基因遗传算法在机构优化设计中的应用

介绍了基因遗传算法的来源，基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数，约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量。多目标，多峰值的约束优化问题。     

基因遗传算法在机械优化设计中的应用

介绍了基因遗传算法的来源、基本原理和方法，提出了改进的基因遗传算法，并介绍了圆柱螺旋压缩弹簧优化问题的适合度函数、约束条件及编码方法。研究表明，基因遗传算法适用于解决多变量、多目标、多峰值的约束优化问题。     

MATLAB在切削用量优化中的应用

切削用量优化是机械制造企业实现提高切削加工效率,降低生产成本的重要措施之一.以铣削加工为例,以MATLAB为开发平台,将内置的遗传算法与直接搜索工具箱(GADS)和MATLAB GUI二者进行有机结合,编制出基于遗传算法的切削用量优化软件.该软件界面友好,具有求解最大生产率优化,最低生产成本优化和多目标优化三种不同目标函数的功能,且切削用量优化过程方便、快捷.实例应用证明了方法的正确性和有效性,具有一定的应用价值.     

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。     

切削用量的优化设计

以滚齿加工为例 ,在笔者开发的CAPP系统中建立切削用量的优化模块 ,采用混合离散变量优化方法 (MDOD)对数学模型进行求解 ,较好地解决了合理选择切削用量的问题     

基于遗传算法的切削用量优化

遗传算法是一种全局优化自适应概率搜索方法，并且具有很强的全局优化性和搜索效率，文中基于遗传算法优化切削用量，在保证加工精度的前提下，提高了生产率，降低了生产成本。     

传统切削用量优化方法在现代加工中的局限

传统切削用量优化方法通常以最高生产率、最低生产成本、最高利润率为优化目标,通过求解目标函数取得优化切削用量。但在自动化程度较高以及大量使用难加工材料的现代加工领域,该优化方法时常出现一些问题。本文针对在现代加工中应用传统切削用量优化方法所存在的问题进行分析。     

电火花线切割中计算智能集成方法的应用与实现

针对控制复杂、难以精确描述数学模型的复杂加工过程，提出集成遗传算法和人工神经网络的多目标优化方法。把加工工艺参数和工艺指标参数分别看作神经网络的输入和输出，建立相对精确的数学模型，随后借助训练好的神经网络和遗传算法来优化加工参数。由于该方法解决了适应度函数难以获得的问题，为复杂过程多目标优化提供了强有力的工具。在电火花线切割中的应用验证了该方法的可实施性和有效性。     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

车削加工中切削用量的程序优化求解

本文基于切削用量选择的基本原则,直接以切削深度ap、进给量f、和切削速度v为设计变量,以加工时间为目标函数,以刀具耐用度、机床功率、轴向载荷和表面粗糙度等限定条件为约束函数,建立切削用量选择的优化问题。应用随机优化方法,编制优化程序求解了具体实例。该方法为工程应用提供条件。     

金属切削工艺参数的离散变量优化

优选切削加工工艺参数是提高机械加工效益的有力措施,也是实现CAPP和数控自动编程的重要环节,因此研究最佳切削用量具有现实意义,已经引起机加工工艺人员的广泛重视。目前切削用量的优化方法一般采用的是连续变量优化方法,实际上机床的转速、进给量等均为不等间隔离散值,因此本文采用离散变量优化方法来优选切削用量。在优化方法上对离散变量复合形法进行了改进,提出了一种寻优新方法,上机运行证明了该法的正确性。针对一车削加工实例,建立了以最低加工成本为目标函数的数学模型,     

基于遗传算法的超精密切削表面粗糙度预测模型参数辨识及切削用量优化

建立易于分析各切削用量对粗糙度影响关系的表面粗糙度预测模型和最优的切削用量组合,是超精密切削加工技术的不断发展的需要。针对最小二乘法和传统优化方法的不足,提出了将遗传算法用于超精密切削表面粗糙度预测模型的参数辨识,并用于求解最优切削用量,给出了金刚石刀具超精密切削铝合金的表面粗糙度预测数学模型和切削用量优化结果,进行了遗传算法和常规优化算法的比较,结果表明遗传算法较最小二乘法和传统的优化方法更适合于粗糙度预测模型的参数辨识及保证切削用量的最优。     

钻削加工的优化策略研究

研究了数控机床钻削加工切削用量的计算机辅助优化。以最大生产率或最低加工成本为目标，进给量和切削速度为变量，建立了数学优化模型。采用数学分析与图形表达相结合的确定性方法，开发了优化策略及相应的CAM软件。试验验证了该优化策略的有效性和经济性。     

基于遗传算法的高速铣削加工工艺多目标优化

针对整体叶轮的特点,考虑控制叶轮加工变形因素以及叶轮生产的成本、效率、质量问题,提出了基于遗传算法的高速铣削加工工艺参数的多目标优化方案,建立了以保证加工质量的前提下,实现最高生产率、最低加工成本为目标的多目标函数,设定变量,并界定和总结出各类约束条件.最后运用遗传算法进行matlab编程,计算出优化的切削参数.     

车削加工中切削用量的人工智能优化控制

针对切削用量优化控制的特点，提出了一个以加工成本为目标，生产率、加工精度和表面质量为约束的人工智能－神经网络优化方法，来确定车削加工中最佳的切削用量，通过实例运算证明了人工神经网络优化控制的可行性。     

斜齿轮减速器遗传算法的优化设计

通过对一个具体的斜齿轮减速器进行分析与设计，建立了优化数学模型，并应用遗传算法求出了问题的最优解，探讨了用遗传算法解决此类多约束、多变量类型优化问题的可行性。     

车削加工中切削用量的多目标优化建模

针对金属切削加工中切削用量优化的特点，在分析车削用量传统优化模型缺点的基础上，建立了车削用量多目标模糊优化模型，并根据模糊集合原理，将其转化为一个传统的单目标约束优化问题，可用任一非线性优化方法求解。为车削用量的合理选择提供了理论依据。     

基于协同制造多任务的设备资源配置优化方法研究与应用

为解决协同企业设备资源配置失衡的问题,实现设备资源最佳化动态调度,分析了设备资源配置组合优化过程中的决策目标,提出基于成本、时间、质量等变量的多目标优化模型,利用改进遗传算法对协同制造多任务设备配置优化问题进行研究。以某电机制造企业为实例,分析验证了多目标优化模型及求解方法的可行性与实用性,为多目标配置优化问题的研究提供参考。     

基于遗传算法的火箭贮箱壁板数控加工刀具优选方法

为提高具有多槽腔结构的火箭贮箱壁板的数控加工效率，针对贮箱壁板数控加工自动选刀问题，提出基于遗传算法的多槽腔粗加工刀具组合优化选取方法。研究了刀具尺寸与加工策略对加工时间的影响，构建了刀具铣削过程加工时间模型；以可选刀具组内的刀具作为遗传基因，铣削加工时间作为适应度函数，刀具直径和刀具数量作为优化变量，建立了粗加工刀具组合优化选取遗传算法，实现了对基于现有加工资源的加工效率的最大化。实例测试表明，所提方法选取的组合刀具的加工时间相对于初始刀具加工时间缩短了64.5%。     

基于变形控制的A100钢材料高效数控加工技术

针对A100钢数控难加工问题，采用多方向的试切加工方式，分析典型结构热处理变形规律，利用单一变量试验匹配各类刀具的加工适用性，以全流程为依托，通过多目标优化的方法解决A100钢加工效率低的问题，为实际生产推广应用提供一定参考。