学位论文 > 优秀研究生学位论文题录展示
复杂系统失效率评估与多目标优化方法研究
作 者: Okafor Ekene Gabriel
导 师: 孙有朝
学 校: 南京航空航天大学
专 业: 载运工具运用工程
关键词: 复杂系统 可靠性 失效率 多目标优化 遗传算法
分类号: TP301.6
类 型: 博士论文
年 份: 2012年
下 载: 13次
引 用: 0次
阅 读: 论文下载
内容摘要
随着系统复杂程度的增加,系统失效率估计的难度也随之增大,这使得系统之间设计目标的权衡与协调的难度随之增加。通过多目标优化设计方法对系统进行设计是解决上述问题的有效方法之一。本文对复杂系统失效率估计方法、非约束多目标优化以及约束多目标优化设计方法开展了研究。在计算由并联或串联系统组成的复杂系统失效率时,基于其组成子系统或其运行时间的方法通常存在较大误差,有必要建立与复杂系统等效并能精确估计其失效率的方法。本文提出了一种将复杂系统减化成最小割集进而估计复杂系统失效率的方法,对由不同部件组成的串-并联系统和混合系统、相同部件组成的网络系统三种复杂系统失效率进行了估计,并与复杂系统简化方法估计的系统失效率进行对比。结果显示,本文提出的方法能够精确有效的估计复杂系统的失效率。系统复杂性的增加通常会导致多个目标相互冲突。通过对复杂系统多目标优化方法的研究,基于遗传算法和启发式搜索原则提出了GPSIA算法产生非支配最优解,并通过含有冗余的串-并联系统对GPSIA算法进行了验证,其中系统可靠性和费用作为优化目标,系统的重量作为约束,优化结果为均匀分布的非支配解,并用连续Pareto点的距离评价了算法的效果。通过与NSGA-II和SPEA-2算法的对比分析,对GPSIA算法的鲁棒性做了讨论。在实际问题的分析中,约束是广泛存在的。在基于GPSIA算法的优化策略中考虑了满足所有约束的可行解。非可行解会加快Pareto解的收敛速度。本部分在GPSIA方法的基础上,提出了GPSIA+DS算法,该算法在优化策略中同时考虑了可行解和非可行解。通过与GPSIA和NSGA-II算法在复杂系统优化中的对比分析,表明了GPSIA+DS算法的有效性。采用GSPIA+DS算法对某型飞机起落架位置指示和作动系统进行了多目标化,验证了该算法在可靠性工程中应用的有效性。
|
全文目录
摘要 4-5 ABSTRACT 5-16 CHAPTER 1 INTRODUCTION 16-21 1.1 DISSERTATION OUTLINE 19-21 CHAPTER 2 LITERATURE REVIEW 21-42 2.1 SYSTEM RELIABILITY PREDICTION 21-25 2.1.1 COMPONENT RELIABILITY PREDICTION 21-22 2.1.2 RELIABILITY PREDICTION FOR SERIES AND PARALLEL SYSTEMS 22-23 2.1.3 RELIABILITY PREDICTION FOR SERIES-PARALLEL SYSTEMS 23-24 2.1.4 RELIABILITY PREDICTION FOR COMPLEX SYSTEMS 24-25 2.2 SYSTEM COST ESTIMATION 25-29 2.2.1 TRADITIONAL COST ESTIMATION 26-27 2.2.2 PARAMETRIC COST ESTIMATION 27-28 2.2.3 FEATURE-BASED COST ESTIMATION 28 2.2.4 QUALITATIVE COST ESTIMATION 28-29 2.3 MULTI-OBJECTIVE OPTIMIZATION 29-40 2.3.1 MULTI-OBJECTIVE OPTIMIZATION PROBLEM FORMULATION 29-30 2.3.2 GENETIC ALGORITHM 30-31 2.3.3 MULTI-OBJECTIVE GENETIC ALGORITHM 31-32 2.3.4 DESIGN ISSUES AND COMPONENTS OF MULTI-OBJECTIVE GA 32-40 2.3.4.1 Fitness Function 32-35 2.3.4.2 Diversity 35-37 2.3.4.3 Elitism 37-39 2.3.4.4 Constraint Handling 39-40 2.3.4.5 Hybrid Multi-Objective GA 40 2.4 MULTI-OBJECTIVE GA FOR RELIABILITY OPTIMIZATION 40-42 CHAPTER 3 FAILURE RATE ESTIMATION FOR COMPLEX SYSTEM 42-56 3.1 FAILURE RATE 43-45 3.1.1 MEAN TIME TO FAILURE (MTTF) 44-45 3.2 FAILURE RATE COMPUTATION FOR EXPONENTIALLY DISTRIBUTED SYSTEMS 45-49 3.2.1 FAILURE RATE COMPUTATION FOR AN EXPONENTIALLY DISTRIBUTED SERIES SYSTEM 46-47 3.2.2 FAILURE RATE COMPUTATION FOR AN EXPONENTIALLY DISTRIBUTED PARALLEL SYSTEM 47 3.2.3 FAILURE RATE COMPUTATION FOR COMPLEX SYSTEMS 47-49 3.3 THE PROPOSED METHOD 49-55 3.3.1 OVERSIMPLIFIED METHOD 53-55 3.4 CONCLUSION 55-56 CHAPTER 4 HYBRID MULTI-OBJECTIVE OPTIMIZATION ALGORITHM BASED ON GA AND HEURISTIC TECHNIQUE 56-80 4.1 CLASSIFICATION OF MULTI-OBJECTIVE OPTIMIZATION 58-60 4.2 GPSIA METHOD 60-69 4.2.1 PROBLEM FORMULATION 60-63 4.2.2 SOLUTION ENCODING 63 4.2.3 INITIAL POPULATION 63-64 4.2.4 CROSSOVER 64-65 4.2.5 MUTATION 65 4.2.6 PARETO SET SELECTION 