基于改进遗传算法的孔群数控加工路径优化

针对孔群加工路径优化中遗传算法存在的局部最优和收敛速度慢等问题,提出采用模拟退火算法改进遗传算法进行路径优化。首先根据孔群数控加工的特点建立数学模型,采用遗传算法设计种群编码,建立适应度函数选择优秀种群,并对保留的优秀种群进行交叉、变异等操作,实现种群进化,其次引入模拟退火算法对其适应度函数进行拉伸处理,调整种群进化差异性而加速寻优进度,同时采用改进的Metropolis准则调整接受概率,调节旧种群和新种群的进化程度,增强遗传算法的全局搜索能力。实例表明:改进算法用于某模具的孔群加工,有效克服遗传算法的早熟现象,缩短收敛次数,平均路径缩短比例达6.9%,提高了加工效率,效果良好。     

基于和声-遗传算法的机械臂激励轨迹优化

在使用遗传算法解决激励轨迹优化问题时，经常会遇到陷入局部极值、搜索效率低、不稳定等问题。为此，提出一种改进的和声-遗传算法。该算法采用和声搜索完成对遗传算法种群的初始化；根据进化过程中种群的离散度，确定交叉和变异的执行顺序；根据个体的适应度，以非线性和自适应的方式调整交叉和变异的概率，具有较强的搜索能力和速度。为验证和声-遗传算法的性能，对SCARA型机械臂进行激励轨迹优化。结果表明：和声-遗传算法在求解精度和收敛速度上具有显著的优越性，可为后续机器人的动力学参数辨识提供参考。     

基于改进遗传算法的圆锥滚子轴承优化设计方法的研究

文章给出了基于改进遗传算法的圆锥滚子轴承优化设计的方法。针对传统算法在圆锥滚子轴承优化设计中全局寻优能力较差问题，文章改进了标准遗传算法（Simple Genetic Algorithm SGA）的算法参数，采用了最优解保存策略，并运用退火罚函数法处理约束。通过与标准遗传算法及综合约束双下降法比较，表明改进遗传算法具有良好全局寻优能力和稳定性。从而解决了开发圆锥滚子轴承CAD系统的关键问题。     

基于自适应多种群遗传算法的圆度误差评定

针对传统遗传算法在圆度误差评定方法存在搜索稳定性差、易陷入局部收敛和全局搜索能力不足的问题,改进传统遗传算法(TGA),提出了采用自适应多种群遗传算法(AMPGA)的评定方法。根据圆度误差评定的特点,建立了多种群协同进化的遗传方式,并引入了交叉概率Pc和变异概率Pm随个体适应度值变化而不断调整的遗传机制,通过编写自适应多种群遗传算法(AMPGA)程序对圆度误差进行评定,得到相应结果与三坐标测量机的实测值对比。对比分析结果表明该方法能有效的克服传统遗传算法(TGA)在圆度误差评定上存在的搜索稳定性差、易陷入局部收敛和全局搜索能力不足的问题,是一种更有效的圆度误差评定方法。     

基于自适应的NSGA-Ⅱ多目标柔性作业车间调度

针对非支配排序遗传算法（NSGA-Ⅱ）进行自适应改进,采用独立的交叉和变异操作对工序与设备进行排序及分配的调整,从而求解多目标柔性作业车间调度问题。改进后的算法可依据不同阶段,动态调整算法的交叉概率与变异概率,提升算法运算效率、种群多样性并减少非法解的产生。最终,通过实例仿真验证算法的有效性。结果表明：新方案的最大完工时间、加工能耗、加工设备总负载和延期时间均得显著改善,有效提高了生产管理效率。     

基于改进遗传算法的工件加工工序优化

对于复杂零件的加工,其工步顺序直接影响加工质量和生产效率。论文就工步排序原则和典型的工艺路线,以辅助加工时间最短为优化目标,建立了加工中心中零件加工工步排序数需模型。采用遗传算法对工步顺序进行优化,并在隔代映射遗传算法基础上引入自适应策略,使IP_GA中的交叉、变异概率根据适应度大小自动调节,提高了收敛速度及解的质量。实际应用表明,该方法可有效提高工艺规划系统中工步的优化排序能力。     

