渐变焦眼镜片的设计方法研究

介绍了渐变焦眼镜的基本结构,阐述了镜片的设计思想,论述了其由上而下光焦度分布与整体面型设计的基本原理。构建了子午线上光焦度分布的多项表达式,运用欧拉公式和拉普拉斯方程的变分法知识给出渐变焦眼镜屈光度等高线为圆形的面型设计,并给出了这种渐变焦镜片表面矢高的表达式。比较了选取不同参数的3种子午线设计的渐变焦镜片的各自特点,分析了适合不同个性化需求的渐变焦镜片子午线屈光度分布。并在最后给出了其中一种方法的设计实例。     

基于多种群遗传算法的全景成像系统非球面设计

提出了一种基于多种群遗传算法的折反射全景成像系统复杂非球面的设计方法。结合广义科丁顿公式及几何光学原理,推导出非球面两镜系统像散表达式。在此基础上,利用多种群遗传算法以像散作为非球面两镜系统像差评价参数,求解出满足消像散及指定透视投影关系的非球面面形方程。给出多种群遗传算法求解非球面面形的实现过程。并用遗传算法最小二乘混合优化算法得到了便于实现光线追迹和像差计算的非球面多项式。研制了一个焦距为-1.2mm,F数为2 ,视场为35°～90°的折反射全景成像系统,给出了实验图像,获得了较好的成像质量。     

基于遗传算法的云设计资源调度算法

云设计资源调度是构建云设计资源平台的关键技术之一.提出以服务请求的总响应时间、总服务成本和服务质量为目标的多目标优化调度模型,该模型以服务请求的满足度和云设计资源的最大负载为约束,同时考虑云设计资源的服务状态.依照该模型提出一种基于遗传算法的云设计资源调度算法,最后给出了该算法的应用实例.     

大口径大相对孔径非球面凹镜的零位补偿器设计

针对大口径大相对孔径凹非球面反射镜加工检验困难的问题,提出了凹非球面的零位补偿检验方案。基于三级像差理论和单透镜的PW关系式,对双片式结构和三片式结构的补偿器的初始结构求解进行了理论推导。对多组初始补偿系统的像差特性进行分析和结构选型,利用光学设计软件对其进行像差平衡,能高效得到理想的优化结果。给出了一个口径为500mm、相对孔径为1／1．2的凹非球面的补偿器的整个设计过程,设计结果优良。     

采用多种群遗传算法的全景成像系统非球面设计

提出了一种基于多种群遗传算法(MPGA)的折反射全景成像系统非球面元件的设计方法.结合广义科丁顿公式及几何光学原理,推导出非球面两镜系统像散表达式.在此基础上,利用MPGA,以像散作为非球面两镜系统像差评价参数,求解出满足消像散及指定透视投影关系的非球面面形方程.给出MPGA求解非球面面形的实现过程,并用遗传算法最小二乘混合优化算法得到了便于实现光线追迹和像差计算的非球面多项式.研制了一个焦距为-1.2 mm,F数为1.5 ,视场为360°×(35～90°)的折反射全景成像系统,给出了实验图像,获得了较好的成像质量.     

使用红外干涉仪测量非球面面形

提出用红外干涉仪在长波工作(λ=10.6μm)的优点检测非球面面形。首先,通过移相算法,使用泰曼型红外干涉仪测量出非球面与标准拟合球面之间的波像差;然后,根据非球面的矢高方程计算出非球面与标准拟合球面之间波像差的理论值,通过比较这两个值,计算出非球面的面形偏差。实验结果表明,使用红外干涉仪测量的非球面与标准拟合球面之间的波像差为8.64μm(PV),与理论波像差(8.11μm)比较接近,测得非球面面形偏差为1.20μm(PV)。为了验证这一方法的准确性,使用计算全息图(CGH)作为补偿镜在可见光干涉仪上测量了同一块非球面,两者测量结果比较吻合。结果表明,此方法有比较强的通用性,可以用于非球面在加工过程中的测试。     

基于变形遗传算法的切削参数优化

提出了一种基于变形遗传算法的切削工艺参数优化方法.将生产率和生产成本共同作为优化目标,利用精英选择、交叉和变异概率的动态自适应策略,使遗传算法在收敛速度和寻优能力上有较大提高.并通过实例验证了该方法的优越性和有效性.     

应用多个非球面优化鱼眼镜头的方法

对于鱼眼镜头一类光学系统,其超大视场的物点对于光学系统的成像,是符合平面对称光学系统的成像规律的。应用LU发展的平面对称光学系统的波像差理论,研究如何在鱼眼镜头光学系统中应用非球面对成像系统进行优化设计。首先,通过计算各个光学面的非球面系数对超大视场光学系统波像差的影响,找到受非球面系数变化影响最大的几个光学面;然后,以这几个面的非球面系数为变量,以光学系统调制传递函数作为评价函数,应用自适应归一化实数编码遗传算法,优化设计鱼眼镜头光学系统;最后,通过实例验证了所提出方法的有效性。所提出的方法可以有效地确定一个或多个最佳非球面的位置,对优化设计鱼眼镜头系统具有指导意义。     

