基于遗传算法的仿生肌肉多目标优化控制研究

以动物肌肉结构和工作特性为模拟对象的仿生肌肉,其控制对象数量多,控制较为复杂.首先将仿生肌肉控制转化为多目标优化控制问题,将多目标函数合成为单一目标函数,以对该多目标优化问题进行求解;其次就遗传算法在该多目标优化求解问题中的应用进行了讨论;最后对由形状记忆合金构成的仿生肌肉进行仿真实验,结果表明仿生肌肉的多目标优化控制方法是一种有效的优化控制方法.     

基于遗传算法的仿生肌肉多目标优化控制研究

以动物肌肉结构和工作特性为模拟对象的仿生肌肉,其控制对象数量多,控制较为复杂。首先将仿生肌肉控制转化为多目标优化控制问题,将多目标函数合成为单一目标函数,以对该多目标优化问题进行求解;其次就遗传算法在该多目标优化求解问题中的应用进行了讨论;最后对由形状记忆合金构成的仿生肌肉进行仿真实验,结果表明仿生肌肉的多目标优化控制方法是一种有效的优化控制方法。     

多传感器机械手指的设计

介绍一种多传感器机械手指，手指上安装了接近觉、滑觉、力觉、热觉与温觉等5种传感器。该手指与一简易视觉结合，能使机器人完成一些不同截面形状和材质工件的识别。     

集成多目标遗传算法在货位分配中的应用

根据效率优先原则、稳定性原则建立适合同端式出/入库立体仓库的多目标货位分配模型。基于向量评估、非支配排序、小生境Pareto等理论方法设计了三种多目标遗传算法(MGA)。根据集成学习理论,将若干多目标遗传算法集成,构建集成多目标遗传算法(EMGA),使优化算法适应搜索过程的任意阶段。以某铝厂实际工况进行仿真验证,结果表明,集成多目标遗传算法受问题规模影响小,收敛速度快,较单独其他多目标遗传算法性能更优越,是适用于立体仓库调度研究的高效算法。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。     

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。     

多目标元胞遗传算法及其应用

在单目标元胞遗传算法的基础上,提出一种多目标元胞遗传算法(Multi-Objective Cellular Genetic Algorithm,MOC-GA)。该算法使用元胞自动机的生命游戏规则替代遗传算法的交叉算子,使用NSGA-Ⅱ的选择方式选择个体,同时设置外部种群存储算法进化过程中的非支配个体。为了提高算法的效率和保证非支配解集良好的分布性,使用改进的快速排序法选择非支配个体,依照个体的动态聚集距离对外部种群进行消减。与NSGA-Ⅱ相比,实例表明,该算法具有更好的收敛性和稳定性。     

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．、     

基于改进遗传算法的多目标装配线平衡优化研究

针对离散制造企业装配线再平衡问题,文章提出基于改进遗传算法的多目标装配线平衡优化方法.以最小化生产节拍、最大化产线平衡率和最小化平滑指数为优化目标建立装配线再平衡优化模型,并采用改进的遗传算法对平衡模型进行求解,算法基于任务排序的种群初始化方法,采用两点交叉方法,提高了算法寻优能力.文章最后以青贮机装配线实际案例验证了...     

多目标遗传算法在剪式升降平台优化设计中的应用

针对双铰接剪式升降平台展开研究,首先理论分析推导出升降机构中的液压缸推力及升降平台起升速度的函数关系,采用控制变量法分析各参数变化对液压缸推力及升降平台起升速度的影响,确定液压缸最大推力及升降平台最大起升速度产生的位置及关键影响参数。以液压缸最大推力及升降平台最大起升速度为优化目标,利用多目标遗传算法得到液压缸铰接优化位置,为剪式升降平台的设计及液压缸位置布置提供理论依据,具有一定的实际研究意义和工程使用价值。     

模糊数学在多目标优化中的应用

在多目标优化设计中，。函数曲面复杂并且缺乏分析理论，以致使优化处理常常陷入僵局。借助于模糊数学，建立起能分析函数曲面并优化处理的贴近度方法。采用贴近度计算网络优化技术，对三个优化设计实例进行实践，验证了上述方法对优化设计是可行的。     

