利用电磁阻尼单元代替经典调谐质量阻尼器中的黏性阻尼单元,形成一种具有结构减振功能的新型电磁谐振式调谐质量阻尼器(electromagnetic shunt tuned mass damper,EMS-TMD)。为进一步提升阻尼器的减振性能和鲁棒性,设计了双重电磁谐振...利用电磁阻尼单元代替经典调谐质量阻尼器中的黏性阻尼单元,形成一种具有结构减振功能的新型电磁谐振式调谐质量阻尼器(electromagnetic shunt tuned mass damper,EMS-TMD)。为进一步提升阻尼器的减振性能和鲁棒性,设计了双重电磁谐振式调谐质量阻尼器(DEMS-TMD)减振方案。依据达朗伯定理,建立地震作用下DEMS-TMD与单自由度结构耦合振动系统的动力学模型。利用蒙特卡洛-模式搜索法数值优化方法,以主结构位移的动力放大系数最大值最小为目标函数,优化得到DEMS-TMD的结构频率比、电子频率比、电磁阻尼比和机电耦合系数的最优参数,为减振参数设计提供理论指导。通过频域和时域两种方法仿真分析了DEMSTMD对结构的减振性能。结果表明:在频域分析中,DEMS-TMD的主结构位移峰值和频响面积均优于传统并联双调谐质量阻尼器(double tuned mass damper,DTMD);在时域分析中,DEMS-TMD对结构位移、加速度峰值和均方根的减振性能均优于传统DTMD,有效地提高了对结构的减振效果。展开更多
针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使...针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。展开更多
为消除存在于设计方案中的设计冲突,扩展可行解的备选空间,在研究设计冲突的捕捉方法以及资源引入的要求的基础上,提出将参数优化设计与TRIZ理论集成的设计方法。分析了参数优化设计问题的分类以及冲突的特点,提出了以ENV(Element Name ...为消除存在于设计方案中的设计冲突,扩展可行解的备选空间,在研究设计冲突的捕捉方法以及资源引入的要求的基础上,提出将参数优化设计与TRIZ理论集成的设计方法。分析了参数优化设计问题的分类以及冲突的特点,提出了以ENV(Element Name Value)模型来表达优化设计冲突的方法,该方法用于支持优化设计冲突向TRIZ冲突问题的模型转化。提出了优化设计冲突的四种求解方法及冲突求解路径,构建了参数优化设计与TRIZ结合应用的过程模型,并解释了过程模型中的关键步骤。应用所提出的方法对X型竖矩形驳接爪进行再设计,应用Ansys Workbench进行参数优化设计及仿真,通过仿真数据的对比验证所提出的方法的有效性。展开更多
文摘利用电磁阻尼单元代替经典调谐质量阻尼器中的黏性阻尼单元,形成一种具有结构减振功能的新型电磁谐振式调谐质量阻尼器(electromagnetic shunt tuned mass damper,EMS-TMD)。为进一步提升阻尼器的减振性能和鲁棒性,设计了双重电磁谐振式调谐质量阻尼器(DEMS-TMD)减振方案。依据达朗伯定理,建立地震作用下DEMS-TMD与单自由度结构耦合振动系统的动力学模型。利用蒙特卡洛-模式搜索法数值优化方法,以主结构位移的动力放大系数最大值最小为目标函数,优化得到DEMS-TMD的结构频率比、电子频率比、电磁阻尼比和机电耦合系数的最优参数,为减振参数设计提供理论指导。通过频域和时域两种方法仿真分析了DEMSTMD对结构的减振性能。结果表明:在频域分析中,DEMS-TMD的主结构位移峰值和频响面积均优于传统并联双调谐质量阻尼器(double tuned mass damper,DTMD);在时域分析中,DEMS-TMD对结构位移、加速度峰值和均方根的减振性能均优于传统DTMD,有效地提高了对结构的减振效果。
文摘针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。
文摘为消除存在于设计方案中的设计冲突,扩展可行解的备选空间,在研究设计冲突的捕捉方法以及资源引入的要求的基础上,提出将参数优化设计与TRIZ理论集成的设计方法。分析了参数优化设计问题的分类以及冲突的特点,提出了以ENV(Element Name Value)模型来表达优化设计冲突的方法,该方法用于支持优化设计冲突向TRIZ冲突问题的模型转化。提出了优化设计冲突的四种求解方法及冲突求解路径,构建了参数优化设计与TRIZ结合应用的过程模型,并解释了过程模型中的关键步骤。应用所提出的方法对X型竖矩形驳接爪进行再设计,应用Ansys Workbench进行参数优化设计及仿真,通过仿真数据的对比验证所提出的方法的有效性。
