基于改进的BP-NSGAⅡ算法的注塑工艺参数优化

注塑成形工艺优化的目标就是要在设备固定、原料配方不变的情况下,将保证质量和提高效率两者协调一致,以达到最理想的成形工艺。首先建立了以产品质量和生产效率为目标函数,以模具温度、熔体温度、保压压力、保压时间和冷却时间等为决策变量的多目标综合优化模型。利用BP神经网络的强大的非线性插值能力和自我学习能力来训练模型样本数据,最后结合改进的非支配排序遗传算法(NSGAⅡ)的全局寻优和多目标优化求解能力,得出最优的注塑工艺设计。     

基于响应面模型和NSGA-Ⅱ算法的注塑成型工艺优化

以某安全箱箱体为例,将最大缩痕指数和最大翘曲变形作为优化目标,以模具温度、熔体温度、注射速率、保压压力和保压时间为设计变量,通过正交试验设计及有限元模拟,获取试验样本;基于Isight参数优化软件,建立安全箱箱体注塑成型工艺参数与优化目标之间的响应面近似模型;利用非支配排序遗传算法在响应面模型内自主寻优,获取一组安全箱注塑成型的最优工艺参数;根据数值分析结果设计了注塑模具,按最优工艺参数试模,一次性试模成功。结果表明该方法可快速、有效实现注塑成型工艺优化。     

汽车B柱加强板热冲压工艺的遗传算法多目标优化

为了提高汽车B柱加强板热冲压件的厚度均匀性,提出了非支配排序遗传算法的工艺参数多目标优化方法。分析了B柱加强板的热冲压过程,选择板料加热温度、冲压速度、摩擦系数和模具间隙作为优化参数。以减小最大减薄率和最大增厚率作为优化目标,建立多目标优化模型。使用最优拉丁超立方抽样法在优化空间内设计实验点,并依据Autoform有限元软件得到实验值。基于BP神经网络拟合工艺参数与质量参数之间的关系,并依据预测均方根误差验证了拟合的精确性。使用非支配排序遗传算法搜索多个优化目标的Pareto前沿解。经生产验证,与厂家工艺相比,优化后的热冲压件最大减薄率减小了22.25%,最大增厚率减小了7.34%,说明优化后冲压件的质量得到了提高;且优化后最大减薄率和最大增厚率的标准差均减小,说明优化工艺的生产稳定性更好。     

连杆衬套强力旋压成形的多目标优化与决策

为了减小连杆衬套强力旋压成形的圆柱度误差和壁厚偏差,提出了基于加权相对距离的最优解决策策略.介绍了连杆衬套的强力旋压成形工艺,以减小圆柱度误差和壁厚偏差为目标建立了多目标优化模型.使用RBF神经网络和有限元仿真软件拟合了工艺参数与目标参数之间的函数关系,经验证RBF神经网络的拟合精度较高.使用非支配排序遗传算法对多目标...     

基于优质高效的数控铣削参数优化方法研究

为了实现模具制造过程的优质高效率生产,基于能量效率、表面质量为优化目标函数模型,采用非支配排序遗传算法进行参数优化。选择Cr12MoV模具钢材料进行单工步干式铣削沟槽正交实验,通过试验结果获得优化后最优的Pareto解集。考虑缩小优化结果的选择范围提升数控铣削方案的合理准确性,采用层次分析法对优化的参数组合方案进行评价分析。结果表明：应用层次分析法评价分析可以获得最佳目标参数组合方案,可实现数控机床加工模具钢过程中的高效率、高质量加工。     

基于代理模型和NSGA-Ⅱ的超高强钢电阻点焊工艺参数多目标优化

为寻求超高强钢电阻点焊时最佳的焊接工艺参数,开展正交试验法设计三因素五水平的平板搭接点焊试验,以焊接时间、焊接电流和电极压力为可调的工艺参数,将熔核直径、压痕深度、拉剪强度及飞溅情况作为焊接接头质量评价指标. 基于高斯过程回归和BP神经网络建立起焊接工艺参数与焊接接头质量评价指标之间关系的代理模型,训练的结果显示模型精度很高. 最后利用带精英策略的非支配排序的遗传算法NSGA-Ⅱ实现多目标优化,得到各评价指标之间的最优pareto解集. 经验证,各评价模型的相对误差值都很小. 结果表明,该优化方法有较好的预测效果和稳定性. 通过使用较少的试验数据,建立优化模型的方法对电阻点焊及其它焊接领域最佳焊接工艺参数的选取具有重要的指导价值.     

