基于遗传算法的冲击谱合成计算,本文是遗传算法类论文如何怎么撰写跟遗传算法和合成和冲击类论文如何怎么撰写.
遗传算法论文参考文献：
摘 要：本文阐述了冲击响应谱在环境试验中的应用价值,介绍了冲击响应谱谱值计算在matlab 中的实现方法,并利用matlab 中的遗传算法工具合成了满足规范谱要求的时域冲击信号,为有限元分析瞬态冲击问题提供了参数化的激励.
关键词：冲击响应谱；遗传算法；参数化
1 引言
冲击响应谱试验方法是近年来冲击试验中广泛应用的重要方法.以往的冲击试验主要依靠半正弦波、三角波、后峰锯齿波等脉冲波形进行冲击试验,如GJB150.16 中所规定的冲击试验标准.在最新的GJB150A.16 中已经明确提出,冲击试验应首先利用实际应用环境的冲击谱对被试验装置进行试验.一般的规范谱只规定了冲击谱的形状,频域范围与幅值,但却未规定冲击波的时域波形,然而在利用有限元软件进行瞬态冲击试验分析时只能输入时域冲击波形,因此合成一种满足规范冲击谱要求的时域波型用以提供冲击仿真分析的外界激励是很有必要的.
2 冲击响应谱与谱值计算
2.1 冲击响应谱的概念
为了研究结构的耐冲击能力,Blot·M·A 最早提出了冲击响应谱（shock response spectrum）的概念.冲击响应谱是指将冲击激励施加到一些列线性、单自由度弹簧质量系统时,将各单自由度系统的最大响应值,作为对应于系统固有频率的函数而绘制的曲线[1].它用冲击载荷作用在结构系统上的效果,即研究冲击运动对系统的损伤,它不但是对设备实施抗冲击设计的分析基础,也是控制产品冲击环境模拟实验的基本参数.任意单自由度弹簧质量系统可描述为如图1所示的物理模型.
２. ２响应谱计算
在求解系统响应的微分方程以建立系统频率与系统最大加速度响应关系时主要有解析法与数值计算法,在计算复杂波形的冲击响应谱时,解析法存在一定瓶颈,积分形式相对复杂不易求解.因此普遍采用计算机辅助的数值计算法,如：Runge-kutta 法、递推积分法、数字滤波法等[2].本文采用4 阶Runge-kutta 法,其解算原理如下：
3 基于遗传算法的冲击谱合成
由于规范谱并未严格规定合成谱值的波形,因此可采用多种脉冲作为基波来合成满足冲击谱值曲线要求的波形.本文采用的为子波合成法,此法最初是为美国军方研制,基础波形如下.
其中A max 为振动台所能承受的最大加速度值,U srs 为对应频率点上的规范谱幅值.通过对以上参数的优化使合成波形的冲击谱曲线在规范谱的容差范围内.本文采用遗传算法在求解域内对目标函数搜索最优解.
遗传算法(Genetic Algorithm,缩写为GA) 是—种有效地解决最优化问题的方法.“生存十俭测的迭代过程的搜索算法[3].遗传算法以一种群体中的所有个体为对象,并利用随机化技术指导对一个被编码的参数空间进行高效搜索：其中,选样、交叉和变异构成了遗传算法的遗传操作；参数编码、初始群体的设定、适应度函数的设计、遗传操作设计、校制参数设定等5 个要素组成了遗传算法酌核心内容.遗传算法具有如下优点: 不是从单个点, 而是从多个点构成的群体进行搜索; 搜索最优解过程中只需要目标函数值转换得来的适应值信息, 而不需要导数等其它辅助信息; 搜索过程不易陷入局部最优点.
用遗传算法优化神经网络模型, 仍然以MATLAB 软件为平台, 采用英国谢菲尔德(Shef-field) 大学开发的遗传算法工具箱GATBX 进行寻优计算.文中选用二进制编码,采用单点交叉, 进行操作.设定初始种群大小为40 个, 交叉概率为0.7, 变异概率为0.05, 迭代代数为1000, 运用matlab 遗传算法工具箱进行编程优化,主要实现程序如下
通过matlab 的GUI 功能编写用户操作界面,方便了用户参数与限定条件的设定以及结果的读取.优化过程以及用户界面如图3 所示.
4 总结与展望
本文利用遗传算法对冲击响应谱在时域范围内进行了子波合成,所合成的冲击时域波形的响应谱幅值在规范谱的容差范围内,为有限元仿真分析提供了外界冲击激励,克服了瞬态分析中,冲击响应谱频域像是时域转化的辨识问题.在matlab 中所合成的波形只能通过描点的方式输入到有限元仿真软件中,在数据对接方面还存在一定问题,在此方面希望引入例如ansys 有限元软件中的apdl 语言编程,实现数据的自动无损失对接.
本文结束语,这篇文章为关于遗传算法和合成和冲击方面的相关大学硕士和遗传算法本科毕业论文以及相关遗传算法论文开题报告范文和职称论文写作参考文献资料.
基于遗传算法的智能组卷考试系统设计
摘要本文中首先对智能组卷考试系统的需求性、功能性进行分析,并结合遗传算法的独特优势,设计出基于遗传算法的高校在线考试系统 经过实际应用后发现,该在线考试系统具有组卷效果好、系统易于维护以及操作界面友好.
基于遗传算法优化和BP神经网络的中长期负荷联合预测
摘 要 传统的BP 神经网络负荷预测存在学习速度慢、局部极小……缺陷,已无法满足现代电力负荷预测的精度要求 基于此,本文首先在分析了BP 神经网络的预测原理和不足的基础上,阐述了遗传算法的原理及优化步.
基于遗传算法的智能组卷考试系统
摘 要 近年来,计算机技术飞速发展,在各个领域广泛应用,尤其在考试中的应用可提高组卷的灵活性及评卷效率 本文探讨基于遗传算法的智能组卷系统,以供参考 关键词 遗传算法；智能组卷；考试系统研究中图分类号.
保健食品中合成色素的反相高效液相色谱检测法
班素侠（沛县检验检测中心,江苏 徐州 221600）摘 要目的使用反相高效液相色谱（RPHPLC）法对保健食品进行检验,分析各种剂型经常使用的合成着色剂的程序方法…… 方法选择适量的样品,采用聚酰胺吸.