基于响应曲面法和粒子群算法的铝型材挤压模具优化设计

导流孔形状是导流模具设计的主要参数，对挤压产品的质量、模具寿命和挤压力有着非常重要的影响。本文以模具出口型材截面的速度均方差为目标，以导流孔的形状为设计变量，采用基于ALE算法的HYPERXTRUDE软件，结合响应曲面法和粒子群算法建立了导流孔形状优化模型并对其进行非线性优化。与优化前的结果相比，优化后型材截面上速度分...     

改进粒子群算法的环形薄壁零件铣削参数优化

针对某环形薄壁零件在加工过程中的零件局部变形过大的问题,提出了改进粒子群算法的环形薄壁零件铣削参数优化方法。采用有限元软件,对局部变形大的区域进行仿真,得到仿真出的铣削力;通过Design-Expert13中正交实验响应曲面法建立加工参数与铣削力之间的目标函数,采用改进的粒子群算法对目标函数进行优化,最后通过对优化后的加工参数与经验加工参数进行实验对比。结果表明：采用改进粒子群算法的环形薄壁零件铣削参数优化的方法,可使零件局部变形大的区域的铣削力减小24.9%,有效降低了环形薄壁零件的变形量,为技术人员在选择该环形薄壁铣削参数时,提供了新的参考方案。     

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。     

铝型材挤压模具的3D优化设计

详细分析了铝型材挤压模具设计的特点和铝型材挤压分流模具和平模的结构特征,根据铝型材挤压模具的制造加工工艺技术和铝型才挤压模具设计步骤,用Ｃ语言编写了铝型材挤压模具参数设计的程序,以流程图的形式详细引导铝型材挤模具的设计过程;以人机对话的形式实现铝型材挤压模具参数的优化设计。     

铝型材挤压过程非正交网格有限体积法数值模拟与模具优化设计

将流体力学中的有限体积法（FVM）基本理论与刚黏塑性流动理论相结合,建立了基于非正交结构网格的铝型材挤压过程有限体积法数值模拟模型。模型采用非正交结构网格拟合复杂几何形状边界,可实现局部细化;在非正交网格上直接离散直角坐标系下的控制方程,避免了采用适体坐标系带来的复杂坐标转换问题。采用SIMPLE算法耦合求解压力场和速度场,推导了非正交网格上的压力修正方程。开发了铝型材非稳态挤压有限体积法数值模拟程序AE-FVM,并对典型薄壁铝型材挤压过程进行了模拟和模具优化,通过将模拟结果与基于有限体积法的模拟软件MSC/SuperForge的结果进行比较,验证了所建立的数学模型的正确性。     

基于粒子群算法纯电动汽车传统优化设计

为了纯电动汽车更好适应城市路况,获得更好的动力性和经济性,以某型单挡的纯电动汽车为研究对象,在基于整车设计参数和动力性能参数上,合理匹配两挡AMT变速器。以加速时间最短和百公里能耗最少为优化目标,以整车动力性、能量消耗和传动系统速比为约束条件,搭建Matlab/Simulink与Isight联合仿真模型。采用粒子群算法对传动系统速比进行优化,优化后仿真结果表明：在NEDC循环工况下,百公里能量消耗降低了2.6%,(0～100)km/h加速时间缩短了4.7%,并进行实车试验,验证仿真合理性。     

基于粒子群算法纯电动汽车传统优化设计

为了纯电动汽车更好适应城市路况,获得更好的动力性和经济性,以某型单挡的纯电动汽车为研究对象,在基于整车设计参数和动力性能参数上,合理匹配两挡AMT变速器。以加速时间最短和百公里能耗最少为优化目标,以整车动力性、能量消耗和传动系统速比为约束条件,搭建Matlab/Simulink与Isight联合仿真模型。采用粒子群算法对传动系统速比进行优化,优化后仿真结果表明：在NEDC循环工况下,百公里能量消耗降低了2.6%,(0～100)km/h加速时间缩短了4.7%,并进行实车试验,验证仿真合理性。     

基于粒子群算法的滚削齿面综合轮廓误差预测模型与试验研究

在配备有自主研发的数控滚齿系统的精密卧式滚齿机上,运用三因素两水平响应曲面法设计滚削试验,研究齿轮滚削加工刀具转速、轴向进给速度、背吃刀量对齿轮齿面轮廓误差的影响规律。根据试验结果,分析得出齿轮齿廓总偏差、齿轮螺旋线总偏差、齿距累计总偏差的预测模型及各工艺影响因素对齿面轮廓误差的作用显著程度,并以三个预测模型的附加权重值之和达到最小值为目标,建立可以评定多目标误差的齿面综合轮廓误差数学模型,运用粒子群优化算法对齿面综合轮廓误差数学模型进行分析优化,寻找最佳滚齿加工工艺参数。试验表明,采用粒子群优化算法对响应曲面法建立的齿面综合轮廓误差数学模型进行优化可以作为滚削加工前的工艺参数选取方案。     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