基于多岛遗传算法的轴承精超工艺多目标优化

为提高角接触球轴承内圈沟道精超加工精度及效率,利用ISIGHT优化软件对角接触球轴承内圈沟道精超工艺进行了多目标优化研究.首先通过正交试验得到一组样本点;然后采用二次多项式响应面法建立以工件转速、油石压力、油石摆动频率及超精时间等主要工艺参数为输入变量,以轴承内圈沟道表面粗糙度和沟道圆度误差为输出变量的多目标优化代理模型;最后,基于多岛遗传算法对多目标优化代理模型进行优化,得到一组最优精超工艺参数组合及结果预测值.试验结果表明:经过优化得到的表面粗糙度值比优化前的表面粗糙度值降低了15.244％,沟道圆度误差值比优化前的圆度误差值降低了14.87％,并且加工效率提升了21.43％,优化效果显著.     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

钛合金车削过程中基于遗传算法的切削参数多目标优化

通过正交试验法对钛合金TC4进行了车削试验并对试验数据处理,得到切削温度、表面粗糙度关于切削三要素的多元线性回归方程。以切削速度、进给量和背吃刀量为优化变量,以最低切削温度、最好表面粗糙度、最大材料去除率为目标构建了切削参数的多目标优化模型。利用MATLAB中基于遗传算法的多目标优化函数对优化模型进行求解,得到优化问题的Pareto最优解并加以分析。     

基于多目标遗传算法优化板料拉深成形工艺参数

利用人工神经网络构建了板料拉深成形的目标函数模型,建立了板料拉深成形工艺参数和性能评价指标之间的映射关系.以多种工艺参数(压边力、摩擦因数等)作为优化变量,多种成形缺陷(起皱、破裂等)作为优化目标,结合多目标遗传算法和数值模拟,建立了板料拉深成形工艺参数的优化设计模型,大大提高了优化的效率.以油底壳下盖为例,对其拉深成形工艺参数进行了优化,通过对优化结果进行数值模拟可以看出,该优化参数完全避免了各种缺陷的产生,这说明该优化算法具有较好的优化结果.     

基于多目标遗传算法的混合动力电动汽车控制策略优化

混合动力电动汽车是一个高度复杂的非线性系统,并且影响其控制策略的参数较多,要对这样的系统进行优化,常规的优化算法显得无能为力,模型的精确程度也直接影响了选取参数的可靠性.应用汽车动力性、排放性高级模拟分析软件AVL CRUISE,联合Matlab/Simulink软件,建立合动力电动城市客车整车动态性能仿真分析模型,以百公里油耗和排放指标为优化目标,运用多目标遗传优化算法,针对欧洲、日本及中国的城市公交循环工况对混合动力系统工作模式的选择和能量流的分配进行全局优化,减少了运算时间,获得一组可靠的可行解,精确地确定出控制逻辑参数.该解集在很大程度上同时提高了原车的燃料经济性和排放性能,并且为混合电动车的设计和控制提供了一个适宜的选择范围,设计者可以按不同的要求进行不同的方案选择.     

基于遗传算法的生产线多目标优化研究

AGV(automatic guided vehicle)作为物料运输的载体,使生产线物料按节拍流动,是产线设计的关键部分。针对产线初步规划方案中AGV的数量、配送量及速度参数未确定影响产线最佳方案设计的问题,将产线产品生产周期、暂存区总容量、设备平均利用率及AGV平均利用率作为多个目标。采用全因子试验方法,探究AGV的数量、配送量及速度3个因素对多个目标的影响及其变化规律,确定关键因子与优化目标。建立多目标数学模型,采用遗传算法求解,调整并行工序数量,获得优化方案并仿真验证。研究结果表明:该方法能够有效求解问题,使作业的AGV数量减少至1辆,提高资源利用率,降低企业投资成本。     

遗传算法在多目标优化设计中的应用研究

分析了遗传算法的特点，提出了强调杰出个体保护策略的遗传算法改进方案，并应用于吊扇电机柔性装配系统多目标优化设计。     

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...