基于模拟植物生长算法的圆锥滚子轴承优化设计

对圆锥滚子轴承进行数学优化建模。介绍了模拟植物生长算法的基本原理,并将其应用于圆锥滚子轴承优化设计中,对优化结果进行分析,表明该算法应用可行性强、精度高、稳定性好。     

基于改进粒子群算法的四辊轧机机座结构优化设计

为了获得四辊轧机的合理结构参数与最佳工作性能,在满足结构、强度、刚度等约束条件下,以机座弹跳值最小为目标函数,建立四辊轧机机座结构优化设计数学模型。针对常规优化方法和标准粒子群算法求解该类复杂机械系统结构优化设计问题存在的诸多缺陷,提出采用Logistic映射对种群进行混沌初始化、非线性地动态改进惯性权值和非线性地动态调整加速因子三种策略对标准粒子群算法进行改进,结合改进的惩罚函数法对四辊轧机机座结构进行优化设计,求解结果验证了所提方法的正确性和有效性。     

考虑动态特性的轧机辊系结构轻量化优化设计

传统的轧辊设计方法经验化,设计结构体积较大、成本高,且以静态设计为主,忽略了辊系动态特性。当前在“碳达峰”“碳中和”的双碳背景下,为实现节能减排,以轧机辊系结构轻量化为目标,考虑轧机辊系的动态特性,建立了轧机辊系结构轻量化优化数学模型,采用MATLAB软件优化工具箱中的fmincon函数对轧辊进行优化求解。结果表明：优化后辊系体积降低了38.8%,辊系二阶固有频率提高了2.5%。研究成果有助于指导轧机辊系的结构设计。     

基于改进模拟植物生长算法的多层可重构设施布局方法

在对模拟植物生长算法进行改进的基础上,建立了一种多层可重构设施布局方法。该方法引入了空间填充曲线来表征布局方案,可以实现任意两个设施之间的互换,确保设施不被分割;考虑了柔性面积需求、设施形状约束系数、电梯能力约束等因素,使获得的方案更加接近实际情况;建立了以物流成本和重构成本为绩效评价目标的多层可重构设施布局模型;对模拟植物生长算法进行了改进,在此基础上设计了多层可重构设施布局寻优改善算法,该算法具有设置参数简单、全局寻优、搜索速度较快等特点。最后用算例说明了该方法的有效性。     

基于模糊可靠性理论高速线材轧辊优化设计的研究

高速线材轧辊工作时受交变应力作用，断裂问题时有发生。本文利用模糊可靠性理论，探讨在随机变量和模糊变量组合时轧辊的模糊可靠性设计方法；通过实例设计和生产实验证实了该方法的优化效果，轧辊使用寿命有了显著的提高。     

基于模拟植物生长算法的平面度误差评定

平面特征是最基本的几何图形元素之一,在机械零部件中发挥着重要作用。为了实现方便准确地评定平面度误差,提出将模拟植物生长算法应用于确定平面度最小包容区域的问题中。首先,根据最小区域法建立了平面度误差评定的数学模型;其次,介绍了模拟植物生长算法的仿生原理和数学理论,引入了寻优步长的自适应调整机制,并且阐述了使用该算法评定平面度误差的具体流程;最后,基于VB6.0开发了算法的计算机程序,实例运行后将评定结果和现有的评定算法进行了比较。实践证明,采用模拟植物生长算法评定平面度误差,不仅可以有效地求出最小包容区域解,而且具有良好的快速性和稳定性。     

双沸腾污泥滚筒干燥机搅拌轴优化设计

针对双沸腾污泥滚筒干燥机搅拌轴结构优化设计影响因素多,搅拌轴受力点位置存在着动态变化问题,通过研究首先确立利用植物生长算法对其进行优化设计。然后通过实验对搅拌轴最大扭矩发生点位置进行了研究,确立了最大扭矩发生相对位置。再依据搅拌轴力学分析确立了设计变量、约束条件,以最大扭矩发生点处的弯曲应力最小为优化目标,构建了数学模型。最后利用植物生长算法对搅拌轴进行了优化设计,通过比较证明了该设计方法,较传统优化设计方法更优。     

基于改进粒子群算法的刨煤机多目标优化设计

针对刨煤机载荷波动率、刨削比能耗及生产能力问题,根据刨煤机刨削参数和刨头结构参数,并借助改进粒子群算法对刨煤机多目标进行优化设计。优化结果表明:刨煤机载荷波动率降低了20%、刨削比能耗降低了9.8%,生产能力升高了2.5%,极大地优化了上行刨削深度、下行刨削深度、上行刨速、下行刨速、刨刀数量和刨刀间距,有效地提高了刨煤机的整机工作性能。对比不同的优化算法,采用改进粒子群算法优化的刨煤机的综合性能优于其他算法。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

基于改进粒子群算法的齿轮传动优化设计研究

针对齿轮传动系统多目标优化设计问题,选取了齿轮传动系统的体积和重合度作为优化目标函数,建立了以可靠性约束、齿数约束、模数约束等作为约束条件的齿轮传动系统多目标优化数学模型.将收缩因子和线性递减惯性权重引入到基本粒子群算法中,得到了带收缩因子的线性递减惯性权重粒子群寻优算法;利用该算法具有收敛速度快和搜索能力强的特点,对...     