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。     

基于遗传算法的医药码垛机器人结构参数优化研究

针对应用在医药包装生产线上的码垛机器人的工作空间狭小和臂长冗余的问题,提出了一种结合图解法和解析法来分析求解的新方法。建立了码垛机器人的D-H正运动学理论模型,并验证了模型的正确性。在此基础上考虑实际工况,通过遗传算法工具箱对其臂长和工作空间进行了多目标参数优化,获得了符合工作要求的优化设计变量。最后通过Sim Mechanics模块对码垛机器人进行了结构建模和工作空间仿真。研究结果表明,所获得的优化设计变量满足预期的设计要求,码垛机器人的有效臂长明显缩短,工作空间显著提高且没有内腔,具有很好的工作性能,同时为码垛机器人的结构设计和参数优化提供了理论依据。     

基于遗传算法的柔性车间多目标优化调度

针对工件投料时间和机器起用时间不为零的柔性车间多目标优化调度问题,提出了一种改进遗传算法.染色体编码采用机器分配链和工序顺序链的双链结构;用均匀设计法、最短加工时间机器指配法、随机生成法三种方式产生初始种群;由锦标赛方法、最优保存策略和新生策略混合进行选择操作;以传统交叉方式、面向瓶颈机器的交叉方式,以及面向瓶颈工件的...     

一款条码扫描成像镜头的多方案设计和选择

设计了一种扫描成像镜头,镜头焦距为7.9mm,视场角为52°,采用CMOS线性传感器接收。为了使镜头成本更低,同时保证好的成像性能,引入了塑料非球面,设计了一个含有高次塑料非球面镜片和一个玻璃球面镜片(1G1P)的结构。相对传统三片式玻璃球面镜片(3P)的结构来讲,1G1P结构的光学性能更好地满足了技术指标要求,成本为3G结构的50%,推广应用前景好。     

基于遗传算法的计量泵投料系统优化

针对计量泵投料系统的多泵协同工作问题,提出了带精英选择和个体迁移的多目标遗传算法的优化调度方法。对每一台泵的工作状态和流量进行了合理地调度,使系统整体运行达到最优。在系统运行过程中,将实际流量与目标流量之差的平方最小作为系统的第一目标,将系统的总功耗最小作为第二目标,建立了投料系统优化问题的数学模型。利用Matlab平台编写优化调度算法,进行了算法有效性和可行性的分析。最后结合实际系统,将算法用Java语言实现,并嵌入到实际系统中。Matlab仿真实验结果表明,遗传算法经过15~20代的迭代运算之后,就可以对目标流量为800 L/H进行合理地流量优化分配,还能有效地降低系统的总功耗,满足实验的设计需求。实际系统的运行结果表明,该优化调度算法执行效率高,优化效果明显。     

基于遗传算法的配送车辆优化调度

分析了汽车运输的特点和成本,针对配送企业,建立了实际的物流配送,并量化各项评价指标,给出了采用遗传算法进行优化调度的数学模型,并结合两阶段法和改进的遗传算子编写了实现算法。     

基于多目标遗传算法的高频磁致伸缩换能器优化设计

磁致伸缩换能器在高频激励下存在铁心涡流损耗大、磁场分布不均匀、电磁转化效率低等问题,需要从换能器本体优化设计方面寻求解决。首先对换能器的线圈高度和磁轭回路结构进行仿真分析以初步确定磁路结构;然后基于非支配排序遗传算法对换能器提出了一个整体的多目标优化设计模型,该模型以增大磁致伸缩棒内磁场强度、提高棒内的磁场分布均匀度和减少换能器高频损耗为优化目标,引入规范化排序和熵权法对该优化方法得到的Pareto前沿解进行决策支持,筛选一组最优设计方案;最后对该最优解进行仿真分析,磁场分布和数值计算结果验证了该优化方法的有效性,根据优化结果制作了一台换能器样机,样机输出特性的测试结果表明了优化设计方法的可行性。     

基于遗传算法的车削用量优化研究

为合理地选择切削用量,建立了基于遗传算法的切削用量优化系统框架结构,系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上,采用线性加权法建立的多目标优化函数;采用罚函数法改进目标函数,使约束直接表示在目标函数中,简化了切削用量的寻优过程。最后,应用遗传算法开发了一个车削用量优化器,对多约束条件下的切削用量优化结果进行了分析,总结了寻优过程中约束条件影响切削用量优化结果的规律。     

基于遗传算法的激光打孔路径优化

针对目前激光打孔过程中存在的问题,采用遗传算法对激光打孔路径进行优化.建立了路径优化目标函数模型,对激光打孔路径优化总体设计,遗传算法的实现所需要的适应度函数、选择算子、交叉算子、变异算子等遗传操作进行了说明,并通过实例说明,采用遗传算法对激光打孔路径进行优化,可以显著地提高激光打孔加工效率.     

基于改进遗传算法的带传动优化设计

建立了以带轮体积最小为目标的优化数学模型，并运用实数编码策略、联赛选择机制及通过动态调整交叉概率和变异概率引入自适应算子对标准遗传算法进行改进，利用改进后的遗传算法对该问题进行了优化设计。计算实例表明，该方法具有较好的实用价值，可应用于同类零件的优化过程。     

改进的遗传算法及其在多目标优化设计中的应用

遗传算法是一种模拟自然界进化过程的启发式优化计算算法,具有高效及可收敛到全局最优点的特点。文中针对遗传算法局部搜索能力弱的特点,将其与梯度下降法结合,提高其局部搜索能力,并进行了测试。然后结合一多目标工程问题进行了优化计算,结果表明此算法可有效解决工程问题的优化。