第1章 绪论 1
1.1国内外研究现状 1
1.1.1智能计算的发展现状 1
1.1.2知识在集成优化中运用的水平 5
1.1.3传统优化设计理论的发展现状及不足 5
1.1.4单一智能优化算法存在的不足 6
1.1.5集成优化设计理论的发展现状及分析 7
1.2本书的主要研究内容 12
1.3本书的研究方法及组织结构 15
1.3.1本书的研究方法 15
1.3.2本书的篇章结构 15
1.4本书研究的重要意义和应用前景 16
第2章 面向工程机械的优化设计理论及方法 17
2.1优化设计理论及基本概念 17
2.1.1优化设计的基本概念 17
2.1.2优化设计理论 19
2.1.3优化设计的关键技术 22
2.2优化设计技术分类 40
2.3面向工程机械的多目标智能优化 41
2.3.1多目标优化的基本概念 41
2.3.2多目标优化问题的传统求解方法 42
2.3.3常见的多目标优化性能度量方法 46
2.3.4改进的多目标优化问题的性能度量方法 48
2.3.5基于进化算法的多目标优化问题的求解方法 51
第3章 智能计算方法及其集成技术 57
3.1常见智能计算方法及其改进算法 57
3.1.1模拟退火算法 57
3.1.2遗传算法及算法改进措施 62
3.1.3神经网络优化算法及动态反馈神经网络的稳定性分析 75
3.1.4蚁群优化算法 84
3.1.5粒子群优化算法 89
3.2智能计算方法的集成技术 97
3.2.1集成与系统集成的主要特征 97
3.2.2智能集成的涵义 98
3.2.3智能集成优化的关键问题 98
3.2.4智能集成优化的集成形式 98
3.2.5智能集成优化算法的性能评价 101
第4章 智能计算与仿真分析的结合模式及集成优化求解方法 103
4.1智能计算与仿真分析的集成模式 103
4.2工程机械优化设计模式分类 104
4.3集成优化求解方法的指导性知识规则 105
4.4优化设计模式的智能集成优化求解方法 108
4.4.1以遗传算法为代表的遗传集成类优化求解方法 109
4.4.2以神经网络为代表的网络集成类优化求解方法 111
4.4.3以蚁群算法为代表的蚁群集成类优化求解方法 115
4.4.4以粒子群算法为代表的粒子群集成类优化求解方法 120
4.4.5遗传算法集成混沌优化求解方法 121
4.4.6蚁群算法集成混沌优化求解方法 123
4.4.7粒子群算法集成混沌优化求解方法 129
4.4.8基于多蚁群算法的多目标智能集成优化求解方法 133
4.4.9基于网络响应面的多目标优化求解方法 136
4.5集成优化算法的参数自适应动态调整 141
4.5.1遗传算法控制参数的自适应调整方法 142
4.5.2粒子群参数动态自适应调整方法 144
4.5.3遗传算法参数的模糊逻辑控制器调整方法 148
4.5.4蚁群优化算法参数的模糊逻辑控制器调整方法 149
第5章 基于智能计算与仿真分析的知识获取方法 153
5.1神经网络优化的产生式知识获取方法 153
5.2基于粗糙集理论的知识获取方法 157
5.2.1知识自动获取原理 157
5.2.2基于粗糙集理论的知识自动获取过程 158
5.3智能计算与仿真分析相结合的知识获取方法 165
5.3.1基于ADAMS仿真数据的知识获取方法 165
5.3.2基于ANSYS分析数据的知识获取方法 167
第6章 智能集成优化平台及锚杆钻机动力头集成优化实例 169
6.1智能集成优化平台的总体结构 169
6.2智能集成优化系统的功能模块 171
6.3液压锚杆钻机的发展现状 172
6.4液压锚杆钻机动力头传动机构的智能集成优化实例 174
6.5锚杆钻机动力头智能集成优化设计的知识获取方法 179
6.5.1锚杆钻机动力头ADAMS仿真数据的知识获取方法 179
6.5.2锚杆钻机动力头ANSYS分析数据的知识获取方法 182
第7章 总结及展望 185
7.1研究工作总结 185
7.2研究工作的不足及展望 187
参考文献 189