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。     

电动汽车动力系统参数多目标优化方法

提出一种以电动汽车的综合性能需求为驱动,基于质量功能展开和径向基函数的动力系统参数多目标优化方法。以包含成本、工况能耗和续驶里程等的综合性能最优为目标、以动力系统部件特征参数为设计变量,建立动力系统参数多目标优化的数学模型;基于质量功能展开建立整车性能需求和技术特性指标的耦合模型,确定子目标函数的权重系数;基于Modelica建立整车性能仿真模型并构建工况仿真的径向基函数响应面模型;采用模拟退火算法进行动力系统参数的综合目标优化设计。以某款电动汽车进行实例验证,优化方案的车辆综合性能提升了6%,证明了研究方法的有效性。     

服务型制造的服务合成优化方法

服务型制造通过企业间的相互服务实现服务的资源整合和过程协同。由于服务类型复杂、影响因素众多,如何评价服务、整合服务、优化合成服务方案成为研究的难点。为此,根据服务型制造的属性,通过数学方法定义了服务类型、服务评价的典型参数和实际意义。分析了服务评价和参数之间的影射关系,提出了包含质量、成本、时间等量化指标的服务评价体系模型,并在此基础上建立了基于评价的服务型制造的多目标智能优化算法。最后通过一个实例对所提方法进行了验证。     

基于自动机器学习的不平衡故障诊断方法

为了提升故障诊断模型在数据不平衡场景下的性能,提出一种基于贝叶斯优化的自动不平衡故障诊断方法.首先,构建了一种分层多模型的参数空间,探索重采样和分类器的算法组合选择和超参数优化;然后,使用基于树形结构Parzen估计器(TPE)的贝叶斯优化器进行模型的训练与优化,得到参数空间中最优的算法组合和超参数配置;最后使用最优配置模型在测试集上进行结果评估.将所提方法应用于UCI(university of California Irvine)不平衡标准数据集和滚动轴承数据集.实验通过设置多个不平衡比,对优化后的模型分类效果进行检验,并与传统的随机搜索方法进行对比.结果表明,所提方法更好地提升了模型在不平衡故障数据上的分类能力,且优化过程更加高效.     

多尺度变异粒子群优化MK-LSSVM的轴承寿命预测

提出一种基于多尺度变异粒子群优化(MSPSO)算法和多核最小二乘支持向量机(MK-LSSVM)的预测新方法用于滚动轴承寿命预测。提取小波包相对能量特征对轴承性能衰退予以描述,提出MSPSO算法对MK-LSSVM模型参数进行优化选取,构造融合多核函数的LSSVM模型实现轴承寿命估计。MK-LSSVM中多核函数的引入克服了单核LSSVM对核函数类型强依赖性的弱点,MSPSO算法中种群全局大尺度均匀变异与个体局部邻域小尺度变异搜索联合策略的提出在增强种群多样性的同时保证了粒子群局部精确搜索的能力。利用实测滚动轴承振动数据分析,验证了所提MSPSO算法在模型参数优化及优化MKLSSVM模型在滚动轴承寿命预测应用中的有效性。     

基于改进人工蜂群算法的数控切削参数优化

为提高生产效率、降低生产成本,建立了以最小加工时间和最低生产成本为优化目标的多目标切削参数优化模型,并综合考虑了实际生产过程中的各种约束条件,可同时对多道工序的切削参数同步进行优化。将粒子群算法嵌入人工蜂群算法以提高人工蜂群算法的优化性能,并将其用于优化所建立的切削参数优化模型。具体案例实验表明,改进的人工蜂群算法相比于其他基本算法能够得到更优的切削参数组合。     

改进沙猫群优化算法优化堆叠降噪自动编码器的发动机故障诊断

车辆发动机振动信号受到噪声干扰，影响故障诊断精度，而堆叠降噪自动编码器(SDAE)可以有效抑制噪声干扰，但SDAE模型超参数对诊断性能影响较大，不合理的模型超参数容易引起SDAE诊断性能不佳。因此，文中采用一种新型沙猫群优化算法(SCSO)对SDAE参数进行优化选取。考虑到沙猫群优化算法(SCSO)中沙猫群种群缺乏变异机制的缺陷，在其探索阶段和开发阶段分别引入柯西变异机制和高斯变异机制，得到了改进沙猫群优化算法(ISCSO),并提出了SCSO优化SDAE的发动机故障诊断方法。发动机故障诊断实例结果表明：与其余5种方法相比，所提方法的平均诊断精度提高了1.47%～6.5%,平均耗时缩短了5.29～19.44 s。     

