电动汽车复合电源参数的精英受控NSGA-Ⅱ算法优化

为了降低电动汽车复合电源初始成本、更换成本及电耗,提出了基于动态精英受控NSGA-Ⅱ算法的参数优化方法.对研究对象的复合电源连接方式进行了介绍,制定了车辆能量管理方法.以降低复合电源成本和电耗为目标,建立了复合电源参数的多目标优化模型.在NSGA-Ⅱ算法中引入了动态拥挤度排序策略,可以有效提高基因多样性,从而提出了动态精英受控NSGA-Ⅱ算法的模型求解方法.在UDDS循环工况下对复合电源参数进行优化,与NSGA-Ⅱ算法优化结果比,动态精英受控NSGA-Ⅱ算法优化结果的锂电池和超级电容放电深度更低、制动能量回收量和电池放电效率更高,有效降低了复合电源成本和电耗.     

不同形式变速箱对纯电动轻卡性能的影响

基于AVL CRUISE和MATLAB/SIMULINK软件平台搭建了某款纯电动轻卡的动力性、经济性仿真模型和控制策略模型,详细阐述了两挡变速箱的速比选择过程,并基于ISIGHT和CRUISE联合仿真,以续驶里程为优化目标,以变速箱速比为优化变量,采用NSGA-Ⅱ算法对变速箱速比进行了优化分析。通过对匹配不同形式变速箱的整车动力性、经济性仿真结果进行综合分析可知,采用两挡变速箱比采用一挡变速箱在经济性方面具有优势,采用四挡变速箱尽管降低了电机的损耗,但由于其系统本身的效率较低,在整车能耗降低方面并没有优势。     

基于多目标遗传算法的圆柱螺旋压缩弹簧方案设计

基于圆柱螺旋弹簧的设计特点,建立了解决该类问题的非线性约束多目标优化数学模型。采用NSGA-Ⅱ算法,对圆柱螺旋压缩弹簧进行了优化,验证了多目标优化模型的正确性和实用性,并实现了多方案设计,为弹簧的优化设计与决策奠定了基础。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

基于多目标遗传算法的圆柱螺旋压缩弹簧方案设计

基于圆柱螺旋弹簧的设计特点，建立了解决该类问题的非线性约束多目标优化数学模型。采用NSGA-Ⅱ算法，对圆柱螺旋压缩弹簧进行了优化，验证了多目标优化模型的正确性和实用性，并实现了多方案设计，为弹簧的优化设计与决策奠定了基础。     

多品种分批量冲压车间的耦合选择NSGA-Ⅱ调度优化

为了对多品种分批量生产的冲压车间调度方案进行优化,减少冲压车间的完工时间、加工成本和换模次数,提出了基于耦合选择NSGA-Ⅱ算法的冲压车间调度优化方法。对冲压车间的调度优化问题进行了数学描述,建立了多目标、多限制条件的优化模型。通过构造4基因链缠绕的染色体,将冲压车间调度优化问题转化为遗传算法的多目标搜索问题。在传统NSGA-Ⅱ算法基础上,将耦合选择策略引入到算法中,兼顾了染色体的优越性和多样性,从而提出了基于耦合选择NSGA-Ⅱ算法的调度优化方法。经验证,耦合选择NSGA-Ⅱ算法所得Pareto前沿解质量高于传统NSGA-Ⅱ算法所得Pareto前沿解质量。使用等权重系数法从Pareto解集中确定了最优解,与优化前相比,换模次数减少了52.2%,加工成本减少了18.4%,最大完工时间减少了40.0%,以上数据验证了耦合选择NSGA-Ⅱ算法在冲压车间调度优化中的可行性。     

基于改进NSGA-Ⅱ算法的RV减速器参数多目标优化研究

旋转矢量(RV)减速器是工业机器人核心部件,对于机器人的性能起到关键作用。针对提升RV减速器综合性能的问题,从优化传动压力角的相关参数出发,对其结构参数(摆线轮齿数、短幅系数、针径系数、摆线轮宽度等)的多目标优化设计进行了研究。首先,研究了摆线轮平均压力角、传动效率和传动机构体积三者的相关参数之间的关系;然后,以此为优化目标,在摆线轮标准齿廓方程的基础上建立了多目标优化数学模型(该模型采用了基于非支配占优排序遗传学算法(NSGA-Ⅱ)改进了交叉算子系数生成的改进NSGA-Ⅱ算法);通过模型求解得到了帕累托最优解集,根据模糊集合理论的相关方法选取了最优解;最后,以某公司220-BX型RV减速器为例,进行了优化设计,建立了3D模型后进行了有限元分析,并加工出实验样机,进行了传动效率对比实验。实验结果表明：摆线轮平均压力角减小了7.19%,体积减小了11.1%,传动效率提高了4.9%。研究结果表明：该模型交互性强,能提高设计效率并节省设计开销,可为实际RV减速器工程优化设计提供参考。     

