基于改进PSO算法的热连轧粗轧短行程控制曲线优化

在对热连轧粗轧短行程控制原理和模型进行深入分析的基础上,采用一种新的进化寻优方法--粒子群优化方法(简称PSO算法),对短行程控制曲线进行优化.为了保证粒子群算法的全局最优性,在算法中采用带有变异算子的改进粒子群算法.经实验仿真证明,采用改进PSO算法优化后的短行程曲线,可以降低板坯头尾宽度偏差,减少头尾切损量,获得满意的效果,PSO算法是一种有效的短行程控制优化方法.     

基于分布式电源优化的氧化铝厂配电系统降损方法

为了降低氧化铝厂配电系统有功、无功功率损耗,该文提出了借助分布式电源优化配置的降损方法。给出了配电系统中线路和变压器的有功功率损耗、无功功率损耗以及电压降落的计算模型,分析了功率和电压分布。建立了优化配置分布式电源的数学模型,并给出了利用粒子群算法求解该模型的优化步骤。结合氧化铝厂的实际配电系统,验证了该文提出的方法。结果表明,该文提出的方法可以有效地降低氧化铝厂配电系统有功、无功功率损耗,提高高压变压器的功率因数,并且可以提升10 kV电网节点电压水平。     

基于遗传算法的二自由度液压伺服系统模型降阶方法的研究

遗传算法是一种模拟自然界进化而形成的简单、高效的全局优化算法。本文研究了用遗传算法对二自由度液压伺服系统模型优化降阶的方法 ,编制了进化程序 ,并进行了仿真试验。结果表明用该方法可以有效地解决二自由度液压伺服系统模型优化降阶的问题     

基于遗传算法的二自由度液压伺服系统模型降价方法的研究

遗传算法是一种模拟自然界进化而形成的简单、高效的全局优化算法。本文研究了用遗传算法对二自由液压伺服系统模型优化降阶的方法，编制了进行程序，并进行了仿真试验。结果表明用该方法可以有效地解决二自由度液压伺服系统模型优化降阶的问题。     

基于MOGWO的拟人机械手连杆长度优化北大核心

针对拟人机械手在给定约束下提升运动性能的需求,根据可操作性和端部刚度性能指标对拟人机械手的连杆长度进行优化。首先,通过分析人体手臂的运动机理得到了手臂关节的运动范围。然后利用螺旋理论建立机械手的运动学模型,并基于运动学模型得到可操作性和端部刚度性能指标。考虑到提升可操作性与提高端部刚度性能之间的矛盾,建立了相应的多目标优化模型对连杆长度进行优化。基于MOGWO(multi-object grey wolf optimization)算法求解多目标优化模型实现了拟人机械手的连杆长度优化。     

基于多目标元胞遗传算法的桁架结构优化设计

为了使桁架结构的设计更符合工程实际情况,建立了同时最小化结构总质量和节点位移的多目标优化模型。采用离散实数编码方式,使多目标元胞遗传算法适用于优化模型的求解,同时改进了算法的交叉变异算子,使算法保持较好的全局探索和局部寻优能力。运用该算法对经典空间桁架优化问题进行求解,并与NSGA-II的优化结果进行对比分析,结果表明该算法获得的Pareto前端更加均匀,解的精度更高,极端点值域更广,是解决此类离散优化问题的有效算法。     

基于无速度传感器矢量控制技术的传动系统优化及其仿真

在分析考虑铁损时异步电机在同步旋转坐标系统下数学模型的基础上,利用扩展卡尔曼滤波器(EKF)算法对电机转速和磁链进行实时估计,通过研究不同运行条件下电机损耗与转子磁通的关系,实现无速度传感器矢量控制变频调速异步电机的优化控制.在Matlab/Simnlink中,提出了交流异步电机控制系统仿真建模的新方法.建立独立的功能模块,如考虑铁损的电机模块、电机转速和磁链估算模块、优化控制模块、SVPWM模块等,再进行功能模块的有机整合,搭建基于扩展卡尔曼滤波器(EKF)考虑铁损的无速度传感器矢量控制系统.仿真结果分析验证了系统能平稳运行,具有较好的静、动态特性,说明了该电机模型更接近实际电机.     