基于代理模型和NSGA-Ⅱ的超高强钢电阻点焊工艺参数多目标优化

为寻求超高强钢电阻点焊时最佳的焊接工艺参数,开展正交试验法设计三因素五水平的平板搭接点焊试验,以焊接时间、焊接电流和电极压力为可调的工艺参数,将熔核直径、压痕深度、拉剪强度及飞溅情况作为焊接接头质量评价指标.基于高斯过程回归和BP神经网络建立起焊接工艺参数与焊接接头质量评价指标之间关系的代理模型,训练的结果显示模型精度很高.最后利用带精英策略的非支配排序的遗传算法NSGA-Ⅱ实现多目标优化,得到各评价指标之间的最优pareto解集.经验证,各评价模型的相对误差值都很小.结果表明,该优化方法有较好的预测效果和稳定性.通过使用较少的试验数据,建立优化模型的方法对电阻点焊及其它焊接领域最佳焊接工艺参数的选取具有重要的指导价值.     

基于KPCA和优化ELM的齿轮箱故障诊断

针对齿轮箱的故障表征不明显且传统分类方法精度低等问题,提出一种基于核主成分分析(KP-CA)特征提取和蚁群算法优化极限学习机神经网络(ACA-ELM)分类识别相结合的齿轮箱故障诊断方法.首先,从齿轮箱的原始信号中提取时域与频域特征构成特征矩阵,利用KPCA方法降低维度,剔除冗余信息,提取有效的特征指标;其次,利用蚁群算...     

铜散热片冲锻复合成形工艺参数优化

以铜散热片为对象,研究其冲锻复合成形工步的安排,采用正交试验与BP神经网络相结合的方法,建立成形工步数、每步压下量、飞边槽高度与总成形力及力的极差之间关系的数学模型.采用多目标遗传算法进行优化,获得Pareto最优解集,通过定义满意度函数选出满意解.为验证优化结果的准确性,对满意解进行有限元模拟验证.     

GA-ELM混合算法预测齿轮坯终锻成形及预锻件优化

多工位锻造齿轮坯的生产过程中,如何设计齿轮坯预锻件将直接影响到终锻件的金属流动、模具型腔的充满、锻件的质量以及模具的寿命。文中首先利用极限学习机ELM网络学习效率高、泛化能力强、预测精度高的特点,在预锻件尺寸、终锻成形力和终锻模具应力之间建立ELM网络模型,并使用遗传算法的全局寻优功能去优化ELM网络以便提高其预测精度和稳定性,这样得到的预锻件使终锻模具的受力大小合理,确定了特定条件下的最佳的预锻件形状和尺寸。     

基于优化极限学习机的涡轴发动机转子碰摩故障诊断

针对涡轴发动机容易在转子过渡态-稳态间瞬间失衡导致碰摩现象,提出改进遗传算法优化的极限学习机诊断模型。基于某涡轴发动涡轮机匣振动信号包络曲线,仿真涡轴发动机正常状态、燃气涡轮转子碰摩状态、动力涡轮转子碰摩转态、燃气与动力涡轮转子碰摩转态4种工况的振动信号;对振动信号进行频谱分析,提取振动信号特征参数构建故障样本数据集;使用改进遗传算法优化极限学习机,并将它用于碰摩故障诊断。结果表明：训练集平均诊断准确率为96.8%、波动幅值为2.82%;测试集平均诊断准确率高达95.43%、波动幅值为0.93%,收敛误差达到0.22,验证了所提出的方法诊断准确率高、波动幅值小、误差低,适用于碰摩故障诊断。     

