基于GEP的金屬疲勞時間預測模型.pdf

1、金屬疲勞問題，已經成為人們在現(xiàn)代世界中必須要面對和研究的重點問題。其中對金屬疲勞時間進行預測的課題，已經成為最流行和最受關注的課題。目前對金屬疲勞時間的預測的方法主要是依據物理方法，首先通過對金屬材料的研究和對試驗環(huán)境的控制，得出需要的試驗數據，最后通過一些定理和法則對數據進行處理得出結論。在數據處理的過程中，誤差是不可避免，而演化計算具有自組織、自適應和自學習等智能特征，利用已知的數據求出未知的函數。本文首先介紹演化計算的一種方法-基

2、因表達式編程，然后對其算法的實現(xiàn)進行了具體的研究，經過系統(tǒng)的研究，發(fā)現(xiàn)基因表達式編程中遺傳算子的概率，只是依賴于人工設定的參數，可靠性較差，影響結果的精確性。因此本文提出了一種改進的GEP算法，并在此方法的基礎上給出了相應的算法流程。最后把它運用到金屬疲勞時間預測中，比較了原來的GEP算法和改進的算法的優(yōu)劣，得出了比較理想的試驗結果。本文主要研究內容如下：
　　 (1)研究了GEP算法的基本原理和過程。詳細的研究了基因表達式編程

3、的編碼方式、適應值函數、遺傳因子，給出了具體的算法流程?？偨Y了GEP的特點并比較了其與其它遺傳算法的區(qū)別。
　　 (2)提出了一種改進的GEP算法。該方法是在原來的算法的基礎上，對GEP的遺傳因子進行改變，即通過一種分層的原理，把GEP的表達式分成幾部分。通過對不同的部分采取相應的策略，使個體更好的演化，最終達到適應值函數的取值范圍。新的基因表達式編程與傳統(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算法的整體結構更加簡潔，理解更加容易，算法更加可靠。
　　 (3)利用改進的GEP算法對金屬疲勞時間進行了預測。首先，給出了金屬疲勞預測的模型，對此模型進行了詳細的介紹，研究了模型中各個參數的意義；其次，用改進的GEP算法得出金屬疲勞預測中參數K的表達式；最后，通過程序的求解得出金屬疲勞時間預測的結果。
　　 本文的創(chuàng)新成果是提出一種改進的GEP算法，結合原來基因表達式編程的原理，利用改進的GEP