遗传算法在机械优化设计中的应用

遗传算法是一种自适应启发式全局搜索算法,具有传统算法不可比拟的优点,更易于求解各种优化问题。在不断改进、不断成熟的过程中,遗传算法得到了广泛的应用,其中在机械优化设计领域得到了大量应用。通过遗传算法工具箱及针对基本遗传算法进行改进后的遗传算法两个方面,论述了遗传算法在机械优化设计中具有的优势,介绍了近年来在相关领域中成功应用的一些典型范例。并对遗传算法在机械优化设计中的发展及前景作了必要的讨论。     

采用改进遗传算法的新型节能电磁换向阀的优化设计

采用一般遗传算法与传统优化方法相结合的改进遗传算法,对文献[1]中提出的新型节能电磁换向阀进行了优化设计,给出了优化设计数学模型及优化结果,并对采用一般遗传算法和改进遗传算法进行优化设计获得的结果进行了比较,结果表明,采用改进遗传算法对行新型节能电磁换向阀的优化设计具有寻优精度高,寻优速度相对较快的优点。     

机械压力机肘杆传动机构的优化设计

采用复数矢量法建立了机械压力机的运动方程,采用实数编码的遗传算法,并对主要参数的选取方法进行了改进,将违约解转化法和退火惩罚函数法相结合来处理约束函数,用改进后的遗传算法对机械压力机肘杆传动机构进行了优化设计.优化计算结果表明,改进后的遗传算法能够以较快的速度收敛到符合实际生产要求的全局最优解.     

采用遗传算法的新型节能电磁换向阀的优化设计

采用遗传算法对文献新型节能电磁换向阀进行了优化设计,给出了优化设计数学模型和优化结果,并对采用遗传算法和改进遗传算法进行优化设计获得的结果进行了比较,结果表明遗传算法更适合于求解新型节能电磁换向阀的优化问题。     

基于改进遗传算法的插齿机主运动机构优化设计

旨在介绍遗传算法,改进遗传算法在实际应用过程中发现的缺点,以及遗传算法在插齿机主运动机构优化设计中的应用。主要利用遗传算法与多种群遗传算法的函数优化算法,以插齿机主运动机构的优化设计为例,对机构参数的多个目标函数进行优化设计分析。通过对插齿机主运动机构运动学和动力学的分析,确定了待优化的目标函数、设计变量和边界约束条件,并采用Matlab进行编程和仿真,能够快速准确的得到目标函数值。     

基于遗传算法的摆动活齿传动多目标优化设计

本文建立了摆动活齿传动的优化设计数学模型,提出了优化设计方法。为求得全局最优解,引进了遗传算法。文中对遗传算法提出了一些改进,并用改进前、后的遗传算法分别对该模型进行了优化仿真计算,结果表明改进后的遗传算法优于改进前的遗传算法。     

基于小生境遗传算法的汽车悬架优化设计研究

在传统遗传算法的基础上进行改进,结合小生境算法和遗传算法的优势,提出了一种可用于机械优化设计的小生境遗传算法。将这种算法在实际的机械机构中进行验证。结果证明,经过改进的遗传算法对于汽车空气悬架的转向机构的优化设计具有较强的实用价值。     

基于遗传算法的机械零部件可靠性优化设计

针对机械可靠性优化设计，提出一种自适应最优化保存的模拟退火遗传算法，建立了基于遗传算法的机械零部件可靠性优化设计的数学模型，并通过算例与传统优化方法进行了比较，说明了遗传算法在机械可靠性优化设计方面，具有广泛的应用前景。     

基于遗传算法的叠簧弹性联轴器的模糊优化设计

针对传统机械优化设计的局限性，提出模糊优化建模、模型转化、遗传算法(GA)优化求解的新思路，并对叠簧弹性联轴器进行了基于GA的模糊优化设计。     

基于遗传算法的推料机齿轮传动多目标优化设计

针对某生产线推料机的机构平稳性要求高、且体积不易过大的问题,通过选取齿轮体积和啮合重合度为优化目标,利用遗传算法对其机械传动结构进行了多目标优化设计。对算法的编码方式、精英选择策略、适应函数、惩罚因子和加权系数对优化结果的影响等几方面进行了分析探讨,提出了一种基于改进遗传算法的机构尺寸参数的优化方法;分别在单目标和多目标优化的情况下,利用Fmincon函数与改进的遗传算法进行了对比分析。研究结果表明:改进的遗传算法较Fmincon函数优化效果更佳,且较单目标优化结果,基于多目标优化后的齿轮传动重合度增加了3.03%,有效提高了推料机传动系统的平稳性;该结论为齿轮传动系统的多目标优化提供了理论参考依据。     

基于自适应代理模型的翼型气动隐身多目标优化*

针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming, ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm, GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明：相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section, RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function, Nfe)降低了93.5%。     

基于遗传算法的车削用量优化研究

为合理地选择切削用量,建立了基于遗传算法的切削用量优化系统框架结构,系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上,采用线性加权法建立的多目标优化函数;采用罚函数法改进目标函数,使约束直接表示在目标函数中,简化了切削用量的寻优过程。最后,应用遗传算法开发了一个车削用量优化器,对多约束条件下的切削用量优化结果进行了分析,总结了寻优过程中约束条件影响切削用量优化结果的规律。     

