基于多目标粒子群优化算法的汽车造型设计决策模型

为降低主观性和个体决策差异对汽车造型设计方案决策的影响,提出一种基于多目标粒子群优化算法的汽车造型设计决策模型,该模型通过限定汽车造型设计决策约束空间、决策变量的数量等因素,利用多目标粒子群优化算法对设计方案进行多目标决策,并采用层级分析法选取汽车造型设计最终(优)方案,将汽车造型设计决策问题映射到数学模型,来完成对整个汽车造型设计方案决策过程的模拟,引导汽车设计师有条理地进行创新设计,并辅助决策者各轮次的方案评价。以某紧凑型SUV汽车造型方案的设计决策为例验证了模型的可行性和合理性。     

基于KE和AHP理论的汽车造型意象评价方法研究

为解决汽车设计过程中造型特征获取和设计完成后汽车造型意象认知二者之间的匹配问题,辅助设计师通过造型意象评价对设计方案进行合理选择,提出了一种基于感性工学和层次分析法的汽车造型意象评价方法。以汽车设计中的车型、品牌和风格特征要素建立造型特征集,通过感性工学理论实现造型意象词汇的量化,以确定语义特征集,运用层次分析法建立造型特征集与语义特征集之间的关系,从而构建影响造型意象评价的指标体系,建立模糊评价矩阵,计算各评价指标权重并进行综合排序;最终对设计方案进行模糊综合评价,获得最佳造型意象设计方案。将该评价方法应用于3款电动汽车造型设计方案评价中,运用模糊隶属度函数,建立模糊评价矩阵,并对各个指标的评价结果进行量化处理,筛选得出最佳造型意象设计方案,为项目开发提供了有效参考。     

工程车辆操控台造型优化设计

为提高工程车辆驾驶室操控台的美观度,构建了用户偏好驱动下的工程车辆操控台造型优化设计系统。以轮式装载机为例,通过聚类分析法与因子分析法建立了操控台造型设计要素与用户偏好间的映射关系;依据数量化理论I类,借助SPSS软件确定了两者的函数关系;结合交互式遗传算法(Interactive Genetic Algorithm,IGA)适应度函数,构建了操控台造型优化设计模型,利用MATLAB软件编制出优化设计系统及交互界面。结果表明:该系统可准确输出用户满意的设计方案,能为工程车辆操控台造型优化设计提供参考。     

基于Pareto遗传算法的高速插秧机变速器优化设计

以某高速插秧机变速器的优化设计为例,将Pareto最优解概念和遗传算法相结合,在遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器等技术,并针对设计变量都是离散变量的特点,采用先将生成的随机数变换到约束范围后再圆整到最近离散值的方法,构造了适用于求解多目标优化问题的Pa-reto遗传算法,运用该算法获得了变速器在体积最小、中心距最小和总重合度最大目标下的Pareto最优解集。结果表明,采用Pareto遗传算法优化设计的变速器达到了综合优化设计的效果。     

可拓理论在AGV产品优化设计中的研究

在研究AGV产品设计的过程中,提出了 一种以造型和性能同时作为优化目标的优化设计模型.造型设计方案的提出是基于可拓理论建立物元模型并进行可拓变换而提出的多个可行性的造型,通过优度评价的方法筛选评测出符合产品定位的最佳造型设计方案;结构性能设计是利用Ansys Workbench中基于最佳填充空间设计法(OSF)与多目标遗传算法(MOGA)相结合的方式对响应面进行优化,将满足结构性能要求及轻量化为优化目标进行优化求解,优化后质量减轻21.76％.经过验证本方法切实可行,可以为设计AGV产品及其他具有相似设计要求的产品提供设计模型参考.     

基于响应面法和遗传算法的孵育器多学科优化设计

针对恒温孵育器要满足重量小、温度均匀的设计要求,应用ANSYS和Matlab软件对孵育器进行了多学科优化设计。通过有限元分析,分别以目标区域平均温度和温度均方差为设计目标,通过采用正交试验设计方案采集数据,获取了响应面模型,并采用遗传算法进行了多学科优化设计。研究结果表明:响应面模型可以准确模拟有限元模型并用于优化设计,遗传算法可以用于有效解决多目标优化问题;该方法为多学科优化设计问题提供了解决方案。     

产品多意象造型进化设计

为解决消费者对产品造型的多意象需求,在分析产品造型进化设计整体流程的基础上,提出产品多意象造型进化设计的模型、实现方法和关键技术。确定了多意象目标需求和产品样本造型参数,建立了意象造型神经网络评价系统,利用非支配排序遗传算法建立了多意象造型进化设计系统。该算法的非劣分类、拥挤度计算和修剪运算等技术保证了多意象造型进化设计的多样性和高水平性。以汽车侧轮廓设计为对象进行实例研究,结果表明该方法可有效应用于产品多意象造型进化设计。     

