基于量子粒子群算法的数控加工切削参数优化

在数控加工中,为实现生产率最大化和生产成本最小化,根据机床和刀具的实际约束条件建立了以进给量和切削速度为变量的数学模型,并利用具有全局搜索能力强、收敛速度快和鲁棒性高的量子粒子群算法(QPSO)进行优化,仿真结果表明其效果远远优于经验值,也优于粒子群算法(PSO)优化结果。     

基于改进粒子群算法的同步器多目标参数优化

为兼顾变速器中同步器更短同步时间和更高寿命的要求,基于牛顿第二定律和粘着磨损理论、M-B分形接触模型分别建立以同步时间和同步器寿命为目标的数学模型,运用理想点法构造评价函数进而建立以二者为目标的多目标参数优化模型,利用层次分析法确定各目标在多目标优化模型中所占权重值,并借助改进粒子群算法对多目标参数优化模型进行优化求解。结果表明:优化后与优化前相比同步时间减少了8%,同步器寿命增加了9%,二者得到较好的改善。改进粒子群算法的使用使同步器性能得到较好的提升,而理想点法的运用有效的避免了多目标优化中大数量级目标支配优化结果的问题。     

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.     

基于粒子群算法的掘进机铲板参数多目标优化

为优化掘进机铲板参数,建立了装载能力、铲掘力与铲板参数之间的数学模型;确立了装载能力、铲掘力的灰色权重;采用粒子群优化算法,对铲板参数进行了多目标优化;对多目标的处理提出了采用理想点法与灰色权重相结合的方法,并对优化前后铲板进行了仿真分析和对比,表明铲板优化后取得了良好的优化结果。为掘进机铲板的设计提供一定的理论依据和参考价值,为工程中处理多目标优化问题提供一定的借鉴。     

基于改进多目标粒子群算法的螺旋钻杆参数优化

为提高螺旋钻采煤机的输送效率,改善其输送性能,文中以螺旋钻杆的内径、叶片厚度、叶片导程及螺旋升角为设计变量,选择采煤机的输煤生产率最大和能耗最低作为优化目标,采用改进多目标粒子群算法对螺旋钻杆参数进行优化。优化结果表明:基于自适应惯性权重和交叉变异的多目标粒子群算法使螺旋钻采煤机的输煤生产率提高了24.1%,实际输送功率降低了4.8%。     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

基于粒子群算法的滚齿切削参数优化研究

为了在滚齿加工过程中,能够实现滚齿切削参数优化,提高生产效率,本研究提出了一种基于粒子群算法的滚齿切削参数优化研究方法。该研究综合考虑了生产效率、加工成本等重要因素,引入了生产效率和加工成本等目标函数,建立了滚齿切削参数的多目标优化模型,并引入了协调系数,使其多目标优化模型转化为单目标优化模型。通过案例分析,优化得到的加工工艺参数与经验加工参数相比,其生产效率提高了2.44倍,工艺加工成本降低了56.7%。而在较大程度上为车间或企业的滚齿加工提高了生产效率,降低了成本。因此,该研究对于车间或企业的滚齿加工参数的确定与选择起着重要的参考作用。     

数控切削加工工艺参数的多目标优化

基于数控车削和数控铣削加工工艺参数优化的数学描述 ,采用主要目标法和线性加权和法建立了多目标优化的数学模型 ,给出了以简便可靠的直接寻优算法实现多目标优化的计算实例     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于AdvantEdge仿真和粒子群算法的切削参数优化方法

为了智能化地提供最优车削工艺参数,以碳排放低、加工时间短和加工成本低为目标,构建了车削加工的工艺参数优化模型,并应用多目标粒子群优化(MPSO)对模型进行求解。此外,考虑到目前切削力和切削温度的理论计算模型难以准确反映切削过程的热力场变化,通过切削仿真软件AdvantEdge进行仿真,获得切削参数与切削力、切削温度之间的关系。最后,以300M钢的加工为例对模型进行验证,通过CNC车床上的切削实验验证了由MPSO获得的切削参数,实验证明该研究方法提供的切削参数能很好的在碳排放、加工时间和加工成本间达到平衡,为车削加工选取合适的工艺参数提供了技术支持。     

基于混合粒子群算法的多目标车辆路径研究

为解决多目标下带时间窗车辆路径的优化问题,提出了将粒子群算法与变异操作相结合的求解方式.设计了一个随迭代次数增加而变化的变异算子,采用轮盘选择机制,以使多目标离散问题能收敛到Pareto最优解集,并在Pareto曲线上有均匀的分布.采用随机键,将连续的粒子位置向量转化为离散的解向量,并通过提出相对最短距离法来评价解集的优劣.所提出的无间隔编码方式,减少了算法的无效迭代.通过实验,验证了该方法的简单有效性.     

