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。     

基于均匀设计和NN-GA的CAD模型多目标直接优化方法

提出了一种基于试验数据的多目标直接优化方法,该方法采用均匀设计原理安排试验方案,利用三维CAD模型的参数化驱动特点,完成虚拟试验过程和数据获取,以试验数据为训练样本,建立了CAD模型参数与目标之间的非线性映射关系的神经网络模型,运用Pareto遗传进化算法和小生境技术对CAD模型进行多目标参数优化,可在指定区域内找出CAD模型的Pareto最优解集。     

基于BP-NSGA的注塑参数多目标智能优化设计

为获得成型性能最优的注塑参数设计方案,提出了基于BP神经网络和非支配排序遗传算法的注塑参数多目标优化方法。将注塑模结构尺寸参数和注塑工艺参数作为待优化的设计变量,建立了以高质量、低成本、高效率为优化目标的注塑参数优化设计模型。基于非支配排序遗传算法获取给定参数范围内的所有Pareto最优解,并通过建立多输入和多输出的BP神经网络来快速获得非支配排序遗传算法优化进程中所有个体的适应度值。开发了基于BP神经网络与非支配排序遗传算法集成的注塑参数智能优化设计系统,并通过鼠标注塑参数设计实例,验证了其适用性和有效性。     

环形可展开卫星天线的多目标结构优化设计

卫星天线的结构设计是一个复杂的系统工程,通常受到多个指标的限制。依据天线各指标的重要性,本文建立了以一阶固有频率最大、质量最小为目标的天线结构多目标优化设计模型,并基于神经网络和遗传算法,结合正交实验和变加权系数技术,形成了一种有效的多目标优化算法。在MATLAB平台下实现了天线的结构多目标优化设计计算程序,求得了天线的最佳结构参数,解决了带有结构有限元计算、多离散变量、多目标相结合的复杂结构优化设计问题。     

基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。     

多目标优化的求解方法与发展

本文首先介绍了传统多目标优化求解方法和改进;对遗传算法,模糊优化,神经网络等算法在多目标优化中的应用做了介绍;最后介绍了满意度.     

基于iSIGHT的鼓式制动器多目标优化设计

以鼓式制动器效能因素最大和制动鼓体积最小为目标,对鼓式制动器进行多目标优化设计,利用iSIGHT集成的多目标优化遗传算法,得到多目标优化问题的Pareto最优解集,再利用Pareto最优解集专用后处理工具EDM,找到最合适的折衷解.     

双圆弧齿轮传动多目标稳健优化设计

为了提高复杂约束条件下双圆弧齿轮传动的设计质量和速度,通过算例,采用粒子群优化算法对其进行约束多目标优化设计,求出满足约束条件的Pareto解集。考虑工程实际中误差的客观存在,进行了4因素13水平的均匀试验设计及望目特性的信噪比计算,在此基础上,依据多目标稳健优化设计原理在Pareto解集中选择最稳健的设计做为最终方案。分析了结果方案中目标函数(体积函数和相对曲率半径函数)对各个设计变量的灵敏度,得出了目标函数最为敏感的因素及各因素对目标函数的影响程度,用于指导公差的制定和实际加工制造。     

基于多目标遗传算法的汽车玻璃升降器结构优化设计

卡滞、振动噪音等不正常现象时常会出现在叉臂式玻璃升降器结构的运行过程中,基于Catia和ANSYS Workbench平台并结合实践,采用多目标遗传算法对玻璃升降器的机械结构参数优化设计,以减轻玻璃升降器质量、提高结构强度,从而降低卡滞、振动等现象产生。优化结果表明,升降器的两侧凹槽处均可以作为升降器结构优化的Pareto优解集,在满足升降器结构强度、刚度、变形的情况下,设计轻量化玻璃升降器结构,最终为汽车玻璃升降器的整体优化设计提供理论依据。     

Pareto多目标遗传算法及其在机械健壮设计中的应用

在机械或结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种的基于设计变量敏感性的健壮性设计方法 ,并提出了一种用 Pareto遗传算法来实施的带约束的多目标优化方法以求解健壮性问题。 Pareto遗传算法可得到 Pareto最优解集 ,从中可选出满足设计需要的解。本文提出的算法包括 5个基本算子 :选择、变异、交叉、小生境技术、Pareto集合过滤器。文中用算例说明该方法的应用     

Journal bearing design using multiobjective genetic algorithm and axiomatic design approaches

This paper describes the optimum design methodology for improving operating characteristics of fluid-film steadily loaded journal bearings. This methodology consists of (1) a simplified closed form solution to accelerate the computation, (2) finite difference mass conserving algorithm for accurate prediction of lubricant flow and power loss, (3) Pareto optimal concept to avoid subjective decision on priority of objective functions, (4) a genetic algorithm to deal with multimodal nature of hydrodynamic-bearing and develop a Pareto optimal front, (5) fitness sharing to maintain genetic diversity of the population used in genetic algorithm, and (6) axiomatic design to provide inside of objective functions and design variables. In the optimum design of journal bearings, the design variables such as radial clearance, length to diameter ratio, groove geometry, oil viscosity and supply pressure are used to simultaneously minimize oil flow and power loss. A step-by-step procedure, graphs and tables are presented to demonstrate the concept and effectiveness of suggested design methodology.     

基于SPEA2+的产品族模块单元多目标规划方法

在分析零件功能和物理特性的基础上,应用模糊数学理论给出产品族模块单元规划准则的量化计算方法,建立产品族模块单元多目标规划优化模型。针对传统的目标加权法在模型求解中的不足,采用改进的强度Pareto进化算法(SPEA2+)对模块单元多目标规划问题进行优化求解,从而得到一系列基于Pareto解集的产品模块规划方案,并利用模糊集合理论的Pareto综合选优方法得到了产品模块多目标规划的最优方案。结合项目实施以缝纫机为应用实例,验证提出方法的有效性和适应性。     

用遗传算法提高协同优化方法的可靠性

分析了协同优化方法可靠性不好的根源。提出了用遗传算法来替代系统级优化问题中的基于梯度的优化算法的策略。实例表明所提出的策略是可行有效的。     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

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。     

基于GT-Power的消声器结构优化与验证

根据消声器的设计要求与设计标准,基于GT-Power的模拟分析,对某款消声器的结构优化展开研究。根据设定的消声器优化指标,在消声器的结构改进方案中,选定七个优化方案并进行对比分析。结合客户要求,设置权重,按照评价函数进行评价,选择优化方案一作为最终方案。基于DoE(Design of experiments)流程选择的优化方案一,尾管总噪声和二阶噪声有了较明显下降,实现消声器声学性能的较大提升,达到优化目的。     

机械工程全局优化设计的遗传算法

针对机械工程设计中经常遇到的多个局部极值的参数优化设计问题，探索了应用遗传算法求解其全局最优解的途径。文中讨论了遗传算法的基本构造模型，提出了新的适合度技术、新的交叉算子、新的变异算子和算法终止准则。最后，给出了遗传算法在机械工程优化中应用的两个实际算例，算例表明了该方法的有效性     

非稳态罚函数遗传算法及其用于机械/结构系统的健壮性设计

在机械 /结构的优化设计中 ,普遍存在约束的作用 ,且最优解往往位于可行域的边界上。由于外界环境的变化或人为因素造成设计变量扰动 ,可能使设计成为不可行。本文提出了一种基于设计变量敏感性的健壮性设计方法 ,并用非稳态罚函数遗传算法来实现多目标优化设计。     

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．、