65-67 4.2.7 ALGORITHM 67-69 4.2.8 TERMINATION CRITERIA 69 4.3 PARETO SET SPACE 69-71 4.3.1 PROPOSED SYSTEMATIC UNIFORMITY ASSESSMENT STRATEGY 70-71 4.4 EXPERIMENTAL DESIGN 71-79 4.4.1 GPSIA COMPARISON WITH NSGA-II AND SPEA-261 76-79 4.5 CONCLUSION 79-80 CHAPTER 5 BIOLOGICALLY INSPIRED CONSTRAINED MULTI-OBJECTIVE OPTIMIZATION ALGORITHM BASED ON GA 80-98 5.1 CONSTRAINED MULTI-OBJECTIVE OPTIMIZATION PROBLEM 81-82 5.2 EXISTING CONSTRAINT HANDLING TECHNIQUES IN OPTIMIZATION 82-84 5.2.1 PENALTY FUNCTION 82-83 5.2.2 REPAIR ALGORITHM 83 5.2.3 FEASIBILITY PRESERVING REPRESENTATION AND OPERATORS 83 5.2.4 DECODER FUNCTIONS 83-84 5.2.5 MULTI-OBJECTIVE OPTIMIZATION TECHNIQUES 84 5.3 PROPOSED BIOLOGICALLY INSPIRED CONSTRAIN HANDLING TECHNIQUE 84-94 5.3.1 TEST PROBLEM 86-89 5.3.2 CONSTRAINED GPSIA: GPSIA+DS 89-94 5.3.2.1 Solution Encoding 89-90 5.3.2.2 Initial Population 90 5.3.2.3 Crossover 90-91 5.3.2.4 Mutation 91-92 5.3.2.5 GPSIA+DS Algorithm 92-94 5.4 COMPARATIVE STUDY 94-97 5.4.1 PERFORMANCE METRICS 94-95 5.4.2 EXPERIMENTAL DESIGN 95-96 5.4.3 COMPARING GPSIA+DS WITH GPSIA 96 5.4.4 COMPARING GPSIA+DS WITH NSGA-II+CD 96-97 5.5 CONCLUSIONS 97-98 CHAPTER 6 MULTI-OBJECTIVE OPTIMIZATION OF AN AIRCRAFT POSITION INDICATOR AND ACTUATION SYSTEM 98-127 6.1 PREVIOUS RELATED WORK 99-101 6.2 LANDING GEAR SYSTEM 101-104 6.2.1 MAIN LANDING GEAR (MLG) 101-102 6.2.2 NOSE LANDING GEAR (NLG) 102 6.2.3 AIRCRAFT POSITION INDICATION AND ACTUATION SYSTEM 102-104 6.3 RESEARCH METHOD 104-124 6.3.1 PIAS COMPONENT FAILURE RATE ESTIMATION 105-113 6.3.2 PIAS COMPONENT WEIGHT ESTIMATION 113-121 6.3.3 PIAS SOLUTION ENCODING 121-122 6.3.4 PIAS INITIAL POPULATION 122 6.3.5 PIAS CROSSOVER 122-123 6.3.6 PIAS MUTATION 123-124 6.4 EXPERIMENTAL DESIGN 124-126 6.5 CONCLUSION 126-127 CHAPTER 7 CONCLUSIONS AND FUTURE WORK 127-130 7.1 CONCLUSIONS 127-128 7.2 FUTURE WORK 128-130 论文摘要 130-137 REFERENCES 137-147 ACKNOWLEDGEMENT 147-148 RESEARCH PUBLICATIONS 148-149 APPENDIX I 149-151 APPENDIX II 151
|
相似论文
- 天然气脱酸性气体过程中物性研究及数据处理,TE644
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 基于蚁群算法的电梯群优化控制研究,TU857
- 高忠英学术思想与经验总结及运用补肺汤加减治疗呼吸系统常见病用药规律研究,R249.2
- 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
- 部队人员网上训练与考核系统的开发,TP311.52
- 基于并行算法的模糊综合评价模型的设计与应用,TP18
- 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
- 低压电力线载波通信可靠性研究,TM73
- 基于遗传算法的中短波磁天线的设计及实现,TN820
- 基于遗传算法的柑橘图像分割,TP391.41
- 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
- 基于遗传—牛顿算法的公交优化调度,TP18
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 用户权限管理系统可靠性测试的研究与应用,TP311.53
- 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
- 基于遗传算法和粗糙集的聚类算法研究,TP18
- 海底管道修复连接器的研究,TE973
- 趋向自然:唯信息论世界观下的生态工业系统演化,X321
- 基于遗传算法的淠史杭灌区渠系配水优化编组模型的研究,S274
- 躯体传感器网络自适应通信协议研究,TP212.9
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 一般性问题 > 理论、方法 > 算法理论
© 2012 www.xueweilunwen.com
|