液压锥阀在气液两相流状态下工作时会产生剧烈的噪声,严重影响锥阀的工作性能及其工作环境,针对这一问题,提出了一种基于径向基函数(RBF)神经网络和多岛遗传算法(MIGA)的方法,对液压锥阀的结构参数进行了优化。首先,采用有限元软件分析了影响锥阀流场及声场的结构参数;然后,以阀芯半锥角角度、喉部长度和阀芯入口角度这3个参数为优化变量,以加权平均噪声最小和加权最大噪声最小为优化目标,通过最优拉丁超立方设计方法确定了样本数据;最后,采用了RBF神经网络方法,建立了锥阀结构参数与噪声关系的近似模型,利用多岛遗传算法对近似模型进行了优化;根据得到的最优参数建立了锥阀优化模型,并进行了声学特性分析。研究结果表明:与原模型相比,优化模型的平均噪声降低23.846 dB,最大噪声降低5.092 dB;该结果验证了基于RBF神经网络和MIGA优化方法的有...

前纵梁作为汽车正面碰撞中主要的吸能和变形结构在汽车安全问题中具有重要研究意义。选取某微型车前纵梁结构为研究对象进行厚度优化设计。首先利用最优拉丁超立方的方法进行设计变量样本空间的设计,然后在已经建立好的整车模型中进行相关参数修改并进行仿真计算,并根据输出数据建立整车瞬时加速度及前纵梁比吸能的二阶响应面代理模型。应用多目标骨干粒子群（Barebones Multi-Objective Particle Swarm Optimization,BB-MOPSO）算法采用自编MATLAB代码得到了分布均匀的瞬时加速度以及前纵梁比吸能的Pareto前沿。该算法在车辆结构优化问题中的使用有效的避免了目前被广泛使用的NSGA-Ⅱ算法Pareto前沿分布均匀性差的不足。最终前纵梁比吸能提高了16.2%,整车正碰瞬时加速度减小了3.6%,前纵梁质量减轻6%,在提高了汽车安全性的同时保证了轻量化。