基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

改进粒子群算法在柔性作业加工时间问题研究

为了减少柔性作业加工时长,在柔性作业加工问题中,提出一种改进粒子群算法(β-PSO)。该算法以最小加工时间为目标函数,惯性权重幂函数自适应调节,随机数采用贝塔分布进行改进,选取Kacem算例进行验证,通过对比β-PSO算法与标准粒子群算法(PSO)、余弦惯性权重改进粒子群算法(CPSO)的优化结果,β-PSO算法加工时间均较低。实验结果表明,β-PSO算法在减少柔性作业加工时间问题上的有效性。     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

基于离散粒子群算法的复杂曲面微小零件切削参数优化研究

采用常规方法计算零件切削参数优化目标函数和约束条件时,忽略了生产效率和粗糙度两个变量,导致优化参数作用下的零件加工表面粗糙度较大和加工总工时较长。为提高生产效率和降低生产成本,提出了基于离散粒子群算法的复杂曲面微小零件切削参数优化方法,选择切削速度和进给量作为待优化切削参数,确定参数优化目标方向,对微小零件加工的功率、切削力、进给量及粗糙度等进行约束,利用粒子群算法求解优化目标和约束条件组成的数学模型,得到切削速度和进给量最优解。选择微小齿轮毛坯、铣刀及机床进行滚齿加工的对比实验,并采用设计方法和常规方法获取不同切削深度下的切削参数优化值。结果表明,设计方法减小了齿轮加工表面粗糙度,缩短了齿轮加工总工时,提高了滚齿表面质量和生产效率。     

一种动态改变惯性权重的粒子群优化算法

针对粒子群优化算法的局限性，提出了一种动态改变惯性权重的粒子群算法，在优化迭代过程中，惯性权重值随粒子的位置和目标函数的性质而变化。函数测试表明，改进后的算法使收敛速度显著加快，而且不易陷入局部极值点。     

基于粒子群算法的越野车悬架参数优化

针对基于平顺性的悬架参数优化问题,建立了越野车后悬架系统参数优化的数学模型,包括优化变量、目标函数和约束条件,设计和应用了三种改进的粒子群算法,线性时变惯性权重粒子群算法、随机惯性权重粒子群算法和时变加速因子粒子群算法,来对车辆悬架平顺性进行优化,并与遗传算法对比。仿真结果表明,时变加速因子粒子群算法在收敛速度和收敛精度上都明显高于其他算法,优化后的车辆平顺性大大提高。     

面向绿色高效制造的数控加工参数优化研究

数控加工是当今机械制造业系统中普遍采取的一种加工方法,为实现数控切削加工中的高效性及减少碳排放,建立以加工过程中最小加工时间和最小碳排放量为目标函数的的多目标的切削参数优化模型,综合考虑实际加工生产中的各种约束条件,实现基于多工步环境下对切削速度和进给量的同步优化。运用粒子群算法与人工鱼群算法融合以改善人工鱼群算法的优化性能,并将其用于对所建模型的优化,通过具体案例验证了改进的人工鱼群算法具有较高的精度和较好的收敛性。     

高效高质量铣削参数多目标优化方法研究

机床的切削参数决定着机床加工的质量及加工效率,传统的切削参数选择方法基于工人经验,很难实现加工质量与效率的最优。针对以上问题,提出了一种面向高效、高质量加工的数控机床铣削参数多目标优化算法。算法以铣削四要素(切削速度、每齿进给量、切削深度和切削宽度)为优化变量,以最小切削力和最大材料去除率为优化目标;采用基于Tent映射的混沌初始化多目标粒子群优化模型进行参数优化,采用优化前后不同参数组合构建四因素四水平的正交实验,以表面粗糙度值作为加工质量主要表征,比较优化前后参数组合的实验结果。结果验证了优化方法和优化模型的有效性。     

基于改进PSO算法的数控机床主轴优化设计

通过分析主轴结构和加工过程中受载变形情况, 建立了主轴优化设计的数学模型。根据邓克莱法计算得到的一阶固有频率近似值,引入动态约束条件 。针对传统优化设计方法在解决主轴优化设计中出现的问题,引入粒子群优化 (PSO) 算法,并提出了一种惯性权重值适应性递减的粒子群（ADW）算法。将ADW算法用于数控机床主轴优化实例中,得到主轴结构参数优化组合。研究结果表明,运用所建立的主轴优化设计数学模型及改进粒子群算法可以得到主轴结构参数优化组合,充分显示了该研究方法的有效性。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。     

基于Labview非线性最优化的机械优化设计

采用Lab VIEW平台及最优化函数模块编程对机械轴销进行优化设计,介绍带约束的非线性最优化函数的使用方法和利用该函数编程优化的一般步骤,并用传统的优化工具验证结果,论述Lab VIEW在机械优化设计中的实用性。     

基于仿真优化的多种类型AGV数量配置优化方法

以生产线产能最大化为目标,以生产工艺、AGV路径、调度规则等为约束条件,建立了以AGV的数量为决策变量的数学模型来描述AGV的数量配置问题。针对该问题的复杂性,提出了基于仿真的优化方法。该方法利用仿真模型模拟AGV运行状态,并通过遗传算法确定AGV的配置数量,有效地提高了模拟的精确度与优化的速度。最后通过空调装配车间实例验证了该方法的有效性和可行性。     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

基于微粒群算法的机械优化设计

介绍了微粒群优化算法的原理、改进及算法实现过程.用数值实验验证了该算法在解决复杂机械优化问题方面的可行性与有效性.     

基于粒子群算法的公差分配优化方法

基于成本—公差模型和质量损失模型,以加工能力和装配尺寸链的功能约束条件为标准,以制造成本最低、质量损失最小为优化目标,建立兼顾产品成本和质量的公差分配的多目标函数优化模型。基于粒子群优化算法,按照从全局到局部的寻优策略,用线性调节方法来确定其参数的变化规律,进而应用MATLAB软件对建立的函数模型进行优化计算,得到产品的生产成本和质量损失之间的关系曲线,可为公差分配提供更多的解决方案和更可靠的理论依据。     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

机器人系统多学科协同优化设计

将多学科设计优化思想应用于机器人系统的设计问题.首先介绍了协同优化算法的主要思想与框架,然后以二自由度机器人的设计为例,着重研究用协同优化算法完成机器人的运动学、静力学、动力学与控制学的多学科设计优化.优化结果证明了协同优化算法解决复杂机器人系统多学科设计优化问题的有效性,为解决更为复杂的机械系统的设计优化问题奠定了基础.     

基于混合优化算法的直升机旋翼转速优化控制

为了实现直升机巡航飞行时最经济运行,基于某型常规布局直升机,建立巡航阶段需用功率目标函数,以飞行稳定性与操纵安全性指标作为约束条件,利用遗传 序列二次规划( GA-SQP )混合优化算法,对直升机巡航阶段实现最低需用功率的最优旋翼转速进行优化求解。实验结果表明,该方法得到的最优旋翼转速能够有效降低整机需用功率,优化算法得出的最优转速曲线对巡航状态下旋翼转速的变化方向具有一定参考意义。