学位论文 > 优秀研究生学位论文题录展示

基于GEP的金属疲劳时间预测模型

作　者: 刘昆
导　师: 黄樟灿
学　校: 武汉理工大学
专　业: 计算数学
关键词: 金属疲劳演化计算基因表达式编程策略局部最优
分类号: O346.2
类　型: 硕士论文
年　份: 2010年
下　载: 46次
引　用: 0次
阅　读: 论文下载

内容摘要

金属疲劳问题,已经成为人们在现代世界中必须要面对和研究的重点问题。其中对金属疲劳时间进行预测的课题,已经成为最流行和最受关注的课题。目前对金属疲劳时间的预测的方法主要是依据物理方法,首先通过对金属材料的研究和对试验环境的控制,得出需要的试验数据,最后通过一些定理和法则对数据进行处理得出结论。在数据处理的过程中,误差是不可避免,而演化计算具有自组织、自适应和自学习等智能特征,利用已知的数据求出未知的函数。本文首先介绍演化计算的一种方法—基因表达式编程,然后对其算法的实现进行了具体的研究,经过系统的研究,发现基因表达式编程中遗传算子的概率,只是依赖于人工设定的参数,可靠性较差,影响结果的精确性。因此本文提出了一种改进的GEP算法,并在此方法的基础上给出了相应的算法流程。最后把它运用到金属疲劳时间预测中,比较了原来的GEP算法和改进的算法的优劣,得出了比较理想的试验结果。本文主要研究内容如下：(1)研究了GEP算法的基本原理和过程。详细的研究了基因表达式编程的编码方式、适应值函数、遗传因子,给出了具体的算法流程。总结了GEP的特点并比较了其与其它遗传算法的区别。(2)提出了一种改进的GEP算法。该方法是在原来的算法的基础上,对GEP的遗传因子进行改变,即通过一种分层的原理,把GEP的表达式分成几部分。通过对不同的部分采取相应的策略,使个体更好的演化,最终达到适应值函数的取值范围。新的基因表达式编程与传统的算法比较,能够使问题的全局最优解更好的取到,能够很好的抑制早熟发生和收敛到局部最优。新的GEP算法的整体结构更加简洁,理解更加容易,算法更加可靠。(3)利用改进的GEP算法对金属疲劳时间进行了预测。首先,给出了金属疲劳预测的模型,对此模型进行了详细的介绍,研究了模型中各个参数的意义；其次,用改进的GEP算法得出金属疲劳预测中参数K的表达式；最后,通过程序的求解得出金属疲劳时间预测的结果。本文的创新成果是提出一种改进的GEP算法,结合原来基因表达式编程的原理,利用改进的GEP算法对金属疲劳时间进行预测,得出了比较好的结果。改进的GEP算法,提高了算法的效率,使问题的最优解更容易达到,避免了局部最优。实验的结果表明,改进的GEP算法对金属疲劳时间预测比传统的方法更准确,有很大的实用价值。

全文目录

摘要  4-5
Abstract  5-8
第一章引言  8-15
  1.1 研究背景与意义  8-9
  1.2 相关研究现状  9-13
  1.3 研究内容及本文组织结构  13-15
    1.3.1 研究内容  13-14
    1.3.2 本文组织结构  14-15
第二章基因表达式编程的研究  15-24
  2.1 三种遗传算法的简单介绍  15-17
  2.2 三种遗传算法的比较  17-18
  2.3 基因表达式编程  18-24
    2.3.1 GEP的算法流程  18-20
    2.3.2 GEP个体的基本结构  20-22
    2.3.3 GEP的适应值函数  22
    2.3.4 GEP中的遗传算子  22-24
第三章一种改进的GEP算法  24-31
  3.1 改进的GEP算法基本原理  24-25
  3.2 改进的GEP算法流程  25-26
  3.3 改进的GEP算法与传统算法的比较  26-31
    3.3.1 在函数建模中的比较  27-29
    3.3.2 在实际生产生活中的比较  29-31
第四章 GEP在金属疲劳时间预测中的应用  31-42
  4.1 FINDLEY MODEL的介绍  31-34
  4.2 两种GEP算法在金属疲劳时间预测中的应用  34-41
    4.2.1 实验所用数据  34-36
    4.2.2 传统GEP算法的实验结果与预测分析  36-38
    4.2.3 改进GEP算法的实验结果与预测分析  38-41
  4.3 两种不同算法的实验结果比较  41-42
第五章结论与展望  42-44
  5.1 本文主要工作总结  42
  5.2 研究展望  42-44
参考文献  44-47
攻读硕士学位期间发表的学术论文  47-48
致谢  48

基于GEP的金属疲劳时间预测模型

内容摘要

全文目录

相似论文