基于响应面模型的铝合金壁板挤压成形优化设计

针对铝合金壁板挤压成形中出现的挤压能耗过大、制品缺陷问题,对6063铝合金壁板挤压过程进行多目标优化设计。结合正交试验设计和响应面设计方法,建立挤压成形参数与评价指标的二阶响应面模型。运用遗传算法和模拟退火算法,实施最优个体保留策略,开发出遗传模拟退火程序,对响应面模型进行寻优,获得24组Pareto最优解。通过定义满意度函数,选出了符合要求的满意解。为验证优化结果的真实性,对满意解进行仿真验证,仿真结果与优化结果相吻合。     

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.     

基于粒子群算法的汽车悬架弹簧的优化设计

粒子群算法容易理解、易于实现、编程简单。利用粒子群优化算法对汽车悬架弹簧进行优化设计,其速度要比用其他的方法快得多,仅迭代很少的次数就能得出比较优的结果。有利于提高设计的速度,使设计易于实现,更大程度地提高设计的质量,为钢板弹簧系统、汽车悬架和整车的分析计算奠定坚实的基础。同时为少片弹簧和多片弹簧的优化设计提供了一种新的方法。     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明：改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

改进的粒子群算法在圆度误差评价中的应用

由于用最小区域法(MZC)评价圆度的目标函数是非线性函数,用传统的优化方法难以进行评价,而且还容易陷入局部最优解。基于最小区域法(MZC)准则的基础上,运用一种改进的粒子群算法—协同粒子群优化(CPSO)算法来评价圆度误差,此方法将原来的粒子群分成若干个子种群,每个子种群中粒子各自寻求自己的最优值,各种群粒子信息共享,共同进化,直到达到指定的进化代数,最后比较得出最优值。相比遗传算法(GA)和标准的粒子群优化(PSO)算法具有全局搜索能力强,收敛速度快,精度高的优点。最后在MATLAB软件编程环境下,用实例比较验证了CPSO算法的有效性。对其他的几何量评价具有指导意义。     

基于改进粒子群算法的车间作业排序的优化设计

兼顾车间作业排序中的制造周期和机器利用率,建立了以最小化最大完工时间为主目标、以最大化机器利用率为从目标的优化模型。设计了引入自适应技术的惯性权重,使基本粒子群算法的学习因子可动态变化地改进粒子群算法,并用该改进后的算法对车间作业排序进行了优化设计。实例研究表明:改进后的粒子群算法在收敛速度和收敛可靠性上均优于未改进的粒子群算法,在求解车间作业排序问题的应用中具有更高的求解质量。     

基于BP网络和遗传算法的铝型材挤压模工作带优化模型

建立了改进的BP神经网络、数值仿真和遗传算法相结合的铝型材挤压模工作带长度优化模型。将型材截面划分单元 ,由正交试验法得到单元工作带长度值作为网络训练样本的输入值 ,模型目标值为变形后质点速度均方差。采用基于有限体积法的数值仿真技术获得样本目标值。模型的全局优化解由遗传算法求得。计算实例给出了模型实现和求解的完整过程     

基于拆卸Petri网和混沌粒子群的拆卸序列规划

为解决燃气涡轮发电机组虚拟拆装训练中拆卸序列规划问题,提出了基于拆卸Petri网和混沌粒子群优化算法的拆卸序列规划方法。在基本Petri网的基础上进行拓展,引入了时间元素,构建了拆卸Petri网模型;针对粒子群优化算法容易陷入局部极值的不足,将混沌寻优方法嵌入到粒子群优化算法中,结合早熟评判标准,提高粒子群算法全局寻优能力。运用上述方法,以最短时间为目标,对分配机匣的完全拆卸序列进行仿真实验,得到了符合实际操作规律,可行有效的拆卸序列。     

基于ALE算法的空心薄壁铝型材模具结构优化

针对空心薄壁铝合金型材挤压成型后薄壁内凹缺陷进行了数值模拟分析,得到了其在稳态时不同方向上的金属流速分布及在焊合室内的金属压力分布状况。模拟结果表明:由于截面上不同部分之间产生了较大的流速差,且金属在不同方向上的流速不相同,从而导致了缺陷的存在。根据分析采用了增加阻流块的设计方案,以此达到阻碍金属流动,减小流速差的目的。经过仿真计算发现修改后的模具结构最终能获得合格的产品。