前悬架硬点优化设计

针对前悬架性能的优化问题,提出一种基于近似模型并用响应面法和改进NSGA-Ⅱ遗传算法相结合的方法对前悬架进行优化设计。利用ADAMS/Car建立双叉臂前悬架动力学仿真分析模型,在Insight中对悬架的硬点参数进行灵敏度分析,选择出灵敏度大的设计参数,并建立响应面近似模型,运用改进NSGA-Ⅱ算法对悬架进行硬点优化设计。结果表明,优化后的前轮定位参数在车轮跳动过程中的变化量明显减小,悬架的性能得到很好的提高,该设计方法实现了悬架硬点的优化,为悬架的优化设计提供了依据。     

变流量工况下小型离心压气机多目标优化设计

为提高离心压气机变流量工况下的性能,基于三维流场分析研究了离心压气机叶片几何参数对其变工况气动性能的影响规律;基于相关性分析建立了降阶的优化设 计变量空间,采用拉丁超立方试验设计、Kriging模型和NSGA-Ⅱ算法进行了离心压气机叶轮变流量工况多目标优化。优化后,叶轮设计流量的压比提高6.43%,效率提高3.99%;小流量时压比提高5.62%,效率提高3.52%;内部流动损失减少,喘振流量减小2.7%,阻塞流量增加6.85%,稳定工作范围得到扩宽。     

斜齿圆柱齿轮传动的齿轮箱多目标优化设计

以提高承载能力、满足等强度设计、并减小齿轮传动的中心距为目标函数,建立了二级斜齿圆柱齿轮传动的多目标优化设计数学模型,采用NSGA-Ⅱ算法进行优化求解,对二级斜齿圆柱齿轮进行多目标优化设计,得到了parteto最优解,结果显示其强度和平稳可靠性有所提高,且能够满足等强度设计的要求,同时使中心距有一定的减小。     

基于NSGA-Ⅱ算法的液压元件多目标柔性作业调度研究

为解决液压元件制造车间生产调度过程混乱的问题,提出一种基于NSGA-Ⅱ的多目标柔性生产调度优化算法,并建立了相关的数学模型。采用非支配排序和精英储备策略,并设计了算法的编码解码以及交叉、选择和变异的遗传算子。最终通过实例分析,将得出的基于基本加工时间、设备负荷率和生产成本的全局最优解与传统遗传算法优化值进行对比,可见此算法可提高液压制造车间的生产调度效率。     

基于机器学习和多目标算法的钛合金插铣优化

针对钛合金的插铣加工过程开展试验和优化研究。以材料去除率和切削力为目标，采用机器学习和多目标优化算法相结合的方法来优化插铣切削参数；以主轴转速、径向切削宽度、切削步距和每齿进给量为试验变量，采用田口方法对试验变量组进行缩减。将机器学习方法与传统一阶和二阶回归方法比较，发现机器学习有很好的预测精度且解集分布更合理。分别采用MOEA/D、NSGA-Ⅱ、SPEA2、NSPSO算法对问题进行求解，并比较它们的性能，结果表明NSGA-Ⅱ综合表现最佳。最后将优化结果与初始参照进行比较，发现优化结果可以显著提高材料去除率并减小切削力，达到了高效稳定加工的目的。     

纯电动清扫车动力风机改型与优化

为提升纯电动类清扫车车用动力离心风机的性能,针对某风机转子叶轮进行了叶片型线改进和多目标优化。采用圆弧型叶片替代原始风机叶片,并建立叶轮参数化模型以便优化。结合最优拉丁超立方采样方法、 Kriging模型和改进的NSGA-Ⅱ算法,以全压效率和全压为目标对叶轮进行了多目标优化。优化前后的数值模拟结果表明:单独叶轮优化后全压效率提高0.72%、全压升提高3.8%,优化后叶轮匹配原蜗壳整机性能比原始风机整体提高,设计工况下,全压效率提高0.46%,全压升提高1.9%,达到了预期的提高风机性能且降低叶型加工难度的设计目的。     

