基于多种代理模型的光纤激光切割质量预测

为了提高光纤激光切割质量的预测精度,分别使用了多项式响应面法、克里金法和支持向量回归法三种代理模型方法,建立了激光功率、切割速率和辅助气体压力等加工参数与挂渣量之间的预测模型。使用拉丁超立方抽样法产生30组训练数据,利用正交试验法产生25组验证数据用以验证预测模型的精度。结果表明,利用克里金法和支持向量回归法建立的模型均成功地预测了挂渣质量,其中克里金法建立的模型预测精度最高,并利用该模型分析了激光切割加工参数对挂渣量的影响规律。     

基于响应面法的多材料优化模型与应用

基于二阶响应面法,建立高效多材料、多目标优化模型,研究降低某款汽车座椅骨架总质量的各零部件材料和厚度的最优设计方案。利用多目标优化方法定义了优化问题,采用最优拉丁方试验设计方法在样本空间进行采样,同时为了提高优化求解效率,采用二阶响应面近似模型拟合设计变量与响应之间的关系,并利用NSGA-Ⅱ算法对优化问题进行求解。应用中,以减轻座椅骨架总质量和提升一阶模态为优化目标,定义各零部件的材料类型及厚度为设计变量,得出材料和厚度的最优设计方案,并依据相应国标对优化方案进行校验。结果表明,在满足各项国标的前提下,该方法准确有效,在提升一阶模态的同时,实现了对座椅骨架的轻量化设计。     

基于析因设计的轻卡正面碰撞安全性优化

为改善某轻型商用车的驾驶室正面碰撞安全性,基于HyperMesh前处理软件建立驾驶室有限元模型,借助LS-DYNA非线性求解软件进行碰撞试验仿真。将仿真结果与实车试验结果进行对比,验证有限元模型的准确性。运用析因设计方法筛选显著因子,采用最优拉丁超立方试验设计方法,结合Isight优化软件建立响应面模型并选用NSGA-Ⅱ遗传算法进行优化求解。结果表明,在重量没有增加的情况下驾驶室正面碰撞安全性显著提升,而且驾驶室顶部及后围碰撞安全性均未受到影响。     

基于机器学习和多目标算法的钛合金插铣优化

针对钛合金的插铣加工过程开展试验和优化研究。以材料去除率和切削力为目标，采用机器学习和多目标优化算法相结合的方法来优化插铣切削参数；以主轴转速、径向切削宽度、切削步距和每齿进给量为试验变量，采用田口方法对试验变量组进行缩减。将机器学习方法与传统一阶和二阶回归方法比较，发现机器学习有很好的预测精度且解集分布更合理。分别采用MOEA/D、NSGA-Ⅱ、SPEA2、NSPSO算法对问题进行求解，并比较它们的性能，结果表明NSGA-Ⅱ综合表现最佳。最后将优化结果与初始参照进行比较，发现优化结果可以显著提高材料去除率并减小切削力，达到了高效稳定加工的目的。     

基于支持向量回归的迭代序列响应面可靠度计算方法

在基于支持向量回归的响应面可靠度计算方法基础上,采用试验设计中设计试验点的方法生成样本点,构造训练集,并对可靠度计算的迭代序列响应面方法进行改进.计算结果表明,与采用拉丁超立方抽样和常规梯度优化法求解的基于支持向量回归响应面方法相比,文中方法所需样本更少、收敛更快、结果更理想.     

支持少样本的高速滚齿工艺参数优化

针对少量历史加工案例支撑下的工艺参数优化问题,提出一种融合支持向量回归和多目标蜻蜓算法的高速滚齿工艺参数优化方法。建立高速滚齿加工效果评价模型,设定ε-支持向量回归参数:核函数类型、惩罚因子和松弛变量,利用多目标蜻蜓算法生成支持向量回归参数组,利用支持向量回归生成包括主轴转速、进给量在内的工艺参数组,计算包括加工质量、加工时间、加工成本、环境影响在内的目标值,运用多目标蜻蜓算法中的Pareto最优方法寻找非支配解,循环上述过程,满足终止条件得到支持向量回归参数和工艺参数非支配解集,即优化支持向量回归参数组和工艺参数组。通过与实际滚齿加工比较验证了所提方法的可行性,并通过与单独支持向量回归等算法的对比说明了该方法在少样本的情况下具备一定优势。     