齿轮变速箱的集成稳健优化设计

将优化设计理论与稳健设计方法相结合,讨论汽车变速箱的集成稳健优化设计问题.在单目标优化的基础上,以体积最小和噪声最低两个设计属性为目标,利用集成稳健优化设计对汽车变速箱的多目标多属性进行数学建模,从而将集成稳健设计归结为满足稳健要求的多目标优化问题.数值算例表明,该方法是一种实用的稳健设计优化方法.     

基于支持向量机和粒子群算法的产品意象造型优化设计

为满足消费者对产品造型的感性意象需求,提出了基于支持向量机和粒子群算法的产品意象造型优化设计方法。首先确定目标意象、代表性样本和造型设计参数,进行产品感性意象调查;然后应用支持向量机获得"造型设计参数-产品感性意象"之间的映射关系,建立产品造型意象评价系统;最后以代表性样本为初始种群,以意象评价为适应度评估,利用粒子群算法建立产品意象造型优化设计系统。以汽车轮廓优化设计进行实例研究,结果表明该方法较好地模拟了设计思维,可为产品概念设计提供有效的辅助与支持。     

产品配色设计的色彩邻接网络模型

图像是设计师进行配色设计的重要灵感来源,通过技术手段对源图色彩提取、色彩选择到目标设计方案的色区赋色、调整等过程进行辅助,可以提高设计效率。提出了色彩邻接网络模型,以图像提取色为节点、以色区间的邻接紧密程度为边,为源图和目标配色对象分别建立源网和目标网两个网络模型。将配色问题映射为从源网中搜索可以最佳匹配目标网的子网,利用逆序数和异连接数两个指标的组合来评价匹配强度,并基于交互式遗传算法等技术实施配色方案的优化。基于平面设计软件开发了配色设计系统,实现了从色彩提取到重用的配色设计关键环节的辅助。以汽车外观配色为载体进行了应用测试,证明了所提方法的有效性。     

基于BP神经网络的侧碰多目标优化设计

采用拉丁方试验设计方法对汽车侧围关键吸能部件的材料和板料厚度进行了多参数空间的样本数据设计,结合近似技术和多目标遗传算法,提出了一种基于BP神经网络模型的侧碰多目标优化方法。研究结果表明:该方法在满足侧碰法规GB20071的基础上,既能提高侧围结构对乘员的保护性能,又能实现其轻量化目标;BP神经网络模型的精度和效率较好地满足了工程要求。     

Metamodel-based global optimization using fuzzy clustering for design space reduction

High fidelity analysis are utilized in modern engineering design optimization problems which involve expensive black-box models.For computation-intensive engineering design problems,efficient global optimization methods must be developed to relieve the computational burden.A new metamodel-based global optimization method using fuzzy clustering for design space reduction(MGO-FCR) is presented.The uniformly distributed initial sample points are generated by Latin hypercube design to construct the radial basis function metamodel,whose accuracy is improved with increasing number of sample points gradually.Fuzzy c-mean method and Gath-Geva clustering method are applied to divide the design space into several small interesting cluster spaces for low and high dimensional problems respectively.Modeling efficiency and accuracy are directly related to the design space,so unconcerned spaces are eliminated by the proposed reduction principle and two pseudo reduction algorithms.The reduction principle is developed to determine whether the current design space should be reduced and which space is eliminated.The first pseudo reduction algorithm improves the speed of clustering,while the second pseudo reduction algorithm ensures the design space to be reduced.Through several numerical benchmark functions,comparative studies with adaptive response surface method,approximated unimodal region elimination method and mode-pursuing sampling are carried out.The optimization results reveal that this method captures the real global optimum for all the numerical benchmark functions.And the number of function evaluations show that the efficiency of this method is favorable especially for high dimensional problems.Based on this global design optimization method,a design optimization of a lifting surface in high speed flow is carried out and this method saves about 10 h compared with genetic algorithms.This method possesses favorable performance on efficiency,robustness and capability of global convergence and gives a new optimization strat     