基于金豺狼优化算法的数控切削参数优化

为提高加工效率、降低生产成本,提出了基于金豺狼优化算法(GJO)的数控切削参数优化新方法。以切削速度和进给量为待优化切削参数,施加功率、切削力、进给量、粗糙度等约束,建立以最大生产率及最低生产成本为目标的优化数学模型。介绍了GJO算法主要原理,给出了方法流程。以复杂曲面且微小滚齿加工为实例,利用GJO对切削参数优化数学模型进行求解,得到最优切削速度和进给量。结果表明：与其余3种方法相比,所提方法的滚齿加工总工时缩短约8%～29%、表面粗糙度降低约0.04μm～0.15μm,加工质量和效率均得到提升。     

基于混合粒子群算法解决多目标装配线平衡问题

针对第一类装配线平衡问题,提出一种混合的粒子群算法,该算法在标准粒子群算法的基础上对其进行离散化,并提出一种基于优先权重的编码方式,考虑到粒子群算法易陷入局部最优的特点,采用遗传算法的全局搜索能力加强粒子群的全局搜索,再利用变邻域搜索算法进行局部搜索,提高算法的搜索性能。另外,在目标函数方面,在最小化工位数的基础上增加平滑指数这一目标函数,使装配线的效率进一步提高。最后通过算例比较,表明混合粒子群算法能够有效地解决第一类装配线平衡问题。     

基于混合粒子群算法求解多目标混流装配线排序

针对生产调度中的多目标混流装配线排序问题,建立以最小化超载时间、产品变化率与总切换时间为优化目标的数学模型,并提出一种改进的多目标粒子群算法求解。该算法采用基于工件的编码方式,并提出新的解码方法;应用Pareto排序和小生境数评价个体,在此基础上形成了一种新的适应度函数。在个体最优解的更新中,为避免最优解丢失,对非支配粒子与支配粒子采用差异化方法更新。此外,运用两种策略解决粒子群算法过早收敛的问题:在个体最优解的更新中引入模拟退火思想,并将全局最优解的选择扩大到整个种群。通过数值算例研究了算法的收敛性、分布性和执行效率,结果表明了所提算法的优越性。     

基于多目标粒子群优化算法的舰船天线布局优化

为了减小多天线间耦合、辐射方向图畸变(RPD)、近场辐射等对舰船通信的影响,对舰船天线的最优布局进行了研究.提出了 一种舰船天线布局优化的混合方法,建立了基于人工神经网络(ANN)的近似模型,用于估计安装在舰船上多天线间的耦合和辐射模式,采用人工神经网络与多 目标粒子群优化(MOPSO)算法相结合的方法来减少优化时间,...     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

基于改进人工蜂群算法的数控切削参数优化

针对多道工序加工的切削参数优化问题,提出一种改进的人工蜂群算法对最小加工时间和最低生产成本的多目标切削参数模型进行优化。该算法综合了粒子群算法和人工蜂群算法的优点,优化过程中综合考虑了工件加工时的多种约束条件。通过仿真实例验证改进的人工蜂群算法的有效性和优越性,仿真结果表明:改进的人工蜂群算法相比其他算法可以寻找到更优的切削参数组合。     

基于改进人工蜂群算法的数控切削参数优化

为提高生产效率、降低生产成本,建立了以最小加工时间和最低生产成本为优化目标的多目标切削参数优化模型,并综合考虑了实际生产过程中的各种约束条件,可同时对多道工序的切削参数同步进行优化。将粒子群算法嵌入人工蜂群算法以提高人工蜂群算法的优化性能,并将其用于优化所建立的切削参数优化模型。具体案例实验表明,改进的人工蜂群算法相比于其他基本算法能够得到更优的切削参数组合。     

基于离散粒子群算法的复杂曲面微小零件切削参数优化研究

采用常规方法计算零件切削参数优化目标函数和约束条件时,忽略了生产效率和粗糙度两个变量,导致优化参数作用下的零件加工表面粗糙度较大和加工总工时较长。为提高生产效率和降低生产成本,提出了基于离散粒子群算法的复杂曲面微小零件切削参数优化方法,选择切削速度和进给量作为待优化切削参数,确定参数优化目标方向,对微小零件加工的功率、切削力、进给量及粗糙度等进行约束,利用粒子群算法求解优化目标和约束条件组成的数学模型,得到切削速度和进给量最优解。选择微小齿轮毛坯、铣刀及机床进行滚齿加工的对比实验,并采用设计方法和常规方法获取不同切削深度下的切削参数优化值。结果表明,设计方法减小了齿轮加工表面粗糙度,缩短了齿轮加工总工时,提高了滚齿表面质量和生产效率。