设计方法复习题[答案].doc

  1. 1、本文档共8页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
设计方法复习题[答案]

填空: 1.优化设计的数学模型由:设计变量 ,目标函数 ,约束条件 三部分组成。 2.最优化设计的方法归纳起来,可分两步。即建立数学模型,求解数学模型。 3.数学规划的两个重要分支是:线性规划和非线性规划 ;工程设计问题一般属于非线性规划 。 4.取泰勒展开式的前两项时,可得到函数的泰勒线性近似式为: f(t)≈f(X(k))+[▽f(X(k))]T[X-X(k)] 。 5.对于无约束优化问题多元函数在点X(k)取得极小值的条件是: 函数在该点的梯度为零 ,二阶导数矩阵为正定 。 6.一个下降迭代算法的构成需解决的三个基本问题是: 选择有哪些信誉好的足球投注网站方向,确定步长因子,给定收敛准则.。 7.下降迭代算法的收敛准则通常有三种:点距准则 , 值差准则,梯度准则,黄金分割法(二次插值法)的收敛准则为区间长度足够小 。 8.根据有哪些信誉好的足球投注网站方向的不同构成方式,可将无约束优化方法分为: 导数法(解析法)和模式法(直接法) 两大类。 9.求解非线性约束优化问题时,根据处理约束条件的不同方式可将优化方法分为: 直接法,间接法两大类。 10.可靠性学科的主要理论基础是:概率统计。 11.若失效时间随机变量可用指数分布来描述,则可靠度函数为R(t)=e-λt=e-t/θ。 12.某产品的失效时间随机变量服从指数分布,则其平均无故障工作时间为 θ ;故障率为 1/θ。 13.用“相关检验”法进行回归方程的显著性检验时,引用一相关系数γ, 当γ=1 时,说明变量之间完全线性相关;当γ=0 时,说明变量之间无内在的关系。 14.在进行系统的可靠性预测时,常把系统的可靠性模型分为两大类,即串联系统和并联系统。 15.在进行可靠性设计时“应力”的含义是指:凡是引起零件(系统)失效的一切因素 ; “强度”的含义是指凡是阻止零件(系统)失效的一切因素 16.最优化问题也称为数学规划问题,根据数学模型中是否包含约束条件, 可将其分为约束优化问题和无约束优化问题。 17.对极小化问题来说,目标函数的值越小,对应的设计方案越好。 设计问题的最优解即目标函数的最小值及其对应的设计变量的取值。 二、判断题: 优化计算所谓的最优解只是数学模型的最优解。(T) 一个工程问题的设计变量可以选择常量,独立变量和因变量(F)。 对极小化问题来说,目标函数的值越小,对应的设计方案越好(T)。 函数在一点的梯度是函数在该点变化率的全面描述(T)。 函数在点X(k)的梯度为零,是函数在该点取得的极值的充要条件(F)。 具有超线性收敛性的算法是收敛速度最快的算法(F)。 在无约束优化方法中,导数法的收敛性和收敛速度较模式法好(T)。 对于非正定函数,基本牛顿法不能始终保持函数的下降性(T)。 阻尼牛顿法具有二阶收敛性,在所有无约束优化方法中是收敛性最好的算法(T)。 10.以相同的安全系数所设计出的零件其安全程度相同(F) 11.零件设计时安全系数越大,则安全效果必然最好(F)。 12.随机变量t与标准随机变量z线性相关,则失效概率分布为正态分布(T)。 13.每一可靠度函数仅有一故障率函数与之对应(T)。 14.两个设计在规定时间内具有相同的可靠度,则其故障率也相等(F)。 三.名词解释: 最优化设计:借助最优化设计方法和计算机技术,求取工程问题的最优设计方案。 进行最优化设计时,首先必须将实际问题加以数学描述,形成一组由数学表达式 组成的数学模型,然后选择一种最优化数值计算方法和计算机程序,在计算机上运算求解, 得到一组最佳的设计参数。这组设计参数就是设计的最优解。 等值线(面): 令函数f(X)等于常数c,即使f(X)=c,则满足此式的点X在设计 空间中定义了一个点集。当n=2时,该点集是设计平面中的一条直线或曲线;当n=3时, 该点集是设计空间中的一个平面、曲面或超曲面。在这种线或面上所有点的函数值均相等。 因此,这种线或面就称为函数的等值线或等值面。 多元函数的梯度:函数在点X(k)的梯度是由函数在该点的各个一阶偏导数组成的向量。 函数的梯度具有以下性质: 函数在一点的梯度是一个向量。梯度的方向是该点函数值上升得最快的方向, 梯度的大小就是它的模长。 一点的梯度方向与过该点的等值线或等值面的切线或切平面相垂直, 或者说是该点等值线或等值面的法线方向。 梯度是函数在一点邻域内局部性态的描述。在一点上升得快的方向, 离开该邻域后就不一定上升得快,甚至可能下降。 线性规划问题的基本解:在约束方程中,若令n-m个变量为零,就可以求得 另外m个不全为零的变量。

文档评论(0)

junjun37473 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档