基于CEEMDAN-IGWO-SVM的轴承故障诊断研究

为了提高支持向量机(SVM)在轴承故障诊断时的准确率和识别效率,提出了一种基于具有自适应白噪声的完整集成经验模态分解方法(CEEMDAN)、改进灰狼优化算法(IGWO)和支持向量机(SVM)相结合的故障诊断方法。首先用CEEMDAN与Shannon熵对振动信号消噪、分解,获得典型故障的敏感信号;其次,将粒子群算法(PSO)惯性权重w与粒子“飞行”速度v引入灰狼优化算法(GWO),得到IGWO,通过IGWO算法优化SVM得到诊断模型的最优参数,增强SVM的学习能力和泛化能力;最后,利用美国西储大学的轴承试验数据验证优化模型的有效性。结果表明,IGWO算法优化SVM的模型可以准确、高效地对轴承进行故障诊断;与GA、PSO、和GWO算法优化的SVM模型相比,该方法的故障诊断准确率和识别效率更高。     

基于有限元模拟的极限拉深系数优化

结合0.618优化算法,运用ANSYS分析软件,通过改变坯料尺寸的方法,对板料的成形过程进行模拟,对板材的极限拉深系数进行逼近优化,并将模拟和优化结果与物理拉深试验结果进行了比较。     

数控铣床床身静动态特性分析与优化

针对某数控铣床床身的结构薄弱处,提出一种基于灵敏分析以及试验设计方法的床身优化设计方法。建立床身的有限元模型,在其工况下进行静力学和模态分析,在此基础上对其主要设计尺寸进行Box-Behnken试验设计,并进行灵敏度分析和建立响应面模型,采用多目标优化算法对其优化。优化结果表明:采用此方法优化后,床身的最大变形量减小了20.8%,前三阶加权固有频率提高了13.3%,质量减小了3.3%,为床身的优化设计提供了一种新思路。     

基于Kriging模型的注塑工艺稳健优化

为降低薄壁注塑件的翘曲变形,提出了基于Kriging模型的工艺稳健优化方案。特别地,研究并提出了基于变异粒子群算法的Kriging模型建立与优化算方法,建立了注塑工艺参数和翘曲变形之间的Kriging模型。通过实验设计、CAE仿真结果数据建立起Kriging模型,并结合变异粒子群算法实现了工艺的优化设计。在此基础上,为减少工艺参数波动对注塑件质量的影响,建立了注塑成型的6 Sigma稳健优化设计方法,提高了工艺的稳健性与可靠度。以汽车出风口壳体为计算用例,结果表明,基于Kriging模型与变异粒子群算法的工艺稳健优化策略在小样本情况下能够得到较高质量的稳健优化参数组合。     

基于BP神经网络的管材数控弯曲多参数优化方法研究

针对管材数控弯曲成形过程中多工艺参数耦合的特点,基于BP神经网络,结合多目标优化算法研究了弯曲成形工艺参数的优化方法。采用ABAQUS对管材数控弯曲过程进行有限元仿真,并实验验证了结果的准确性。基于MATLAB平台,以芯棒直径、芯棒伸出量、防皱块与管材间摩擦系数等主要工艺参数为优化对象,以外壁减薄率、内壁增厚率(起皱)为优化目标,通过验证的数值模型获得样本数据,利用BP神经网络建立了优化对象和优化目标之间的映射关系,并采用多目标优化算法进行寻优求解,最后通过数值仿真实验验证了优化方法的准确性。结果表明:薄壁管数控弯曲有限元数值模拟结果与实验数据吻合较好,可以为神经网络提供准确可靠的训练样本;BP神经网络结合多目标优化算法可以有效地对弯曲工艺参数进行优化;优化的工艺参数有效地改善了弯曲管材内侧起皱和外侧减薄。     

改进型粒子群算法在数控加工切削参数优化中的应用

文章介绍了粒子群算法及其改进型的原理、模型和算法实现过程,并采用改进型粒子群算法对数控加工切削参数优化数学模型进行了优化计算,计算结果符合实际情况,表明改进型粒子群算法应用于机械加工优化计算切实可行,为复杂的机械制造及加工系统优化设计问题提供了新的思路和方法.     

