基于粒子群算法的蜗杆传动多目标优化设计

以蜗杆传动接触点处的最小油膜厚度最厚、滑动速度和中心距最小为目标函数,采用粒子群算法对所建数学模型进行求解。优化结果与传统设计相比,获得了较大的最小油膜厚度和较小的滑动速度,提高了蜗杆传动的综合性能和摩擦学性能。     

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...     

基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

基于改进粒子群算法的同步器多目标参数优化

为兼顾变速器中同步器更短同步时间和更高寿命的要求,基于牛顿第二定律和粘着磨损理论、M-B分形接触模型分别建立以同步时间和同步器寿命为目标的数学模型,运用理想点法构造评价函数进而建立以二者为目标的多目标参数优化模型,利用层次分析法确定各目标在多目标优化模型中所占权重值,并借助改进粒子群算法对多目标参数优化模型进行优化求解。结果表明:优化后与优化前相比同步时间减少了8%,同步器寿命增加了9%,二者得到较好的改善。改进粒子群算法的使用使同步器性能得到较好的提升,而理想点法的运用有效的避免了多目标优化中大数量级目标支配优化结果的问题。     

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。     

基于改进的粒子群算法的风力机叶片优化设计

基于有限叶片变环量气动计算模型,加入攻角随风速的变化处理,根据风电场中来流速度的概率分布,并以风力机最大年发电量为目标,建立优化模型,使用改进的粒子群算法进行搜索,寻找全局最优解.采用改进的粒子群算法设计的优化程序,设计了1.3 MW定桨失速型风力机叶片,并与现有的风力机叶片作比较.优化后,风力机叶片的弦长明显减小,达到额定风速后的功率输出情况,也满足了定桨失速型风力机的功率控制要求,说明本文所述的优化设计方法的有效性和实用性.     

基于灰色粒子群算法的飞机装配公差多目标优化设计

为全面考虑公差对制造成本的影响,将装配成本引入飞机装配公差优化设计模型,针对典型的飞机装配工艺方法,提出一种基于制造成本和质量损失的公差多目标优化设计模型,进而实现不同装配方法约束下的公差优化设计。将灰色关联理论与粒子群优化算法相结合应用于公差优化设计,根据公差设计特点提出改进策略,使其能够有效实现模型的求解。以某飞机典型组件为例,验证了该方法的有效性,并对不同装配方法的公差设计结果进行了对比分析。     

基于灰色粒子群算法的发动机悬置系统多目标优化设计

动力总成悬置系统悬置参数的优化可以通过移频、解耦、降低支撑处响应力等多种途径来进行,因此,悬置参数的设计是一个多目标优化问题.运用灰色理论中的关联分析的方法,选取粒子群算法中的全局极值和个体极值,并结合稳健设计思想,提出了适合于多目标模型的灰色粒子群稳健优化算法,并将该算法应用到动力总成悬置系统的优化设计中.计算结果表明,该算法不仅能够很好地协调从不同角度提出的悬置参数的优化目标,获得满意的综合效果,而且可以使优化后的悬置参数有更好的鲁棒性.     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于改进粒子群优化算法的无级变速器冷却系统优化设计

提出了一种基于改进粒子群优化算法的无级变速器冷却系统优化设计方法。首先确定了整个冷却系统的基本设计方案;然后在考虑整机和局部能量损失特性、冷却压力控制阀工作特性的基础上,采用改进粒子群优化算法对冷却系统关键结构参数进行了优化。仿真计算和整车试验结果表明,所设计的冷却系统可以随发动机转速的不同实现较优的整机和局部冷却流量分配,并可以满足各种极限工况的冷却要求。     

基于粒子群算法的齿轮连杆机构优化设计

粒子群算法是一种智能算法,规则简单,容易实现且求解效率较高,很适用于求解机构优化设计问题.实践表明,应用粒子群算法能实现齿轮连杆机构的优化设计,并取得了很好的效果.     

基于多目标粒子群算法的平衡式变幅臂架系统优化设计

平衡式变幅广泛用于港口装卸用门座式起重机的工作性变幅机构,其变幅臂架系统为单自由度系统,设计变量多,受力较复杂,约束条件多。因此,针对其特点,以平衡式臂架系统自重最轻、变幅功率最小作为优化目标,以实际工况的工作性能要求作为约束条件,建立臂架系统及活动系统的优化模型,采用多目标粒子群算法并通过Python语言编程进行优化求解,以获得最优的几何尺寸参数。通过ADAMS软件对优化结果进行仿真验证,有效地缩短了设计周期,提高了设计水平。     

基于改进多目标粒子群算法的冷连轧规程优化设计

合理的轧制规程能够提高轧机的产量和产品的质量,带来显著的经济效益。采用多目标粒子群算法,选择等相对负荷和预防打滑为目标进行冷连轧规程优化。针对算法存在的收敛性和分布性难以均衡的问题,引入一种基于平行坐标系的密度和收敛潜能计算方法;同时,为克服算法易于陷入局部最优的缺陷,提出一种带个体扰动的全局最优领导粒子选择策略。仿真结果表明,该方法能快速跳出局部极值,获得具有更好收敛性和分布性的近似Pareto前沿。最后应用该方法对某五机架冷连轧机进行了轧制规程优化。       

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

基于自适应权值粒子群算法的滑动轴承优化设计

针对电机轴承的优化设计问题,选用自适应权值粒子群算法（Adaptive Partical Swarm Optimization,APSO）,以轴承宽径比、轴承相对间隙以及润滑油动力黏度为设计参数,根据润滑特性计算得到的范围,采用合理约束条件,确立承载能力、轴承功耗以及轴承温升为目标函数,在分别进行单目标函数优化后,采用加权方法建立多目标函数模型进行优化设计。将得到的优化设计结果与常规设计结果相比,发现采用智能算法优化设计得到的轴承性能得到了显著提高。该优化设计方法相比于常规设计方法,避免了经验设计存在的设计盲目性,对于后续轴承的设计特别是结构设计可以提供较好的指导作用。     

基于改进粒子群算法的3RRR并联机器人的优化设计

基于二进制粒子群算法提出一种新的改进粒子群算法,同时将该改进算法应用于3RRR并联机器人的尺寸参数优化设计,并通过仿真实验表明了该改进算法有效可行,为该类机器人在农业及农产品加工中的应用提供了重要的理论依据。     

基于序列响应面法的汽车结构耐撞性多目标粒子群优化设计

汽车结构的耐撞性及碰撞吸能优化是一个涉及到多变量、多约束和多目标的优化过程.为克服常规响应面法在整个设计空间进行逼近导致精度低和传统的单目标优化设计只能针对其中的一个目标进行优化的缺陷.提出采用逐次逼近方法,通过移动、缩放等方式在设计空间中不断更新兴趣域,在不同的兴趣域中将试验设计、能代表实际碰撞过程精度较高的近似模型和多目标粒子群优化算法相结合,获得一组最小化各目标函数的非劣解.利用最小距离选解法快速有效地从非劣解集中挑选出一组耐撞性效果最好的解并以此解作为下一迭代步兴趣域的中心,直到收敛至最优解,最终优化解的各个目标函数值均得到提高.数字算例表明,该方法具有较高的精度和较强的工程实用性.     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法.采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进...     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。