基于GEP的金屬疲勞時(shí)間預(yù)測模型.pdf

1、金屬疲勞問題，已經(jīng)成為人們在現(xiàn)代世界中必須要面對和研究的重點(diǎn)問題。其中對金屬疲勞時(shí)間進(jìn)行預(yù)測的課題，已經(jīng)成為最流行和最受關(guān)注的課題。目前對金屬疲勞時(shí)間的預(yù)測的方法主要是依據(jù)物理方法，首先通過對金屬材料的研究和對試驗(yàn)環(huán)境的控制，得出需要的試驗(yàn)數(shù)據(jù)，最后通過一些定理和法則對數(shù)據(jù)進(jìn)行處理得出結(jié)論。在數(shù)據(jù)處理的過程中，誤差是不可避免，而演化計(jì)算具有自組織、自適應(yīng)和自學(xué)習(xí)等智能特征，利用已知的數(shù)據(jù)求出未知的函數(shù)。本文首先介紹演化計(jì)算的一種方法-基

2、因表達(dá)式編程，然后對其算法的實(shí)現(xiàn)進(jìn)行了具體的研究，經(jīng)過系統(tǒng)的研究，發(fā)現(xiàn)基因表達(dá)式編程中遺傳算子的概率，只是依賴于人工設(shè)定的參數(shù)，可靠性較差，影響結(jié)果的精確性。因此本文提出了一種改進(jìn)的GEP算法，并在此方法的基礎(chǔ)上給出了相應(yīng)的算法流程。最后把它運(yùn)用到金屬疲勞時(shí)間預(yù)測中，比較了原來的GEP算法和改進(jìn)的算法的優(yōu)劣，得出了比較理想的試驗(yàn)結(jié)果。本文主要研究內(nèi)容如下：
　　 (1)研究了GEP算法的基本原理和過程。詳細(xì)的研究了基因表達(dá)式編程

3、的編碼方式、適應(yīng)值函數(shù)、遺傳因子，給出了具體的算法流程?？偨Y(jié)了GEP的特點(diǎn)并比較了其與其它遺傳算法的區(qū)別。
　　 (2)提出了一種改進(jìn)的GEP算法。該方法是在原來的算法的基礎(chǔ)上，對GEP的遺傳因子進(jìn)行改變，即通過一種分層的原理，把GEP的表達(dá)式分成幾部分。通過對不同的部分采取相應(yīng)的策略，使個(gè)體更好的演化，最終達(dá)到適應(yīng)值函數(shù)的取值范圍。新的基因表達(dá)式編程與傳統(tǒng)的算法比較，能夠使問題的全局最優(yōu)解更好的取到，能夠很好的抑制早熟發(fā)生和收

4、斂到局部最優(yōu)。新的GEP算法的整體結(jié)構(gòu)更加簡潔，理解更加容易，算法更加可靠。
　　 (3)利用改進(jìn)的GEP算法對金屬疲勞時(shí)間進(jìn)行了預(yù)測。首先，給出了金屬疲勞預(yù)測的模型，對此模型進(jìn)行了詳細(xì)的介紹，研究了模型中各個(gè)參數(shù)的意義；其次，用改進(jìn)的GEP算法得出金屬疲勞預(yù)測中參數(shù)K的表達(dá)式；最后，通過程序的求解得出金屬疲勞時(shí)間預(yù)測的結(jié)果。
　　 本文的創(chuàng)新成果是提出一種改進(jìn)的GEP算法，結(jié)合原來基因表達(dá)式編程的原理，利用改進(jìn)的GEP