基于遗传算法的RV减速器零件公差优化设计

回差是RV减速器重要技术指标之一,影响回差的因素较多,基于零件加工特征尺寸公差与成本之间的数学模型,以零件加工成本最小为目标,许用回差(≤1')和装配尺寸链为约束条件,运用遗传算法优化设计RV减速器摆线轮、针轮、曲柄轴等零件的关键尺寸公差。应用CATIA软件建立考虑零件尺寸误差极限值的RV减速器三维虚拟样机,导入Adams软件进行回差仿真验证,仿真结果表明,RV减速器的回差为0. 002'～1. 07',与许用回差(≤1')相近,验证了文中提出的零件公差优化设计方法的正确性,对提高RV减速器的传动精度、控制零件加工成本,具有重要的参考价值。     

基于多岛遗传算法的半潜式平台主尺度优化研究

为优化某深水半潜式支持平台的主尺度，采用拉丁超立方设计对样本空间采样，在SESAM 软件中进行参数化建模，根据现有母平台资料确定主尺度约束条件，基于多岛遗传算法分别对平台的垂荡、纵摇、横摇响应进行优化分析，选出稳性最高、排水量适宜的平台主尺度方案。结果表明，该算法能得到满足约束条件下各响应最小的主尺度方案，对平台主尺度初步方案的确定有很高的参考价值。     

一种反射面天线面板装配优化方法

为提高大型反射面天线形面装配精度及装配效率,提出一种反射面天线面板装配优化方法。该方法从装配工艺入手,基于传统遗传算法的思想,建立了天线装配序列规划的遗传算法数学模型,其适应度函数包含了对装配变形、装配周期及装配人工消耗等方面的评价,考虑到装配精度和装配过程中的功耗,为相应的项赋予权重使其达到多目标优化的目的;同时,建立了天线装配的有限元仿真模型,对遗传算法得到的装配序列结果进行了面向装配过程的面板装配变形动态仿真,并将仿真结果反馈于装配序列规划模型的评价中,及时对遗传算法所求得最优解作出准确评估。以某工程9 m圆抛物面天线的面板装配为例,讨论了不同目标函数时的算法结果和仿真结果,分别求得了精度最高的装配序列、经济度最好的装配序列,以及考虑同时提高装配精度和增强经济度的装配序列。从而证明了所建立的反射面装配遗传算法数学模型的正确性及所提天线装配序列规划方法的高效性。     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

模糊时间窗约束下的装配线物料配送方案优化

为解决装配线物料无法及时准确配送的问题,提出了一种动态的联合配送策略,在此基础上以最小化单个产品配送成本、最大化工位满意度为目标,建立模糊时间窗约束下的物料配送数学模型。利用NSGA-Ⅱ算法求解出最佳的工位组划分、小车出发时间和配送路径,并对配送小车容量及配送时间窗进行优化。利用Plant Simulation软件搭建某生产线仿真模型进行模拟,验证了配送方案的可行性。与一般配送策略进行对比,结果表明,在保证配送工位满意度的前提下,优化时间窗能进一步降低单个产品的配送成本。     

关于何为真实情境的讨论——以遗传算法教学为例

当我们说到“教学中构筑真实情境”这句话的时候,需要进一步剖析究竟何为“真实”。即便在教学场景的创设中涉及真实事件和真实的问题,为契合特定教学目标的达成,这些真实事件或问题大多进行了简化和改造,或只是强调了其中的某一个侧面。用比喻的方式来说,课堂教学场景中出现的所谓的真实事件和问题是激发探索兴趣的芳香蜜源,是可以挂载知识点的结构框架,是可被投注情感的戏剧片段。     

基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难.首先利用一个特征映射算法库对振动信号提取特征,并基于Kolnogorov-Smirnov (KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm,BOGA)结合支持向量机分类器(Support Vector Classifier,SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化.通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH_PCAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能.