并行设计混合迭代过程规划的遗传算法

产品并行设计是一个非常复杂的迭代过程,模拟设计迭代过程,在得到设计资源许可的前提下进行优化调度,缩短产品上市时间已成为当前研究的一个重点.提出的混合迭代设计过程调度的优化模型由设计分析模型和设计规划模型组成.设计分析模型根据混合迭代思想,分析计算迭代过程的时间和费用;设计规划模型采用非标准的遗传算法,用变长度的、多基因段式染色体表示重复迭代的设计过程,寻求最优设计方案.通过型钢产品开发设计过程的模拟仿真算例,验证了模型的有效性.     

顺序迭代开发过程建模与仿真

为有效地管理和改进产品开发过程,提出了一种基于奖赏马尔科夫链的顺序迭代过程定量模型.该模型与已有的顺序迭代过程模型不同的是,模型中的返工影响因子不仅作用于直接返工任务的持续时间,而且作用于该返工任务的后续任务,即作用于返工任务的整个剩余时间.一个任务在每个阶段的返工量随着迭代次数的增加而逐渐减少.考虑了不同任务引起的同一任务返工量的不同.为估计开发过程的期望时间,建立了过程时间估计的分析模型和仿真模型,给出了仿真计算算法.以软件测试过程为例,给出了过程时间估计的分析和仿真实验结果,并与其他已有模型进行了对比分析.最后,讨论了模型估计结果产生偏差的可能原因.     

基于遗传算法的贴片机贴装顺序优化

元件贴装顺序是决定贴片机生产效率的关键问题。针对拱架型贴片机,采用了一种遗传算法。该遗传算法有其独特的染色体编码解码方式和交叉算子。算法中的染色体根据被贴装的印刷电路板由一条或多条子链组成,染色体的一个基因代表一个取贴循环。实验结果表明,该算法可以有效解决元件贴装顺序问题。同时,分析比较了三种传统交叉算子和该交叉算子的优化结果,表明这些传统交叉算子不能有效解决该问题。     

考虑信息不确定性的串行迭代时间模型的研究

串行迭代模型中信息不确定性导致任务的迭代返工,增加了任务的总执行时间。针对这一问题,通过对上、下游串行任务执行过程的分析,得出造成信息不确定性的主要原因,确定信息不确定度函数,构建考虑信息不确定性的串行迭代时间模型。进而通过对该模型的分析得到任务间的依赖关系指数和上、下游设计人员间的交流次数对迭代返工时间的影响规律,从而为缩短产品开发过程中任务的迭代返工时间和总执行时间提供了理论参考。以某机械产品的开发项目为例,验证了模型的有效性。     

基于最优保留遗传算法的PID参数自寻优

提出一种基于最优保留遗传算法的PID控制器参数自寻优算法.该方法利用最优保留遗传算法对PID控制器的参数KP,KI,KD进行自寻优,在寻优过程中并不需要任何先验知识.仿真结果表明,二阶时滞系统的性能得到明显的改善.     

基于遗传算法的有功功率负荷最优分配

选定煤耗量作为优化的唯一目标函数,将遗传算法应用于发电厂或电力系统,解决了多台机组运行时相互间负荷的最优分配问题,并与等微增率法进行了比较.仿真结果表明,遗传算法在计算结果和使用范围方面都较等微增率法更加经济、优越,具有运算速度快、使用方便的特点,能够实现机组负荷的优化分配,改善机组的运行经济性,该方法具有一定的有效性和可行性.     

基于约束矩阵与遗传算法的工艺加工顺序决策研究

随着现代制造技术的快速发展,CAPP越来越多的受到企业的广泛关注,工艺加工顺序决策是CAPP系统中最重要的工艺决策技术之一。针对CAPP技术中工艺加工顺序决策难题,提出了基于约束矩阵和遗传算法的智能化工艺决策方法,建立了基于遗传算法的工艺加工排序问题的数学模型,利用约束矩阵来描述工艺加工元间的优先关系,研究了基于遗传算法的工艺加工顺序决策过程,包括基因编码、适应度函数的设计、选种、基因重组和变异等。最后,以C#为开发语言,以Visual Studio2008为开发平台,开发成功了工艺决策系统模块并用实例验证了该方法的可行性。     

基于遗传算法的机器人最优测量构型研究

研究了机器人标定中最优测量构型的选择,采用奇异值分解方法获得了机器人位姿测量构型的观测指标。以该指标为优化的目标函数,利用遗传算法来选择机器人的一系列最优测量构型,以最小化参数估计中测量和建模误差的影响。实验结果表明,利用该方法获得的最优测量构型的标定结果优于随机选择的测量构型的标定结果。     

关于数控车床对移动指令和M,S,T指令的执行顺序

不同的数控机床对同一程序段内移动指令和M、S、T指令的执行顺序是不尽相同的。这种执行顺序由机床制造厂在数控装置允许的范围内选定,用户无法改变。执行顺序对车床来说有三种类型。有些车床还能用一些应答无视指令有选择地局部改变既定的执行顺序。本文结合实例对此进行了介绍。     

最优子种群实数编码的遗传算法

提出了最优子种群实数编码遗传算法理论,通过从种群中选出适应值最高的若干数量的个体,组成该代最优子种群,将最优子种群中的个体与种群中其它个体进行交叉变异、最优子种群中的个体间也进行交叉变异,从而产生新的种群。该遗传算法使得遗传过程中落入局部最优解的几乎不可能,对于多极值问题非常有效,收敛速度也非常快。     