基于NSGA-Ⅱ算法的复合电源混合动力系统参数匹配优化

针对复合电源混合动力系统传统参数优化算法目标比较单一的缺陷,以燃油经济性、排放性和舒适性作为多目标参数优化对象,以整车动力性指标作为约束条件,提出NSGA-Ⅱ多目标参数优化算法。优化结果表明:在满足动力性指标和车速跟随基本吻合的情况下,优化后的燃油经济性指标平均提高了5.51%,排放性指标平均提高了14.86%,舒适性指标达到了使人感到舒适的程度,蓄电池的最高充放电电流降低了一半。而且获得的一系列分布均匀全局最优解,优化结果比较满意,验证了提出的参数匹配优化算法的准确性和适用性。     

基于NSGA-Ⅱ的多目标遗传算法通用涡旋盘的优化设计

利用非劣排序遗传算法(NSGA-Ⅱ)对通用涡旋压缩机的动静涡旋盘涡旋体高度、涡旋盘主轴转角、涡旋型线基圆渐开角、涡旋型线基圆半径基本参数进行优化设计,使涡旋盘的径向气体力、切向气体力、倾覆力矩、自转力矩、能效比达到最优。给出了优化设计的遗传算法计算方法、数学模型、基于遗传算法数学模型、程序流程图、多目标优化结果。较其他优化方法,NSGA-Ⅱ能较好解决多目标非线性优化问题,最后用优化后的数据验证了该方法的有效性。     

基于子模型技术的车体结构可靠性优化设计

为了提升车体结构可靠性,保证列车安全运行。运用子模型技术与响应面法相结合对车体进行可靠性优化。首先,根据静强度分析结果对车体应力集中位置建立子模型;其次,筛选对子模型应力影响较大的变量进行试验设计拟合响应面方程,建立可靠性优化数学模型;最后,以可靠度为约束条件,采用NSGA-Ⅱ算法优化求解。研究结果表明：优化后改善了车体的应力集中,减轻了车质量,为车体的优化设计提供了参考。     

复合机床动态耦合特性分析及优化

针对自主研制的复合机床多工况和多轴联动的特点,对机床在多轴联动下的动态耦合特性进行仿真分析,结果表明立柱为影响机床动态耦合性能的关键结构件;以立柱为优化目标,提出了一种BP神经网络近似模型与NSGA-Ⅱ算法相结合的优化设计方法;采用最佳填充空间试验设计,在设计空间抽取样本点进行网络训练,并构建神经网络近似模型;利用NSGA-Ⅱ算法对神经网络模型循环逼近优化,得到Patero前沿解。结果表明,优化后整机前两阶固有频率得到较大提升,机床在X、Y、Z方向上的共振峰值分别下降了41.0%,57.5%和39.7%。     

基于支持向量回归的熔丝制造3D打印能效优化模型

基于响应面法和支持向量回归模型对熔丝制造3D打印能效进行预测与优化。首先,利用田口方法设计六因素三水平正交试验,通过响应面法分析得出对加工能效影响较为显著的3个因素即层高、打印速度和热床温度;然后,通过支持向量回归方法建立加工能效预测模型,并与BP神经网络方法进行对比,结果表明支持向量回归方法建模预测性能更优;最后,建立以加工时间和能效为目标的优化模型,利用NSGA-Ⅱ、MOEA/D、SPEA2和MOPSO 4种算法分别对模型进行求解,分析比较4种算法的Pareto前沿,结果表明NSGA-Ⅱ算法在求解此问题时综合表现最佳,对比NGSA-Ⅱ算法求得的优化结果与试验结果可知,NSGA-Ⅱ算法具有有效性和合理性。     

基于改进NSGA-Ⅱ算法的发动机活塞机构优化设计

为提高发动机活塞机构的运动性能,提出了以最小跟踪误差和传动角与直角的偏差最小为优化目标,建立发动机活塞机构多目标优化模型,引入NSGA-Ⅱ算法对活塞机构进行多目标优化。为提高NSGA-Ⅱ算法的种群的多样性和搜索能力,对交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对发动机活塞机构优化问题进行求解,分别得到各自的Pareto解集,并通过逼近理想解排序法选出最优解进行对比。通过实验对比表明,改进算法的Pareto解集分别更均匀、收敛速度快、跟踪误差更小,能为发动机活塞机构的优化设计提供参考依据。     

基于遗传算法的非球面眼镜片设计

为降低眼镜片的像散和畸变,获得更好的视觉效果,采用多目标优化遗传算法设计非球面眼镜片.非支配排序遗传算法(NSGA-Ⅱ算法)随机生成多组前弯和非球面系数后,采用光线追迹计算像差大小,通过模拟自然选择的过程对参数进行优化,再结合实际生产情况确定最终的设计结果.通过仿真和加工测量的手段对?8 D(1 D=1 m?1)镜片的...