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。     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解.最后结合某船用曲轴车间实例,分别运用该算...     

改进蜂群算法在风机变桨距控制中的应用

风力发电系统建模过程复杂,具有很强的非线性,受参数变化和外部干扰严重,且运行环境恶劣。因此,在控制器部分提出用自抗扰控制理论解决风力发电系统的变桨距控制问题,实现最大功率跟踪。并采用改进人工蜂群算法对自抗扰控制器的参数进行优化,解决其整定过程繁琐,具有很多不确定性的问题。MATLAB的仿真结果表明,优化后的控制器调整参数减少,简化了调节过程,弥补了人工蜂群算法搜索过程寻优速度慢,迭代后期容易陷入局部最优的不足,提高了优化精度。     

基于遗传算法的多种切削方式集成参数优化

切削参数优化是零件工艺方案优化的一项重要内容。首先说明了多种切削方式集成参数优化的可行性,建立了以生产效率和生产成本为目标函数,考虑机床、切削力、零件表面粗糙度等约束条件的集成多种切削方式的参数优化模型,并用遗传算法进行求解。最后,开发了不同切削方式的集成参数优化系统,实例证明了集成参数优化方法及系统的实用性。     

数值模拟方法在挤压工艺参数优化中的应用

以出口速度场相对标准速度场偏差(RSDV),平均挤压力P和最大von Mises等效应力σmax作为优化设计目标函数,通过正交设计试验方法和数值模拟手段,对一款双T形截面型材的挤压工艺参数进行优化设计,探讨了一种挤压行业工艺和模具尺寸标准化的方法,并且通过实验验证,证明了经过优化后的工艺合理,实验结果与数值模拟分析结果相吻合。分析发现,在保证模具强度和模具寿命的前提下,提高挤压的速度和模具工作带的高度,能够提高型材挤出的稳定性。     

改进SLP算法的车间设施布局优化设计

以S公司生产车间为研究对象,运用传统SLP方法对车间的15个作业单位进行相关性分析,对原有布局进行优化,得出方案一,进而采用基于遗传算法的改进SLP方法建立车间布局优化的数学模型,以物流搬运成本最小为目标函数,用MATLAB软件对其求解,得出较优布局方案二,并与原布局及方案一进行对比评价,分析发现采用改进SLP算法的布...     

基于整型编码遗传算法的连续体结构的拓扑优化

采用整型编码的遗传算法对结构进行拓扑优化，并引入浮点型向量的交叉和变异方式，提高个体间的遗传操作效率：最后通过对悬臂薄板结构的拓扑优化分析，验证了所提出方法的有效性，并讨论了基于整型编码的遗传算法不同交叉方式对结构拓扑的影响。     

PSO-GA组合算法优化PID参数及可视化平台设计

PID控制是机床伺服控制系统中广泛应用的一种控制方式,PID参数是否合理直接影响着伺服系统的性能。以MKS8332A数控凸轮轴磨床砂轮架伺服系统为模型,提出一种基于粒子群-遗传组合算法(PSO-GA)的PID控制器参数优化方法。仿真结果表明,该算法寻优性能比单独的遗传算法和粒子群算法表现更为优异,证实了该算法能有效的优化伺服系统PID参数。为了使用户无需去了解复杂的算法源代码,而只需在平台上进行操作就可以解决PID参数的优化问题。多种智能算法被引入称为可视化平台的优化软件设计,用MATLAB GUI编程环境构建了PID参数可视化平台,为用户提供一个友好的图形界面。     

基于改进智能用电优化算法的家庭智能用电管理系统

为了提升家庭智能用电管理系统的计算效能,使用时序分析算法,将远程抄表实时费控电能表采集的1s步长的电流、电压数据序列,整理成5列录波图,并利用线性重投影算法形成可供神经网络识别的时序序列,使用加权卷积多列神经网络进行挖掘,将用户每1s步长的用电量信息分解成空调、插座、照明等负荷用电量信息,最终形成家庭智能用电管理系统的数据分解展示功能。经过与针对上述负荷单独安装电能表的实测数据进行对比,发现该改进智能用电优化算法得到的用电量分解结果,与实测结果的误差率均为5.8~6.0%之间。