云制造环境下并行频繁模式增长算法优化

针对云制造环境下的海量数据挖掘,分析了现有并行频繁模式增长算法的实现和不足。研究了利用键值存储系统对其中的计数和分组部分进行优化。利用键值型数据库存储简单、自动增长且有序的方式,将计数和分组的信息存储在了键值型数据库上。通过减少对分布式文件系统的读写,并将计数过程和排序过程并行化执行,优化后的算法减小了存储节点的网络及内存开销。在真实数据集上,通过实验对比了优化前后算法的性能以及对于文件系统I/O的开销。     

考虑设备多状态的缸盖生产线性能分析与优化

为实现发动机缸盖生产线的性能提升和成本管控,提出一种考虑设备多状态的发动机缸盖生产线性能分析与缓冲区配置优化方法。首先,采用马尔可夫模型揭示设备多状态与缓冲区库存的变化规律,建立了生产线可用度与缓冲区容量的耦合模型。其次,构建了以生产线可用度和缓冲区配置成本为目标的多目标优化模型,并采用NSGA-Ⅱ算法求解优化模型。最后,通过案例证明所提方法能提高缸盖生产线的生产性能并降低缓存区配置成本。     

车间生产过程的能量足迹建模与加工参数协同优化

为降低零件加工过程的生产能耗,提出一种面向节能的车间生产过程多装备加工参数协同优化方法。以包含机床与机器人的定制化生产车间为研究对象,建立了考虑刀具退化动态过程的生产车间系统能量足迹模型。考虑刀具寿命、机器人运输平稳性的成本指标函数,建立了多装备系统的加工参数协同多目标优化模型。以加工时间为约束条件,使用蜂群算法获取了最优参数。实验表明,以节能目标为主的优化方案可降低机床加工能耗17.97%,降低机器人运输能耗18.13%。     

正交并联六维力传感器数学模型及参数优化

针对六维力传感器实际应用中所完成的任务不同,提出一种基于工况函数模型的并联结构六维力传感器结构参数优化方法,该方法所得到的优化结果更有利于传感器的受力和测量性能。首先介绍正交并联六维力传感器结构,并进行静力平衡方程求解,然后提出了基于工况函数模型的并联结构六维力传感器参数优化方法,以测力分支量程最小为优化目标,得到满足要求的结构参数及对应的测力分支最小量程。最后对正交并联六维力传感器进行结构参数优化,来验证该优化方法的可行性。     

基于全局优化算法的超塑性本构模型参数的识别

考虑晶粒长大的超塑性本构模型能否成功模拟成形过程依赖于参数选取的好坏,由于该模型涉及多个物理过程且每个过程都很难同其他过程区别开来,同时模型中包含多个材料参数,因此很难通过试验直接识别模型中的材料参数。模型中材料参数通过反分析方法进行。给出需要识别参数的超塑性本构模型,以使晶粒尺寸—时间关系和应力—应变关系计算值和试验值差值的加权平方和最小化为目标,构造目标函数;基于参数物理意义和数值结果给出参数取值范围。基于目标函数特性构造一全局优化算法,该算法吸收遗传算法能进行全局搜索的优点和Levenberg-Marquardt算法和增广Gauss-Newton算法收敛速度比较快的优点。针对某些参数取值范围比较大的特点,设计出同时使用指数编码和传统实型编码的混合编码的遗传算子。最后以Ti-6Al-4V为例,应用构造的算法识别超塑性本构模型中的材料参数,计算结果和试验结果符合较好。     

人机共站并行拆卸线平衡问题建模与混合教学优化算法

针对现有人机共站拆卸问题研究对任务间影响关系约束的不足，提出人机共站并行拆卸线平衡问题，以工作站开启数、空闲时间均衡指标、操作者总数和拆卸成本为优化目标，构建了其多目标混合整数规划模型。并提出一种混合教学优化算法求解，算法在原始教学优化算法的基础上融入自学操作和模拟退火操作，以保持种群多样性并避免算法陷入局部最优。应用数学规划软件LINGO精确求解所提问题的中小规模算例并与算法求解结果对比，验证了所建模型正确性与算法的有效性。最后，将所建模型与所提算法应用至大规模人机共站并行拆卸线实例中，通过与多种算法进行不同的对比试验，进一步验证了所提算法求解性能和求解质量的优越性。     

基于时间关键路径的工作流模型优化方法

工作流模型在建模阶段不可能完全考虑到所有的情况,业务过程中深层的语义规则也不可能完全挖掘出来,工作流模型结构需要优化.执行时间是业务过程执行效率的一个重要度量,因此为了缩短工作流的平均执行时间,提出了一种对工作流平均执行时间最长的路径-关键路径的优化方法.通过分析关键路径上任务之间的依存关系,在模型建立阶段,尽可能地转换数据依存关系为控制依存关系,在工作流模型上增加选择和并行控制结构,并保证数据的一致性,最终达到优化工作流关键路径的目的.最后利用关键路径识别算法对结果进行对比分析,验证方法的有效性.     

