基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

基于多目标遗传算法的产品优化配置研究

针对产品配置设计存在的问题，提出一种基于多目标遗传算法的产品优化配置方法，设计了相应编码解码方案和适应度计算方法，在具体算法中，对小生境的范围确定和精英策略提出改进。仿真实验证明，该算法可行有效，优于其他遗传算法。     

采用遗传算法的混流装配线平衡多目标优化

针对混流装配线操作人数已知、生产节拍待定情况下的平衡问题,研究了混流装配线第二类平衡问题的优化方法,以均衡各工作站的加权平均负荷、最小化生产节拍为优化目标,建立了求解加权平均负荷与生产节拍加权和的数学模型,并运用遗传算法对其进行求解.各优化目标数量级的统一,简化了算法求解过程,在保证解的有效性的同时提高了算法求解效率.算例分析验证了算法的有效性.     

基于多岛遗传算法的轴承精超工艺多目标优化

为提高角接触球轴承内圈沟道精超加工精度及效率,利用ISIGHT优化软件对角接触球轴承内圈沟道精超工艺进行了多目标优化研究.首先通过正交试验得到一组样本点;然后采用二次多项式响应面法建立以工件转速、油石压力、油石摆动频率及超精时间等主要工艺参数为输入变量,以轴承内圈沟道表面粗糙度和沟道圆度误差为输出变量的多目标优化代理模型;最后,基于多岛遗传算法对多目标优化代理模型进行优化,得到一组最优精超工艺参数组合及结果预测值.试验结果表明:经过优化得到的表面粗糙度值比优化前的表面粗糙度值降低了15.244％,沟道圆度误差值比优化前的圆度误差值降低了14.87％,并且加工效率提升了21.43％,优化效果显著.     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。     

基于遗传算法的仿生肌肉多目标优化控制研究

以动物肌肉结构和工作特性为模拟对象的仿生肌肉,其控制对象数量多,控制较为复杂.首先将仿生肌肉控制转化为多目标优化控制问题,将多目标函数合成为单一目标函数,以对该多目标优化问题进行求解;其次就遗传算法在该多目标优化求解问题中的应用进行了讨论;最后对由形状记忆合金构成的仿生肌肉进行仿真实验,结果表明仿生肌肉的多目标优化控制方法是一种有效的优化控制方法.     

基于遗传算法的仿生肌肉多目标优化控制研究

以动物肌肉结构和工作特性为模拟对象的仿生肌肉,其控制对象数量多,控制较为复杂。首先将仿生肌肉控制转化为多目标优化控制问题,将多目标函数合成为单一目标函数,以对该多目标优化问题进行求解;其次就遗传算法在该多目标优化求解问题中的应用进行了讨论;最后对由形状记忆合金构成的仿生肌肉进行仿真实验,结果表明仿生肌肉的多目标优化控制方法是一种有效的优化控制方法。     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、     

基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法.以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力.文章最后以青贮机装配线实际案例验证了...     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

汽车传动系统扭振问题的遗传算法优化

某前置后驱微型客车存在中低转速下车内轰鸣声的问题,分析研究表明该轰鸣声由传动系统扭振引起。首先建立传动系统扭振当量模型并进行自由振动计算和强迫振动计算,开展传动系统扭振测试,并将仿真计算结果与试验数据进行对比,以此验证模型的准确性。然后在此模型基础上对该车型传动系扭振特性进行分析和研究,基于遗传算法对传动系扭振问题进行优化,提出两种降低扭振幅值的方案:优化传动系统关键参数;加装双质量飞轮。对优化得到的数据制作样件并进行试验验证,结果表明加装双质量飞轮方案对降低扭振幅值效果更加明显。上述工作对解决同类问题具有一定指导意义。     

车辆前端吸能部件多目标耐撞性遗传优化

车辆耐撞性是一个涉及多因素的强非线性问题,而传统响应面模型柔韧性又不足.为克服传统响应面法在拟合车辆耐撞性问题输入与输出之间的映射关系所带来的不精确性和耗时性,这里通过建立一个经试验验证准确性的耐撞性仿真模型,提出采用均匀设计法来提高车辆耐撞性仿真试验的代表性并减少仿真试验次数.通过采用一个具有良好韧性的三层神经网络来...     

