谱的加速度时域合成新方法。新方法在低频采用小波技术,在中高频采用阻尼正弦技术。合成SRS的质量是通过与规范目标谱进行比较来评估的最小值优化问题,继而给出了本文待求解的最小值优化问题的目标函数,并选用基本遗传算法(Genetic Algorithm,GA)来进行优化计算。典型算例的计算结果表明,新方法可以获得比传统方法更接近规范目标谱的结果,显示了新组合方法的有效性。3.交叉概率和变异概率非线性调整的改进自适应遗传算法新组合加速度合成方法基于GA的优化结果虽然比传统方法更优,但由于GA采用的是固定的交叉概率(Crossover Probability,标记为pc)和变异概率(Mutation Probability,标记为pm)取值,得到的最终优化结果与规范目标谱之间仍然存在一定的差距,具有进一步改善的空间。典型算例基于GA的优化中,pc和pm参数灵敏度分析的结果验证了这两个概率的取值对最终优化结果影响的重要性。为进一步提高新组合合成方法所得结果与规范目标谱之间的匹配程度,本文采用pc和pm自适应调整的自适应遗传算法(Adaptive Genetic Algorithm,AGA)对目标函数进行优化求解。通过标准测试函数对比分析了典型的依目标函数适应度值调整pc和pm取值的AGA算法,并在此基础上提出了一种新的改进自适应遗传算法(Improved Adaptive Genetic Algorithm,IAGA)。本文改进的新算法IAGA采用在平均适应度值两端均按照非线性方式调整pc和pm取值的策略,在标准测试函数的最小值优化问题中获得了比同类的典型AGA更好的优化结果。进一步地,本文将改进新算法IAGA应用于爆炸冲击响应谱加速度时域合成最小值优化问题的求解中,结合前面提出的新组合加速度合成方法,获得了比现有方法更好的结果。4.种群数目按指数方式减小的改进自适应遗传算法种群数目大小是影响自适应遗传算法性能的关键参数。固定种群数目的AGA如果要提高优化性能需要采用较大的种群数目取值,这将会导致计算时间的增加,使得搜索更加复杂。AGA虽然在一定程度上提高了基本GA的优化性能,但忽略了种群数目大小对优化结果的影响,其值在整个优化过程中是固定的。本文提出了一种新的种群数目指数减小的策略(Exponential Population Size Reduction,简称EPSR),利用参数b来控制种群数目减小的速度。在此基础上,提出了 一种新的种群数目指数减小的自适应遗传算法—AGA-EPSR,该算法将AGA与EPSR策略相结合,在进化迭代过程中种群数目呈指数方式减小。AGA-EPSR的性能通过优化基准函数来评估,结果表明,AGA-EPSR的优化结果明显优于固定种群数目的AGA、GA、粒子群优化算法和模拟退火算法。