遗传算法用矛轨迹优化综合时的转角顺序问题

轨迹优化综合时,通常已知1个固定目标轨迹,在目标轨迹上按照运动顺序依次选取一系列关键目标点。由于机构所生成的轨迹需要依次通过目标点,所以轨迹优化综合时需要满足主动杆转角顺序约束。本文提出了转角顺序约束的判定方法,由于遗传算法是用随机函数来获得初始种群的,所以转角顺序约束用于遗传算法时,会出现大量个体不满足约束条件的情况。本文改进了遗传算法的初始种群获得方法,以使初始种群能较好地满足约束条件。     

基于遗传算法的车辆座椅悬架最优控制器的应用

常规LQG控制器在车辆座椅主动悬架应用中,存在权值矩阵确定的问题。设计了一种基于遗传算法优化LQG权值矩阵的方法。该方法利用遗传算法的全局优化算法,以主动座椅悬架性能指标为目标函数对权值矩阵进行优化设计,并在Matlab/Simulink环境下建立了系统模型并进行仿真模拟。仿真结果表明:基于遗传算法优化的LQG控制器能够解决了最优控制器中存在的权值确定问题,提高悬架的设计效率,同时对于乘坐舒适性的改善有良好的效果。     

基于遗传算法的6-DOF机器人最优时间轨迹规划

针对机器人在特定工作坏境下工作效率低的情况,提出一种以时间为最优的轨迹规划方法。采用七次B样条曲线完成机器人各关节位置-时间序列的插值,并将运动学约束转化为B样条曲线控制顶点的约束,以机器人关节轨迹运行时间最优为优化指标,采用遗传算法对轨迹曲线执行时间最短寻优,规划出满足运动学约束及力矩平滑的时间最优轨迹。实验结果表明,该规划算法能够明显减小加加速度的累积效应,提高机器人执行轨迹的最优时间。     

基于遗传算法的飞行器计算模型顺序求解规划

飞行器概念设计阶段,关联矩阵用来描述计算模型与设计参数之间的关系,设计结构矩阵用来表示计算模型之间的依赖关系。通过关联矩阵进行输入输出传播,可确定部分计算模型与相关设计参数的关系,并识别出耦合模型集。在这一阶段由于输入输出设计参数并未固定,使得在对关联矩阵进行解耦过程中存在很多不同的结果。文中以遗传算法为优化工具,经过目标函数的设立、编码、交叉算子、变异算子等的设计,确定耦合集内计算模型的最优求解顺序和最优解耦结果。最后通过对一个简单飞行器设计实例验证了算法的可行性。     

基于遗传算法的PID型迭代学习控制增益的选取方法

针对PID型迭代学习控制算法,首先讨论了其收敛的充要条件和单调收敛的充分条件,然后给出目前利用单调收敛的充分条件确定PID增益的方法,并指出其不足。在此基础上,提出了基于遗传算法的PID型迭代学习增益选择方法（PID型GA-ILC算法）。利用该算法可以得到不满足PID迭代学习控制系统单调收敛条件但依然能使该系统单调收敛的PID增益,给出了数值仿真实例,证明了PID型GA-ILC算法的有效性。     

基于遗传算法的信号识别技术

将遗传算法应用于识别气浮式动平衡测量装置准静态信号的参数 ,提出了二次磨光法的数据预处理方法。首先采用二次磨光法消除坏点并进行快速傅立叶变换以确定信号的频率成分 ,并设定各频率成分信号的幅值和初相位的取值范围 ,然后以实测信号与识别结果的差值定义适应度 ,最后经过基本遗传操作和迭代得出最优解。仿真结果和试验实例表明 ,提出的方法精度很高 ,幅值识别误差不超过 1% ,初相位误差小于 2° ,满足了实际工程需求。     

基于交替迭代遗传算法的成批车间生产计划与调度的集成优化

研究了一类零部件混批生产车间需要加工准备的多周期成批生产计划与调度的集成优化问题,建立了生产计划和调度集成优化的非线性混合整数规划模型.并提出了一种交替式混合遗传协调优化算法求解该集成优化问题.其主要思想是给定计划用一混合遗传算法求调度,反过来给定已求调度用另一混合遗传算法求取新计划,如此不断交替使用两个混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

基于工艺动作过程的机械执行系统概念设计过程模型

机械产品概念设计的目的是获得产品设计方案,以便为后续的详细设计奠定基础。为了获得较好的产品设计原理方案,需要对机械产品在概念设计阶段的过程模型进一步研究。在前人的研究基础之上,主要针对机械执行系统概念设计过程模型进行研究,提出基于功能-作用原理-工艺动作过程-执行动作-行为-功能载体过程模型和相互之间的映射策略,把产品概念设计的过程模型进一步细化,以更好的符合人们在产品设计过程中的逻辑思维,从而便于提高设计人员的创新能力。     

基于迭代多模型ICA-SVDD的间歇过程故障在线监测

采用多向主元分析的间歇过程故障监测方法需假设过程数据严格服从高斯分布,而且要对监测批次的测量未知值进行预测,这在一定程度上限制了其应用范围.为此通过建立迭代的多模型序列,不仅有效地解决了测量未知值的预测问题,而且考虑了各个间歇过程时间片之间的关联信息.同时,利用独立成分分析方法提取出过程的非高斯信息,通过引入支持向量数据描述方法对独立成分进行进一步建模,实现非高斯特性下的间歇过程故障在线监测.通过一个实际的半导体制造过程的实验研究,表明提出的新方法可以更有效地处理间歇过程数据信息.     

基于遗传算法的装配作业优化

针对装配作业规划问题,考虑了装配操作类型、装配并行度和重定向次数对装配作业的影响,将遗传算法与集对分析理论中的优选技术相结合,得到了一种装配顺序规划的新方法.为了有效地缩小遗传算法的搜索空间,采用了基于几何和工艺约束的启发算法.实例分析表明了该方法的有效性和可行性.