人工免疫科学是近年来新发展起来的技术,在很多领域内都有着广泛的应用前景。本文前半部分对免疫系统的基本原理作了一些介绍,把近几年的人工免疫科学的一些成果做了总结,研究了免疫算法,讨论了免疫系统的特性和发展潜力。后半部分利用近似技术对飞机机翼前梁布局优化进行了研究。 第二章从生物免疫系统出发,阐述了免疫系统的层次结构、工作机制和特征,对免疫系统的记忆、自我识别、多样性等特性作了详细的论述。在第三章中总结概括了目前较为成熟的几种免疫算法,主要是基于群体的免疫算法和基于网络的免疫算法,阐述了它们各自采用的免疫学机理,实际中的应用情况,以及存在的不足。第四章介绍了其它几种人工学习系统,比较了人工免疫系统同它们的异同,特别是遗传算法和人工神经网络系统,并对这几种不同人工系统之间的相互借鉴应用进行了探索,把模拟退火算法和粒子群算法分别与免疫算法进行了比较。第五章从免疫系统原理出发,结合遗传算法提出了一种基于二次选择的免疫遗传算法,有效的改善了传统遗传算法易陷于局部最优的不足。对该算法中最为关键的两个部分,选择概率和抗体浓度的构造进行了细致的讨论,比较了三种不同抗体浓度构造方式在免疫遗传算法中的作用。并把该算法应用到桁架结构的优化设计过程中,收到较好的效果。 从第六章开始,主要对双梁式机翼前梁进行了布局优化设计,目前拓扑优化理论尚不完善,无法直接对翼梁位置进行优化设计,所以采用近似技术模拟出机翼梁位置变化对整个机翼结构整体受气动载荷下的应力和变形情况,在此之前要建立起机翼的有限元模型,并获得气动载荷,模拟机翼真实承载情况。第七章进行实验设计,因为主要是研究机翼前梁的布局优化,所以把前梁位置作为一个因素,连同机翼蒙皮厚度、前梁腹板厚度等共十个因素,进行实验设计,获得在各因素不同水平时机翼的位移、重量、最大应力等实验结果,从而建立响应面,分别得到重量、应力、位移对不同因素水平的响应关系,响应面为Kriging模型。把获得的重量响应面作为目标,应力、位移响应面作为约束,利用遗传算法进行优化,找到满足约束时重量最小的机翼前梁最优布局位置。