前悬架硬点优化设计

针对前悬架性能的优化问题,提出一种基于近似模型并用响应面法和改进NSGA-Ⅱ遗传算法相结合的方法对前悬架进行优化设计。利用ADAMS/Car建立双叉臂前悬架动力学仿真分析模型,在Insight中对悬架的硬点参数进行灵敏度分析,选择出灵敏度大的设计参数,并建立响应面近似模型,运用改进NSGA-Ⅱ算法对悬架进行硬点优化设计。结果表明,优化后的前轮定位参数在车轮跳动过程中的变化量明显减小,悬架的性能得到很好的提高,该设计方法实现了悬架硬点的优化,为悬架的优化设计提供了依据。     

基于粒子群优化的支持向量机的软测量应用

提出了一种基于粒子群优化算法的支持向量机参数选择方法。针对RBF-SVM,利用PSO算法中粒子速度及其位置与RBF-SVM模型中参数对C和g相对应,找到最优参数,代入支持向量机SVM预测模型中,得到基于粒子群优化算法的支持向量机(PSO-SVM)模型,利用此模型对电厂的一次风量软测量进行预测研究。实验结果表明,经过粒子群优化算法的支持向量机回归模型具有较高的预测精度,粒子群优化算法是选取支持向量机参数的有效方法。     

基于数值模型的F-T煤制油柴油机排放优化研究

为了实现F-T煤制油在柴油机上低排放燃烧的目的,选取柴油机典型工况,采用Box-Benhnken方法进行试验设计,通过支持向量机和响应面方法建立喷油参数与排放指标之间的数值模型,在对比分析模型性能的基础上,对柴油机排放指标进行多目标优化研究。分析表明：响应面模型选择二次回归方程进行拟合分析,支持向量机模型（SVM）选用RBF核函数时,两种模型的预测精度最高。试验工况下,响应面模型对SOOT和NOx预测的最低精度分别是77.4%和97.1%,SVM模型对SOOT和NOx预测的最低精度分别是40.1%和90.8%,在试验样本较少状况下响应面模型预测精度高于SVM模型,可以准确表达喷油参数与排放指标之间的关系。在测试工况下,采用响应面模型对柴油机排放指标进行优化分析,SOOT和NOx分别降低55.72%和7.43%。     

基于机器学习的按需式电流体喷射打印微滴直径预测

为节省按需式电流体微滴喷射打印技术的微滴直径预测时间及解决众多工艺参数的合理选择问题，实现更高打印质量和效率，提出了数值仿真与机器学习算法相结合的方法。基于线性回归、支持向量回归、神经网络和随机森林算法建立8种参数与微滴直径的关系模型。算法结果表明：支持向量回归算法准确率最高、误差较小，随机森林算法和线性回归算法次之，神经网络算法准确率较低且误差较大。机器学习可以对按需式电流体微滴喷射打印微滴直径进行有效预测，此方法可以有效地提高设计效率。     

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策#br#

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法（improved NSGA-Ⅱ）为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传反向传播算法（GABP）神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。     

基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计

利用非劣排序遗传算法(NSGA-Ⅱ)对通用涡旋压缩机的动静涡旋盘涡旋体高度、涡旋盘主轴转角、涡旋型线基圆渐开角、涡旋型线基圆半径基本参数进行优化设计,使涡旋盘的径向气体力、切向气体力、倾覆力矩、自转力矩、能效比达到最优。给出了优化设计的遗传算法计算方法、数学模型、基于遗传算法数学模型、程序流程图、多目标优化结果。较其他优化方法,NSGA-Ⅱ能较好解决多目标非线性优化问题,最后用优化后的数据验证了该方法的有效性。     

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明：与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。     

基于能耗的冷轧连退机组能效建模与工艺参数优化及排序建模优化

以冷轧连续退火机组能耗集中的炉区作为研究对象，根据能量流与热力学理论，建立了能耗与主要工艺参数之间的映射模型；采用MATLAB结合一种改进的量子遗传算法对能效模型进行优化，获取在保证质量的前提下能效最高的工艺参数组合；以辅助设备能耗最低、生产规格跳变平缓以及满足交货期为优化目标，建立了冷轧连退产线生产调度多目标优化模型，采用非支配排序遗传算法（NSGA-Ⅱ）进行求解，得出最优排序。结果表明，该模型和算法对生产实际有一定的指导作用。     