基于改进超限学习机的制造过程质量监控模型

针对超限学习机识别模型在制造过程质量异常模式识别中存在输入权值和偏置向量随机设置导致识别效率低的问题,通过粒子群优化算法对超限学习机模型的网络结构进行优化,提出一种基于改进超限学习机的制造过程质量监控模型。利用主成分分析方法进行过程质量数据的特征提取,利用主成分特征对识别模型进行训练,利用粒子群优化算法对识别模型的网络结构进行优化。仿真实验和实测数据均表明：所提基于改进超限学习机的制造过程质量异常识别模型的识别效率明显高于其他同类模型,能够用于制造过程的实时监控。     

Multiple performance optimization in machining of GFRP composites by a PCD tool using non-dominated sorting genetic algorithm (NSGA-II)

Optimization of cutting parameters is important to achieving high quality in the machining process, especially where more complex multiple performance optimization is required. The present investigation focuses on the multiple performance optimization on machining characteristics of glass fiber reinforced plastic (GFRP) composites. The cutting parameters used for the experiments, which were carried out according to Taguchi’s L₂₇, 3-level orthogonal array, were cutting speed, feed and depth of cut. Statistical models based on second-order polynomial equations were developed for the different responses. The Non-dominated Sorting Genetic Algorithm (NSGA-II) tool was used to optimize the cutting conditions, yielding a non-dominated solution set that is reported here.     

基于改进遗传算法的数控机床加工铣削参数优化方法

对于数控机床加工铣削参数优化多采用常规的可信度近似模型,但该方法易受到材料失效应变系数的影响,导致优化后的加工效率较低,提出基于改进遗传算法的数控机床加工铣削参数优化方法.根据工件的本构模型,对切削刃进行采样抽取,确定最小铣削力波动位置;引入材料失效准则计算材料失效应变系数,基于此,以加工时间最短、加工成本最低和加工能耗消耗最小为目标建立铣削参数优化模型,并采用改进遗传算法求解模型,通过迭代适应度值,输出最佳铣削参数;最后,采用对比实验的形式对所提方法的优化性能进行测试.测试结果表明:应用所提方法对数控机床加工铣削参数进行优化后,能够有效缩短切削时间,提高加工效率.     

基于模糊熵与CS-ELM的供输弹系统早期故障识别

针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。     

Delta并联机器人机构多目标优化设计

针对Delta并联机构设计中存在的问题,研究Delta并联机构动力学模型、运动学模型等,并探讨一种求解Delta并联机器人尺度综合问题的设计方法。通过对Delta机器人的主要尺寸参数与6项性能指标进行试验设计,将性能指标合并为3个优化目标函数。在iSIGHT软件平台上运用非支配排序遗传算法(NSGA-Ⅱ),在特定轨迹下对3-DOF Delta并联机构进行尺度综合;对比两种优化策略下目标函数的Pareto图。结果表明:减少目标函数后的优化策略收敛性好、计算费用低,且有更多可行性解。     

混合编码遗传算法及其在机械设计中的应用

对于不同数据类型的设计变量采用相对方便的编码方式,有利于算法的计算精度和计算性能的提高,文章在标准遗传算法的基础上采用混合编码的方式解决了染色体中存在多种数据类型变量的遗传优化问题,并针对于所采用的混合编码方式设计了合理的遗传算子,经过测试函数测试和在实际问题中的应用,验证了该算法的有效性.     

改进的神经网络技术在声发射定位中的应用

针对时差定位法受很多因素影响的弊端,将神经网络技术应用到声发射源定位中。提取最能揭示声发射源的特征参数和运用主元分析技术来降低输入样本的数量;采用增加隐含层神经元个数探讨它们的误差变化来确定隐含层;运用附加动量法和优化选取初始阈值等措施进行网络设计。将设计好的网络运用到实例中,通过与实际缺陷位置的比较,结果表明,选择合理的网络结构和输入参数可准确定出结构损伤位置,且精度有较大的提高,计算更简单有效。