求解Job-Shop问题的改进搜索范围自适应遗传算法

为改善遗传算法求解Job-Shop问题时较差的局部搜索能力,并提高搜索最优解的速度,提出了一种改进的搜索范围自适应遗传算法。该算法采用一种新型的交叉操作,通过交叉和变异搜索过程提高遗传算法的局部搜索能力,同时采取MWKR优先规则优化初始种群。对作业车间调度问题进行仿真研究,结果表明该算法能找到问题的最优解,是可行和有效的。     

基于遗传算法的焊装线工位平衡问题研究

在现代化机器人焊装线生产过程中,大量的作业分配及多工位上焊接工序安排使焊接工位平衡问题表现的尤为突出。针对第二类平衡问题,即在给定工位数和各工序工时情况下,求解最优生产节拍问题进行研究。首先对该问题进行分析并建立节拍优化数学模型,进而提出了一种改进的遗传算法求解平衡问题。该算法以焊接工序的加工顺序优先关系作为约束条件,按种群个体适应度合理选择交叉概率和变异概率,提高算法搜索效率和解的可靠性。最后通过实例对该算法进行了验证。     

基于改进Lemaitre损伤模型的圆锥滚子孔型斜轧过程损伤预测

根据圆锥滚子热斜轧成形过程中的特点以及轧件的受力状态分析,改进了传统的Lemaitre损伤模型,充分考虑了正、负静水压应力状态下损伤演化的差异性,以及应变速率和变形温度变化对损伤演化的影响。将改进的Lemaitre损伤模型借助SIMUFACT平台的二次开发技术嵌入到圆锥滚子孔型斜轧有限元模型中,创建了圆锥滚子孔型斜轧的损伤预测模型。同时,采用同样的建模技术建立了轴承钢球孔型斜轧损伤预测模型,并与文献中的实验结果对比,验证了改进的Lemaitre损伤模型的可靠性。圆锥滚子孔型斜轧损伤预测模型的模拟结果表明,圆锥滚子热斜轧过程中损伤程度较大的区域主要为连接颈轴心及靠近连接颈轴心的区域,而且滚子小端心部损伤程度明显大于滚子大端。     

基于改进遗传算法的含间隙平面二连杆机器人模型辨识研究

针对含间隙机器人难以建立较准确的数学模型问题,以含间隙二连杆机器人为例,分别运用最小二乘法、传统遗传算法和改进遗传算法对其进行参数辨识;其中改进遗传算法分别从编码方法、交叉算子、变异算子以及交叉概率和变异概率的自适应改进方面对传统遗传算法进行了改进,解决传统算法容易发生"早熟"现象的问题。研究结果表明:利用3种辨识法对含间隙二连杆机器人进行参数辨识时,改进遗传算法辨识精度最高,收敛速度最快。与传统的应用动力学建模相比,应用该辨识方法更方便快速,为构建含间隙机器人系统模型提供了参考。     

液压支架电液控制实验平台设计与立柱压力控制方法研究

设计搭建了液压支架电液控制实验平台,并在此基础上对立柱的压力控制方法进行研究,提出了基于改进遗传算法优化的模糊PID立柱压力控制方法。使用正切赌轮法与自适应交叉变异概率方法对遗传算法进行改进,并将改进的遗传算法用于优化模糊PID的隶属函数,仿真结果表明该方法优于PID控制、模糊PID控制和模糊控制。测试实验结果表明:该方法调压性能良好,稳态误差小,平均响应速度达13.4 MPa/s,满足立柱压力控制要求。     

基于双种群遗传算法的智能排样系统

研究并改进了基于双种群遗传算法的矩形优化排样问题的求解方法.使用不同方式产生初始种群,对不同个体使用不同的具有自适应能力的交叉算子和变异算子,使算法的全局优化能力得到提高.以该算法为基础开发了一个应用于实际生产的智能排样系统,对比文献中的数据进行验证,结果表明在原材料利用率方面本方法高于其他类似的正交排样算法.     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