SVRT: a decision tree-assisted support vector regression for modeling engineering data with complex regression relationship

Support vector regression has been widely used in engineering data modeling. The regression relationship of engineering data usually varies greatly, which results that it being difficult to evaluate through a unified prediction model. In this work, a decision tree-assisted support vector regression is proposed, which can take advantage of training samples partition to improve prediction accuracy. A decision tree is proposed to partition the training samples in such a way that the samples in the same part have a more similar regression relationship to each other than to those in the other parts. Support vector regression is used to evaluate the regression relationship, and an optimization algorithm is designed to search the best splitting input variable and division point at each node. For a new sample to predict, it is compared from the root node of the decision tree until reaches a certain leaf node, and the response is obtained according to the prediction model contained in the leaf node. Experiments show that the proposed method is able to provide competitive prediction results compared with the conventional prediction methods.

     

基于有限元模拟的Ti6Al4V铣削过程参数多目标优化

为使切削加工过程满足环境意识制造（ECM）的要求,针对质量指标（表面粗糙度）和ECM指标（能耗）,针对Ti6Al4V的铣削过程,采用人工蜂群（ABC）算法优化的高斯过程回归（GPR）方法构建有限元代理模型,并采用多目标粒子群优化（MOPSO）算法获得满足最优加工目标的加工参数。为减少试验成本,采用有限元仿真软件Deform-3D获取各铣削参数组合对应的表面粗糙度和能耗数据,并通过物理试验验证其有效性;基于仿真数据,利用改进的GPR方法构建预测表面粗糙度和能耗的代理模型,并对比了该模型与其他两种模型的性能,证明了改进模型在精度和响应时间上的优势;采用MOPSO算法,以最小能耗和优良表面质量为目标,优化得到加工参数的Pareto前沿,并用物理试验验证了ABC-GPR-MOPSO算法的有效性。     

基于 IWOA-SVM 的风电功率预测

针对支持向量机预测精度低、收敛速度慢等问题,提出一种改进鲸鱼算法优化支持向量机的风电功率预测模型。将 Tent 混沌映射引入鲸鱼算法中,使初始种群的分布更加均匀;由于随机抽取猎物具有盲目性,不能充分结合迭代经验对种群进行更新,采用轮盘赌法寻找目标猎物来加快鲸鱼算法的收敛速度,得到改进鲸鱼算法优化支持向量机的风电功率预测模型。将该模型应用到我国东北某处风电场进行风电功率预测,并与其他常用的功率预测模型进行对比分析,仿真结果表明,该模型具有更高的预测精度。     

基于SVR-GA算法的广义加工空间机床切削稳定性预测与优化研究

针对机床零件加工位置和进给方向不确定造成刀尖频响函数变化,导致切削稳定性叶瓣图与无颤振工艺参数预测具有不确定性问题,提出一种耦合支持向量回归机(SVR)与遗传算法(GA)的切削稳定性预测与优化方法。该方法采用锤击法模态实验和空间坐标变换,获取样本空间不同加工位置与进给方向的刀尖频响函数;进而结合传统切削稳定性预测方法构建以各向运动部件位移、进给角度、主轴转速、切削宽度、每齿进给量为输入的极限切削深度SVR预测模型;采用该SVR模型作为切削稳定性约束建立材料切除率优化模型,通过遗传算法求解各运动轴位移、进给角度与切削参数的最优配置。以某型加工中心展开实例研究,实验结果表明获取的优化配置能实现稳定切削,验证了该方法的有效性。     

龙门起重机金属结构的多目标动态优化

针对龙门起重机金属结构动态特性的复杂性和非线性,综合考虑龙门起重机金属结构设计中尺寸参数及起升载荷的不确定性,利用参数化有限元模型和试验设计方法,在龙门起重机金属结构动态系统中,建立了设计变量和动态参数间的关系。通过运用非支配排序遗传算法(NSGA-Ⅱ),寻求桁架梁尺寸及节间布置最优化方案,并满足低应力、高固有频率及轻量化的要求,在构建高精度的响应面近似模型的基础上,运用Monte-Carlo模拟技术对优化方案的鲁棒性进行了评价。结果表明,该优化方法有效地实现了龙门起重机的动态结构优化,显著提高了其设计质量和效率。