基于改进SAPSO算法的永磁直驱风力发电机优化

针对永磁直驱风力发电机的重量、成本和效率的优化,将模拟退火算法的Metropolis准则引入粒子群算法,提出了一种改进的模拟退火粒子群算法,并对发电机进行了优化设计。这种改进的模拟退火粒子群算法不接受差解作为粒子群的全局最优,优化结果显示改进后的模拟退火粒子群算法收敛速度更快,寻优精度更高。有限元仿真结果显示,优化后的发电机设计方案达到了设计要求,与优化前的设计方案相比,发电机的重量减轻了15.3%,材料成本降低了14.1%,进一步验证了发电机设计方案的合理性与优化方法的有效性。     

基于多目标优化策略的螺旋弹簧可靠性稳健优化设计

应用可靠性稳健优化设计理论和多目标决策方法,将车辆螺旋弹簧的可靠性稳健优化设计转化为多目标问题.运用层次分析法选取粒子群算法中的全局极值和个体极值,提出基于层次分析法的多目标粒子群算法,并将该算法应用于可靠性稳健优化设计的多目标模型求解中.与传统方法相比,该方法简便、易行,并能迅速准确地得到车辆螺旋弹簧的可靠性稳健优化设计信息.     

齿轮减速器的多目标可靠性优化设计

提出一种以可靠度为目标函数和约束条件的多目标齿轮减速器优化设计方法。将可靠性引入齿轮减速器的确定性优化,考虑可靠度为设计目标和设计约束,并将小齿轮齿数作为离散确定性设计变量,进而构造出具有离散变量的多目标可靠性优化设计模型。提出在分支界定算法中嵌套遗传算法构造该优化问题的求解算法。该算法利用分支界定算法的遍历性和遗传算法的全局性,以获得优化问题的全局性解。最后,分别给出齿轮减速器的连续变量确定性解和可靠性解、混合变量确定性解和可靠性解,用以验证方法的有效性。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

模拟退火算法在减速器优化设计中的应用

根据模拟退火算法理论知识,建立了减速器优化设计的目标数学模型,确定优化设计时的约束条件,阐述了基于模拟退火算法减速器优化设计中的关键技术.并通过实例说明,采用模拟退火算法对减速器进行优化,可以使减速器设计得到显著的优化.     

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。     

自适应粒子群优化支持向量回归的工程系统可靠性预测

针对可靠性预测精度低的问题提出了一种支持向量机回归预测模型。在可靠性预测过程中，开发了一种结合正弦映射和自适应策略来更新惯性权重的自适应粒子群优化算法，通过增强算法的局部挖掘能力与全局搜索能力，在一定程度上提高了粒子群算法的精度和收敛效率。基于8种测试基准函数将提出的算法与其他粒子群算法进行比较验证，结果表明，提出的自适应粒子群算法相比于其他算法具有更好的搜索能力。在此基础上，提出了一种新的自适应粒子群优化-支持向量机回归混合可靠性预测模型，对支持向量机回归的参数进行调整并预测涡轮增压器和工业机器人系统的可靠性，结果表明该混合模型在可靠性预测方面可达到实际工程精度要求。     

基于SAPSO-ELM的风电机组齿轮箱故障诊断

由于极限学习机(Extreme Learning Machine,ELM)的参数是随机生成的,导致其存在网络结构稳定性差、分类精度不高等问题。针对这些问题提出了一种利用模拟退火粒子群算法(Simulated Annealing Particle Swarm Optimization,SAPSO)来优化ELM参数的算法。该算法对ELM参数进行SAPSO寻优处理,从而达到增强网络稳定性、提高ELM性能的目的。为验证该算法的有效性,将该方法应用到样本分类上,对风电机组齿轮箱故障进行诊断,实验结果表明,与ELM、粒子群-极限学习机(PSO-ELM)等算法相比,模拟退火粒子群-极限学习机(SAPSO-ELM)算法具有较好的稳定性和可靠性,提高了风电机组齿轮箱故障诊断正确率。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

基于改进PSO算法的液压调高系统神经网络预测控制

针对采煤机液压调高控制问题,提出一种基于模拟退火粒子群算法的RBF预测控制方法。综合模拟退火算法和粒子群算法的优点,用模拟退火思想来解决粒子群算法易陷于局部最优的问题。用模拟退火粒子群算法优化RBF神经网络,增强学习能力和算法稳定性。利用改进的RBF神经网络对采煤机液压调高系统进行预测控制,仿真结果表明,改进后的方法比传统控制方法辨识精度提高,响应速度更快,证明了该方法的改进效果较好。     

面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

企业资源优化与优化模型

讨论了企业资源优化问题的基本概念和特性,综述了学术界为实现企业资源优化所做的努力,提出了一个基于供应链结构、能够实现制造类企业资源优化的企业资源优化模型。该模型能描述制造企业复杂的物料清单关系,进行详细的物流与能力平衡,可对产品组合、库存控制、外协加工等进行优化。模型可以取代传统企业资源计划系统中的主生产计划、物料需求计划和能力需求计划模块,成为企业资源优化系统的核心模块。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

MATLAB优化工具箱在机械优化设计中的应用

研究了以人字架机构的质量最小为目标函数,应用现代优化设计理论技术建立其优化设计模型的方法,详细论述了MAT-LAB优化工具箱在机械优化设计中的应用,特别是对MATLAB优化工具箱中的有约束规划应用给出了比较详细的介绍。优化结果表明该设计方法对于解决机械优化设计问题非常有效。     

粒子群-蚁群融合算法在曝气机减速器优化设计中的应用

为了解决蚁群算法中参数的选取较大地依赖于实验者的个人经验,存在未成熟收敛的缺陷。提出一种PAAA算法对曝气机减速器行星轮系传动机构优化设计。在满足结构、强度等约束条件下,以行星轮系体积最小、效率最高为目标函数,建立行星轮系传动机构优化设计数学模型,再运用PAAA算法编写Matlab程序对所建数学模型进行求解。研究结果表明,在保证设计要求的条件下,行星轮系传动机构体积更小,效率更高。求解结果验证了PAAA优化方法快速有效,准确可靠。     

基于Labview非线性最优化的机械优化设计

采用Lab VIEW平台及最优化函数模块编程对机械轴销进行优化设计,介绍带约束的非线性最优化函数的使用方法和利用该函数编程优化的一般步骤,并用传统的优化工具验证结果,论述Lab VIEW在机械优化设计中的实用性。     

基于仿真优化的多种类型AGV数量配置优化方法

以生产线产能最大化为目标,以生产工艺、AGV路径、调度规则等为约束条件,建立了以AGV的数量为决策变量的数学模型来描述AGV的数量配置问题。针对该问题的复杂性,提出了基于仿真的优化方法。该方法利用仿真模型模拟AGV运行状态,并通过遗传算法确定AGV的配置数量,有效地提高了模拟的精确度与优化的速度。最后通过空调装配车间实例验证了该方法的有效性和可行性。     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

多目标优化方法在机构优化中的应用

介绍了多目标优化分类方法,并较详细的分析了几种典型多目标演化算法优缺点。列举了在机构分析中的应用实例。总结了各种算法在机构分析过程中的使用情况。在实际的优化过程中,各种算法都有其自身的缺陷,因此如何利用更有效的手段解决多目标优化问题具有非常重要的意义。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。