基于IAGA的多行设施布局优化方法

针对横向和纵向通道位置和数量均不确定的多行设施布局问题,提出一种基于IAGA的多行设施布局优化方法。考虑设施最大纵横比约束,建立以物流成本、搬运设备空载成本及占地面积成本的加权平均值最小化为优化目标的布局优化模型;设计基于柔性隔间结构编码的改进自适应遗传算法(IAGA)对模型进行求解。算法中设计了自适应调整交叉概率、自适应选择交叉算子(双点交叉算子和单亲单点交换算子)及分别针对隔间结构和设施编号排列的基本位变异算子,提高了其收敛速度和搜索能力。最后,通过案例分析验证了IAGA算法的有效性。     

综合改进遗传算法进行齿轮传动优化设计

运用模糊可靠性优化理论,建立了齿轮传动优化数学模型.并在标准遗传算法基础上,通过综合改进遗传算子,提出一种综合改进的遗传算法.该算法通过初始种群选择,最优个体保留,自适应交叉和计算终止等方面进行设计,有效地避免了早熟和近亲繁殖,提高了收敛速度,实现了具有混合设计变量的齿轮传动参数优化.     

基于自适应变异DE算法的PID参数整定优化

针对工业过程中的PID参数整定难的问题,在分析传统差分进化算法的基础上,提出了一种自适应变异的差分进化算法,用于PID控制器的参数优化。改进算法定义了群体相似度系数和个体优劣系数,根据群体相似度系数动态调整变异操作,发挥不同变异操作模式的优点,使得算法同时兼顾了全局搜索和局部搜索的能力,根据个体优劣系数自适应调整交叉概率因子,改变以往交叉概率因子为定值常数,算法能够根据变异个体优劣选择合适的交叉概率因子。将改进算法用于以直流电机模型为被控对象的PID控制器参数整定优化中。仿真实验研究表明,相较于传统PID,DE-PID和QPSO-PID控制,AMDE-PID控制器具有更快的响应速度和稳定精度。     

基于自适应NSGA-Ⅱ算法的柔性车间多目标生产调度

针对大型军工电子装备企业的组件制造生产调度问题,建立了以最小化最大完工时间、生产成本和最大设备负荷为目标的柔性车间生产调度模型。依据柔性车间多目标调度问题的特点,提出了一种改进的自适应NSGA-Ⅱ算法,在遗传算法的不同阶段动态的调整交叉和变异的概率,提高了算法的计算效率。同时,为了提高种群多样性、避免非法解产生和最优解丢失,该算法对工序和设备进行独立的交叉和变异操作,并采用独立于种群的精英保留策略。最后通过实例验证了算法的有效性,相较于初始输入的最大完工时间、生产成本和设备负荷分别减少了34.97%、9.80%和31.63%。     

模型表面网格孔洞修补的遗传算法

针对网格孔洞修补的不确定性 ,引入遗传算法 ,利用遗传算法多目标的优化特性 ,将三角面片的单体优化程度和三角面片的整体光顺程度同时考虑。设计相应的适应度函数 ,并以独特有效的方法解决了具体问题的基因编码 ,在对传统遗传算法改进的基础上提出动态大变异算子 ,解决了良好的求解效果和具体问题限制的矛盾     

基于改进自适应遗传算法的机器人路径规划研究

传统遗传算法的交叉和变异操作为随机操作,虽然简单,但在路径规划中却会产生不可行路径,增加运算量,影响算法的收敛速度。针对这一问题,在传统遗传算法遗传操作的基础上进行了改进,利用先验知识保证遗传操作后的种群个体为可行路径,同时提出了新的遗传参数自适应调整方式与之配合,提高了算法的寻优效率。最后,由于遗传算法容易陷入局部最优,根据模拟退火算法的Metropolis准则对经过遗传操作产生的新个体进行接受判定。通过将改进后的遗传算法与其他文献中的改进遗传算法相比较,结果表明:文中的改进遗传算法在收敛速度、优化效果以及寻优能力上都取得了明显的效果。     

高载荷圆锥滚子轴承的设计

圆锥滚子轴承可以承受双向载荷,常用于高速、重载卡车的轮毂之中。在使用时发现,此类轴承因受载较大易出现过早失效现象。本文依据标准圆锥滚子轴承进行改进结构设计,使之不仅结构简化便于生产,且能提高轴承基本额定动载荷,延长使用寿命。