基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化

文章针对传统的机械零件多目标优化算法的不足,提出了一种基于改进型BP神经网络和NSGA-Ⅱ遗传算法的机械零件多目标优化设计方法,该方法首先利用Workbench对零件进行分析得到实验数据,然后用改进型BP神经网络对实验数据进行训练并建立起多目标优化的模型,采用NSGA-Ⅱ遗传算法对模型进行多目标优化.结果表明,在满足优化零件使用条件的情况下,运用该方法求得质量的相对误差最大为11％,变形的相对误差最大为3.36％,验证了该方法的有效性和可靠性.并将该方法得出的结果与传统Workbench得出的多目标优化结果进行了比较,证明了该方法优于传统Workbench优化方法.     

基于IMOPSO方法的注塑件熔接痕质量的多目标优化

提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。     

液力缓速器扰涡降空损结构设计与计算

为降低液力缓速器空转损耗,以自主开发的THB40液力缓速器样机为基础,在不影响制动效果前提条件下,研究空转损耗流场沿叶片弦面的速度涡特性矢量云图,依据油液与空气产生的冲量不同,设计出一种仅对空转涡流场有效降损的扰涡技术方案;使用数值计算方法对扰涡技术方案降损效果进行16个速度点的预测分析,结果表明:最小降损率为73.82%,最高降损率为78.27%,平均降损率为75.6%。研究内容为液力缓速器降空损设计提供技术思路与计算方法。     

基于本征正交分解法的焊接模型位移重构

在包含大量焊点的焊接结构件优化过程中,为了降低模型仿真对计算机软硬件的要求并提高计算速度,保证优化方案的可行性,设计了基于本征正交分解的降阶模型重构过程。在理论基础上,对一个焊接模型进行分析,提取模型节点位移进行本征正交分解,分析本征值的贡献度并构建其降阶模型。结果表明:基于本征正交分解的模型重构方法在保证计算精度的前提下,能够有效减少模型自由度,加快仿真优化的速度。该方法适用于加速焊接结构仿真和优化过程。     

基于KECA和BO-SVDD的滚动轴承早期故障检测

为了实现更早地检测出滚动轴承发生故障,提出一种基于核熵成分分析（KECA）和贝叶斯优化（BO）算法优化支持向量数据描述（SVDD）的滚动轴承早期故障检测方法。提取轴承振动信号的时域、频域特征以及小波包分解节点能量特征,组成多维特征矩阵;利用KECA对多维特征矩阵进行降维处理,进而提取有效特征;最后,选取轴承正常状态的特征指标训练模型,利用BO算法确定SVDD的惩罚因子和核宽度,进而得到早期故障检测模型。利用该模型对XJTU-SY数据集中不同工况下的轴承进行早期故障检测,结果表明：KECA能够有效地提取特征信息,减少冗余信息的干扰;该模型整体上能够较早检测出故障的发生,并且有较好的鲁棒性和泛化能力。     

基于LINGO9.0软件的混合离散优化方法研究

运用LING09.0模型语言优化算法,对机械工程中的混合优化问题进行了研究,得到了可靠且比常规优化更为有效的优化结果,LINGO模型语言不仅能求连续变量的优化问题,且能更方便地求解工程中更为需求的整型优化问题与离散优化问题.本文对软件的使用与注意事项进行了介绍,给出多个优化实例,获得了比现有优化方法更好的结果.     

数控机床主轴绿色配置设计的不确定优化模型建立与求解?

以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低、环境影响最小、能耗最少设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,并采用权重系数法把该多目标优化问题转化为单目标优化问题;采用离散二进制粒子群优化算法进行模型求解,获取最优解。实验证明该方法可行。