基于P1N1植物生长算法的车身梁截面快速优化

为了在概念设计阶段快速有效地实现车身梁截面的优化设计,提出一种基于P1N1植物生长算法的截面快速优化方法。该方法结合汽车车身关键截面数据库,同时考虑了车身造型、内部空间、基本性能、制造工艺等方面约束条件。通过提取出截面数据库中的截面节点坐标以及截面性能参数,将数据库中梁截面的节点坐标作为设计变量,导入到P1N1植物生长优化算法中进行优化,从而控制梁截面的形状。建立基于P1N1植物生长算法的相关数学模型,并编制了相应的程序,通过算例验证了该方法能够高效实现车身梁截面的快速优化。     

结构多目标拓扑优化目标函数构建方法的研究

为实现结构材料的多目标拓扑优化设计,基于数学规划法提出一种广义的平均距离法,用以研究多目标拓扑优化目标函数的构建方法。介绍了运用平均距离法演变的将多目标转化为单目标的多种方法,并以汽车悬架控制臂为实例,应用演变的多种方法进行拓扑优化仿真研究。研究表明：运用平均距离法演变的多种方法可以灵活地构建多目标优化目标函数,基于所构建的目标函数可以寻找较优的构建方法,更好地将平均距离理念应用于多目标结构优化设计。     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

多目标优化方法在汽车盘式制动器设计中的应用

工程问题优化一般是多目标的优化设计,本文论述的多目标模拟退火方法是基于Pareto理论,用于解决多目标问题的一种实用方法。优化得到均匀分布的Pareto最优解集后,依据不同的设计要求,从其中选择最满意的设计结果。将此方法应用于盘式制动器优化设计,目的是在保证足够制动力矩的前提下,尽量减小摩擦副升温和制动器的尺寸,以提高制动器工作的可靠性并给整车的设计留下更多的空间。     

LNG加气站管路布局多目标优化研究

针对液化天然气(Liquefied natural gas,LNG)加气站管路具有常温安装,低温、内压、大范围温度波动下运行的特点,为降低管路建设与运行成本、提高安全性,提出了一种基于非支配解排序多目标遗传算法的LNG管路布局优化设计方法。该方法通过引入传递矩阵法建立简化模型,实现对管路受力变形情况的快速有效分析,进而可对管路进行综合评价。为了在符合工程规则的前提下完成最小化长度、弯头数、流阻损失以及受力变形的管路布局,基于遗传算法建立了LNG管道优化模型,使用多目标优化方法得出了在路径短、能耗低、安全性高等方面达到帕累托最优的布局方案。最后,在不同工况下对优化所得管路布局方案进行热-结构耦合分析,以确保其能够安全可靠运行,并验证该方法的正确性及有效性。     

用户期望意象驱动的汽车造型基因进化

选取汽车造型基因典型元素——造型特征线为研究对象,基于遗传算法提出用户期望意象驱动的汽车造型基因进化思想和方法流程.通过调研和标杆车分析获取用户期望意象形容词,经过聚类分析得到关键意象词汇并将其量化表征.选取汽车侧面轮廓线作为研究对象,利用贝塞尔曲线将其量化描述.从多种途径选取符合用户期望意象的进化计算初始种群案例样本...     

基于网格支配的微型多目标遗传算法

提出了一种基于网格支配的微型多目标遗传算法,该算法在求解较多目标函数的优化问题时具有较好的收敛性和较高的计算效率。该算法引入网格支配概念并结合微型多目标遗传算法,在每一代进化种群中计算各个个体的网格值、网格拥挤距离和网格坐标点距离,根据网格支配分级和网格选择机制策略选取精英个体,并对其进行交叉和变异操作,使其朝前沿面收敛以获得Pareto最优解。4个测试函数和2个工程实例验证了该算法的有效性。     

A hyperspherical particle swarm optimizer for robust engineering design

This paper presents a novel multi-objective particle swarm optimizer, called hyperspherical particle swarm optimization (HSPSO), which efficiently deals with robust engineering design problems. In contrast to traditional optimization methods which rely on single-point design configurations, the HSPSO method evolves multi-dimensional design surfaces while simultaneously optimizing several potentially conflicting objectives and minimizing product/process variations. The hyperspherical representation is accommodated by incorporating manufacturing tolerances for design variables, and sensitivity analysis is performed to maintain feasibility within the design region. Hyperspherical particles are automatically evaluated, and non-inferior solutions are identified by the Pareto-dominance strategy. To enhance the local search ability of the particle swarm optimization algorithm, a gradient descent algorithm is applied, and fitness evaluation is performed by using a crowding factor, which defines the density of the population along the Pareto front. The performance of the proposed HSPSO algorithm is highlighted by reporting on three robust engineering design problems, which involve a mixture of single objective and multiple conflicting objectives along with integer, discrete and continuous design parameters. Monte Carlo simulations are used to assess the reliability of the obtained results.