基于遗传算法的履带车辆电磁悬挂LQR控制优化

提出采用遗传算法对电磁悬挂LQR控制算法进行优化的方法。针对被动悬挂不可控、半主动悬挂不能主动出力和主动悬挂耗能过大等问题,提出并设计了基于电磁作动器和磁流变阻尼器相复合的履带车辆电磁悬挂结构方案,并依据其简化模型设计了LQR控制器。提出采用主、被动悬挂性能评价指标的均方根比值之和作为适应度函数进行LQR权系数优化的方法。仿真结果很好的证明了采用集成优化的电磁悬挂LQR控制能够较大地提高履带车辆的行驶平稳性,并且该优化方法也同样适用于汽车悬架。     

基于遗传算法的高速铣削加工工艺多目标优化

针对整体叶轮的特点,考虑控制叶轮加工变形因素以及叶轮生产的成本、效率、质量问题,提出了基于遗传算法的高速铣削加工工艺参数的多目标优化方案,建立了以保证加工质量的前提下,实现最高生产率、最低加工成本为目标的多目标函数,设定变量,并界定和总结出各类约束条件.最后运用遗传算法进行matlab编程,计算出优化的切削参数.     

三轿车后副车架多目标拓扑优化方法研究

针对汽车底盘零部件多目标优化中,优化目标函数构造比较困难、加权因子选取不够合理的问题,介绍了一种基于固体各项同性材料惩罚模型的(SIMP)的多目标拓扑优化方法;使用带加权因子的理想点法公式和平均频率公式构造了综合目标函数;改进了多工况加权因子的选定方法,提出一种基于时间修正的加权方法;并以国产某车型后副车架轻量化优化为例,对方法进行了验证,结果表明,使用该方法对汽车底盘零部件进行拓扑优化,能够减轻对象重量,提高其在不同工况下的刚度,提高其主要的低阶模态频率值,使零部件的静态、动态性能均能得到提升。     

基于遗传算法的烟草输送机振槽排样优化算法

针对烟草输送机振槽加工材料浪费率高的问题,提出了遗传算法对其进行优化排样。确定了适用于排样优化的编码方式,编写了选择算子,交叉算子及变异算子,在Matlab上编写程序并得到实现。实例测试结果表明通过遗传算法对其进行优化排样可有效提升材料利用率。     

Application of the Genetic Algorithm to the Multi-Objective Optimization of Air Bearings

A feasible solution must be obtained in a reasonable time with high probability of global optimum for a complex tribological design problem. To meet this decisive requirement in a multi-objective optimization problem, the popular and powerful genetic algorithms (GAs) are adopted in an illustrated air bearing design. In this study, the goal of multi-objective optimization is achieved by incorporating the criterion of Pareto optimality in the selection of mating groups in the GAs. In the illustrated example the diversity of group members in the evolution process is much better maintained by using Pareto ranking method than that with the roulette wheel selection scheme. The final selection of the optimal point of the points satisfied the Pareto optimality is based on the minimum–maximum objective deviation criterion. It is shown that the application of the GA with the Pareto ranking is especially useful in dealing with multi-objective optimizations. A hybrid selection scheme combining the Pareto ranking and roulette wheel selections is also presented to deal with a problem with a combined single objective. With the early generations running the Pareto ranking criterion, the resultant divergence preserved in the population benefits the overall GA's performance. The presented procedure is readily adoptable for parallel computing, which deserves further study in tribological designs to improve the computational efficiency.     

基于自适应遗传算法的连续体结构的拓扑优化

采用遗传算法 ,用染色体基因映射结构离散化后的单元体 ,通过改变基因代码实现连续结构的拓扑。优化过程中 ,利用遗传算法进行结构优化 ,通过有限元技术对结构进行建模和分析。在遗传算法中 ,采用自适应的交叉和变异算子 ,提高优化分析效率 ,改善优化分析结果。算例分析表明所提出的方法是有效的。