Pareto多目标遗传算法及其在机械健壮设计中的应用

在机械或结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种的基于设计变量敏感性的健壮性设计方法 ,并提出了一种用 Pareto遗传算法来实施的带约束的多目标优化方法以求解健壮性问题。 Pareto遗传算法可得到 Pareto最优解集 ,从中可选出满足设计需要的解。本文提出的算法包括 5个基本算子 :选择、变异、交叉、小生境技术、Pareto集合过滤器。文中用算例说明该方法的应用     

非稳态罚函数遗传算法及其用于机械/结构系统的健壮性设计

在机械 /结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种基于设计变量敏感性的健壮性设计方法 ,并用非稳态罚函数遗传算法来实现多目标优化设计。     

时变回归神经网络应用于弹簧优化设计的研究

利用人工神经网络的理论 ,尝试将神经网络理论应用于机械优化设计。利用时变回归神经网络的可行性、渐近稳定性和最优性 ,通过神经网络系统的演化 ,使之演化到系统的平衡态 ,计算网络的 L yapunov函数 ,并将该函数与机械优化设计问题的最优解相对应 ,将人工神经网络在此时的网络参数与机械优化设计问题的设计变量相对应 ,从而实现机械优化问题的求解。描述了神经网络用于机械优化设计的仿真算法 ,并以弹簧为例进行了优化计算 ,仿真结果表明了神经网络优化算法应用于机械优化设计的可行性     

结合机械设计约束处理的差分进化算法

针对机械设计中的约束优化问题,提出了改进约束处理的自适应罚函数法。结合一般机械约束优化问题维数不高和差分进化算法简单、高效的特点,应用差分进化算法容易求得机械约束优化问题的全局最优解。给出了2个机械约束优化的数值实例,与已有的文献结果比较,表明新方法处理机械约束优化问题稳健且有效。     

OPTIMIZATION OF CORONARY STENT STRUCTURE DESIGN FOR MAXIMIZING THE ANTI- COMPRESSION MECHANICAL PROPERTY

Excellent mechanical property of the anti-compression or high collapse pressure has become an essential feature of new coronary stents. How to determine the design parameters of stent becomes the key to improve the stent quality. An integrated approach using radial basis function neural network （RBFNN） and genetic algorithm （GA） for the optimization of anti-compression mechanical property of stent is presented in this paper. First, finite element simulation and RBFNN are used to map the complex non-linear relationship between the collapse pressure and stent design parameters. Then GA is employed with the fitness function based on an RBFNN model for arriving at optimum configuration of the stent by maximizing the collapse pressure. The results of numerical experiment demonstrate that the combination of RBFNN and GA is an effective approach for the mechanical properties optimization of stent.     

基于遗传算法的燃气涡轮发动机循环优化

遗传算法（Genetic Algorithms简写GA）是用于优化问题的新的有用的工具,其运用了自然界中的法则并且在可能的解空间上形成多点逼近的评价工具。遗传算法的特性使他能够有效的运用在发动机的设计工作中。论文的工作就是得出了基于要遗传算法的燃气涡轮发动机循环的优化。论文分为几个不同的部分,首先是关于GA的概要描述和主要架构。（初始群体的建成、每个个体的适应值评价、发展新一带的标准：成员的选择、繁殖、变异等等）,其次是用GA的应用程序优化燃起涡轮发动机循环和相关问题,文章最后介绍了单目标和多目标发动机循环优化的例子。     

Heuristic optimization of state-of-charge feedback controller parameters for output power dispatch of hybrid photovoltaic/battery energy storage system

Output power fluctuation of photovoltaic (PV) sources is a problem of practical significance to utilities. To mitigate its impacts, particularly on a weak electricity network, a battery energy storage (BES) system can be used to smooth out and dispatch the output to the utility grid on an hourly basis. This paper presents an optimal control strategy of BES state-of-charge feedback (SOC-FB) control scheme used for output power dispatch of PV farm. The SOC-FB control parameters are optimized by using heuristic optimization techniques such as genetic algorithm (GA), gravitational search algorithm (GSA), and particle swarm optimization (PSO) in Matlab. In addition, an improved BES model is developed in PSCAD/EMTDC software package, in which GA is used to evaluate the optimal parameters. The studied multi-objective optimization problem also considers the evaluation of the optimal size of the BES. The performance of the proposed optimal SOC-FB control scheme is validated by comparing the results obtained from Matlab and PSCAD/EMTDC and with results from previous works. Finally, the best set of parameters are used to further validate the proposed method by using data obtained from the actual output of a grid-connected PV system.     

Dynamic balancing of planar mechanisms using genetic algorithm

This paper presents an optimization technique to dynamically balance the planar mechanisms in which the shaking forces and shaking moments are minimized using the genetic algorithm (GA). A dynamically equivalent system of point-masses that represents each rigid link of a mechanism is developed to represent link’s inertial properties. The shaking force and shaking moment are then expressed in terms of the point-mass parameters which are taken as the design variables. These design variables are brought into the optimization scheme to reduce the shaking force and shaking moment. This formulates the objective function which optimizes the mass distribution of each link. First, the problem is formulated as a single objective optimization problem for which the genetic algorithm produces better results as compared to the conventional optimization algorithm. The same problem is then formulated as a multi-objective optimization problem and multiple optimal solutions are created as a Pareto front by using the genetic algorithm. The masses and inertias of the optimized links are computed from the optimized design variables. The effectiveness of the proposed methodology is shown by applying it to a standard problem of four-bar planar mechanism available in the literature.