基于SGPLVM-LSSVM算法的U形折弯件模型参数优化研究

影响高强度U形折弯件回弹的因素众多,比如工件尺寸、力学性能和负载条件等,使得高强度折弯件的弯曲回弹难以控制。把回弹角α和最小弯曲回弹半径R作为双目标函数,首先利用监督学习-高斯过程隐变量模型(SGPLVM)进行变量筛选和降维,构建U形折弯件的最小二乘支持向量机模型(LSSVM);再把SGPLVM-LSSVM实验结果分别与SVM、FEM、实际零件进行比较,验证了此算法模型的可行性。     

基于PCA-ELM算法的注塑成形工艺参数优化

引入了一种特征提取方法——主成分分析法(PCA),通过降维,把高维的决策变量映射到低维空间,得到主成分(主要的决策变量),简化了模型,提高了效率,并结合极限学习机(ELM),使用一种改进的带精英策略的非支配排序遗传算法(NSGAⅡ),对建立的多目标优化模型进行求解,得到Pareto最优解集。     

智能化的设计更改传播机制及其应用

研究了设计更改控制实践中被广泛忽视了的连锁反应效应问题;从设计更改如何传播的角度,分析了各种技术条件下对此问题的处理方法和相应的设计更改传播机制;提出了在计算机辅助的设计更改控制系统中通过结合智能化的设计更改传播机制进行系统拓展以提高处理设计更改的效率和正确性的新思路;阐述了系统拓展后所具备的新的应用功能和系统实现的基本策略与方法,给出了一个在小批量单件生产的大型机械的再设计领域中的应用实例.     

快速成形领域的多材料零件表示算法

在RP领域,传统的三维几何实体表示方法只能包含实体模型的几何信息,不能包含相应的任何材料信息,因此,不能应用于多材料零件的建造.为实现多材料零件的建造,迫切需要一种新的更有效的并能表示多材料零件几何信息与材料信息的实体模型表示方法.为此,提出一种新的面向制造的基于材料边界的多材料实体表示算法,该算法采用材料ID索引与材料区域标记相结合的方法表示多材料实体零件的几何属性与材料属性,实例仿真分析验证了该算法可以表示复合材料实体零件、功能梯度材料零件以及具有较为复杂多材料属性的多相理想材料实体零件,并且实体表面轮廓复杂度以及材料种类对该算法没有影响,理论上可以表示任意复杂的多材料实体零件.     

基于混合神经网络的门座起重机变幅机构参数优化设计

门座起重机变幅机构优化设计通常采用基于实例推理的方法确定优化设计初始参数,然后再对初始参数进行优化,得出最后的优化设计参数。这种基于实例优化方法的主要问题在于,难于确定相似实例和难于将相似实例应用于当前的实例中,并且由此确定的优化初始参数只偏向于某一个特定的实例,不具备某类实例的普遍特性。提出基于混合神经网络变幅机构优化设计方法,该方法采用一种混合神经网络,可用来确定优化设计的初始参数。这种方法计算上更为简单直观,对于训练好的混合神经网络,可直接由输入参数得到设计初始参数。这种初始参数并带有某类实例的一般特性,对其进行优化可得到较好的优化结果。     

基于SFS-SVM的V形件弯曲工艺参数优化研究

影响V形工件弯曲回弹的工件尺寸、力学性能、负载条件和材料各向异性等众多因素相互耦合,表现出高度复杂的非线性,从而导致回弹预测结果的不确定性.把板料回弹后的张开角和圆角半径作为目标优化函数,将支持向量机模型部署到顺序向前筛选算法中以高效筛选出最优的特征变量参数子集,从而提高弯曲回弹模型预测结果的精度与可靠性.有限元分析和...     

双折线式多层卷绕钢丝绳失效机理研究

以6×36 P.WS-IWRC面接触钢丝绳为研究对象,在自制的多层卷绕钢丝绳磨损试验装置上开展了双折线式多层卷绕钢丝绳损伤与失效行为试验研究,探索了双折线式多层卷绕钢丝绳损伤失效机理。结果表明,双折线式多层卷绕过程中钢丝绳间相互挤压与摩擦滑动引起的外层钢丝磨损与塑性变形是导致钢丝绳外层丝断裂失效的主要原因;钢丝绳承受的损伤大小与其在卷筒上的卷绕位置密切相关,呈“斜楔”式排列的卷筒跃层爬升段及相邻区域钢丝绳卷绕过程承受的损伤最为严重。钢丝绳外层钢丝断裂机理分析表明,外层钢丝断裂行为与钢丝表面塑性流动层内形成的白层组织有关。     

轮式移动装船机总体设计及臂架结构仿真分析

基于轮式移动装船机的设计方案及参数,对装船机进行总体设计;根据轮式移动装船机的臂架结构特点,提取其特征参数,然后运用Ansys的APDL语言建立臂架的参数化模型,并对臂架结构进行有限元分析;最后运用Ansys软件和优化设计技术对臂架结构进行优化分析,在满足设计要求的情况下,实现臂架的经济性和可靠性。得出结果如下:由于臂架下铰接距进料口较近,其受力也较大,臂架头部相当于悬臂梁且悬挂着溜筒,臂架最大应力出现在下铰接处,最大变形量出现在臂架头部;臂架结构采用变截面设计可以大大降低结构总重。     

基于JS-BP模型和JS散度的随机有限元模型修正

对考虑试验参数不确定性的有限元模型修正方法展开研究。首先假设待修正参数和响应特征量都服从正 态分布,将不确定性模型修正问题转化为均值和标准差的修正问题;其次采用拉丁超立方抽样选取待修正参数样本点 作为输入,并计算其对应的频响函数进行常数Q变换提取第一层系数作为输出,通过海蜇算法(JS)优化BP神经网络的 权值和阈值,构建JS-BP神经网络模型;最后以最小化JS 散度作为目标函数,实现对待修正参数的均值和标准差的同 步修正。空间桁架算例表明,所提方法能够有效地修正结构参数的均值和标准差,并且在试验数据标准差不同时仍能 得到较好的修正效果。     

集装箱起重机模态实验中的新型测点优化布置法

在集装箱起重机结构模态实验中,向QR分解所得的初始测点组中添加剩余测点时,采用目前常用的测点选择方法在操作过程中存在着一定的局限性。为解决这些问题,提出一种新的测点添加方法,并以集装箱起重机缩尺模型为研究对象对该方法进行实验验证。选取2组采用该方法添加的测点方案进行锤击模态实验,结果显示2组方案都能得到较好的结果,证明了该法能得到精确、经济的传感器布置。