基于并行分层的工作流调度优化算法

针对给定截止时间约束下用有向无环图描述的工作流时间费用优化问题,逆向分层算法未考虑工作流中各个任务在实际执行过程中的并行性而带来相对较多的时间碎片,提出一种基于并行分层的工作流调度算法——并发级别工作流调度算法。该算法将工作流在实际执行过程中的某个任务和其他一个(或具有依赖关系的相邻多个)并行执行的任务尽量划分到同一层,并根据各层的并行度分配冗余时间,对每层中存在具有依赖关系的多个相邻任务采用Markov决策过程算法进行时间费用优化。对平衡结构和非平衡结构的有向无环图所描述的工作流进行大量模拟实验,对比最小临界路径算法、逆向分层算法和期限顶级算法,实验结果表明所提算法具有较显著的优势。     

基于MOPSO的航空发动机分支管路多目标布局优化

分支管路的布局优化属于NP难问题,其多目标优化情况则更加复杂。针对航空发动机分支管路多目标敷设问题,以分支管路长度最小化、分支点数量最小化以及管路平滑度最优为优化目标,建立了基于避障Steiner树的分支管路多目标布局模型。考虑到模型的复杂性,设计基于多目标粒子群优化（Multi-objective particle swarm optimization,MOPSO）的模型求解算法。其中,以分支点数量和坐标作为决策变量;针对分支管路拓扑结构特点,提出一种分支管路平滑度计算方法,结合非支配排序和网格密度计算完成个体多目标评价;通过可视图和测地线处理约束条件;通过多目标粒子群进化计算求得Pareto解集。所建立的分支管路多目标布局模型及求解算法考虑了多端点情况、多目标优化以及避障约束。最后通过管路敷设算例验证了可行性。     

数控系统中基于预分配的混合任务调度算法

为改善数控系统混合任务调度中非周期任务的调度性能,提出一种基于预分配的空闲挪用算法。任务调度开始前,采用预分配子算法为实时周期任务预留处理器时间,通过推迟实时周期任务的执行,使周期任务调度中的空闲时间尽可能提前。任务调度过程中,根据周期任务的执行情况动态调整其预留时间,为非周期任务提供最大的可用空闲时间。算法性能分析及仿真实验表明,所提算法在保证实时周期任务的截止时限要求的同时,能够以较小的计算及存储开销取得最短的非周期任务响应时间。     

电动汽车复合电源参数的精英受控NSGA-Ⅱ算法优化

为了降低电动汽车复合电源初始成本、更换成本及电耗,提出了基于动态精英受控NSGA-Ⅱ算法的参数优化方法.对研究对象的复合电源连接方式进行了介绍,制定了车辆能量管理方法.以降低复合电源成本和电耗为目标,建立了复合电源参数的多目标优化模型.在NSGA-Ⅱ算法中引入了动态拥挤度排序策略,可以有效提高基因多样性,从而提出了动态精英受控NSGA-Ⅱ算法的模型求解方法.在UDDS循环工况下对复合电源参数进行优化,与NSGA-Ⅱ算法优化结果比,动态精英受控NSGA-Ⅱ算法优化结果的锂电池和超级电容放电深度更低、制动能量回收量和电池放电效率更高,有效降低了复合电源成本和电耗.     

基于量子粒子群优化的主动队列管理新算法

本文推导了基于流体流理论的网络简化模型, 基于该模型将量子空间中的粒子群优化算法(QDPSO)应用于PID控制器参数优化, 定义了一个综合调节时间、上升时间、超调量、系统静态误差、正弦跟踪误差等动静态性能指标函数, 在给定的参数空间进行组合优化搜索, 迅速求得获取使性能指标优化函数极小化的一组PID控制器参数,将PID控制器应用于网络主动队列管理系统中. 仿真结果表明, 在大时滞和突发业务流的冲击两种情况下,该方法设计的控制器的动静态性能优于PI算法, 也优于GA、SPSO算法的优化结果, 超调量均小于4%, 调节时间均小于4s, 稳态误差均小于两个数据包.     

基于粒子群算法的滚齿切削参数优化研究

为了在滚齿加工过程中,能够实现滚齿切削参数优化,提高生产效率,本研究提出了一种基于粒子群算法的滚齿切削参数优化研究方法。该研究综合考虑了生产效率、加工成本等重要因素,引入了生产效率和加工成本等目标函数,建立了滚齿切削参数的多目标优化模型,并引入了协调系数,使其多目标优化模型转化为单目标优化模型。通过案例分析,优化得到的加工工艺参数与经验加工参数相比,其生产效率提高了2.44倍,工艺加工成本降低了56.7%。而在较大程度上为车间或企业的滚齿加工提高了生产效率,降低了成本。因此,该研究对于车间或企业的滚齿加工参数的确定与选择起着重要的参考作用。