多目标优化方法在汽车盘式制动器设计中的应用

工程问题优化一般是多目标的优化设计,本文论述的多目标模拟退火方法是基于Pareto理论,用于解决多目标问题的一种实用方法。优化得到均匀分布的Pareto最优解集后,依据不同的设计要求,从其中选择最满意的设计结果。将此方法应用于盘式制动器优化设计,目的是在保证足够制动力矩的前提下,尽量减小摩擦副升温和制动器的尺寸,以提高制动器工作的可靠性并给整车的设计留下更多的空间。     

圆盘式磁流变制动器磁路多目标优化

为了提高磁流变制动器的制动性能,基于Herscher-Bulkley模型,以磁流变制动器的质量最小、输出制动力矩最大为优化目标,提出了一种基于有限元分析(FEA)和多目标遗传算法(MOGA)的联合优化设计方法。利用该方法获得了磁路结构的Pareto最优解,并采用组合赋权法对Pareto最优解进行选优,得到了制动器最优的磁路结构参数。仿真结果表明:所提出的磁流变制动器磁路多目标优化设计方法是正确有效的,能够获得更加紧凑的磁路结构,并提高磁流变制动器的制动力矩,可作为磁流变制动器设计的参考。     

内置永磁体的盘式磁流变制动器结构优化设计及仿真分析

为提高传统磁流变制动器制动性能及其安全性,提出一种内置永磁体的盘式磁流变制动器.阐述了内置永磁体的磁流变制动器工作原理,制动器在失电情况下,制动转矩在内置永磁体的作用下仍可维持一个安全值,一定程度上提高了制动器的防故障性能.对制动器磁路进行了分析,同时建立了制动转矩数学模型,利用ANSYS软件对其电磁场进行仿真.以制动器质量和制动转矩为优化目标,采用多目标遗传算法进行优化,得到Pareto最优解集,对其进行相关的赋权,得到制动器最优结构尺寸,对优化前及优化后的磁流变制动器进行对比,发现电流为1A时,制动转矩由80N ·m增加到105 N·m,提升了31.3％;同时制动器质量由5.4 kg减少到4.8 kg,质量减轻了11％.     

内置永磁体的盘式磁流变制动器结构优化设计及仿真分析

为提高传统磁流变制动器制动性能及其安全性,提出一种内置永磁体的盘式磁流变制动器.阐述了内置永磁体的磁流变制动器工作原理,制动器在失电情况下,制动转矩在内置永磁体的作用下仍可维持一个安全值,一定程度上提高了制动器的防故障性能.对制动器磁路进行了分析,同时建立了制动转矩数学模型,利用ANSYS软件对其电磁场进行仿真.以制动器质量和制动转矩为优化目标,采用多目标遗传算法进行优化,得到Pareto最优解集,对其进行相关的赋权,得到制动器最优结构尺寸,对优化前及优化后的磁流变制动器进行对比,发现电流为1A时,制动转矩由80N ·m增加到105 N·m,提升了31.3％;同时制动器质量由5.4 kg减少到4.8 kg,质量减轻了11％.     

-种基于Pareto解集的无约束条件的多目标粒子群算法

鉴于多目标优化问题的广泛存在性以及目前关于它的研究还较少,且没有一种很好的、通用的多目标PSO算法,本文提出了一种基于Pareto解集的多目标粒子群算法.通过采用一个"记忆体"来存储当前得到的Pareto最优解,对每次迭代得到的Pareto解集里的解两两进行比较以选取一个较优的解作为更新方程中当前最优解,这样可以更好的引导粒子群进行下一步的寻优操作,最终得到一个完整的Pareto最优解集.几个测试函数的仿真实验结果也表明了该算法取得了很好的效果.     

基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。     

数控机床主轴的多目标优化设计

对数控机床主轴的机构参数优化问题进行了研究。提出了一种以主轴重量、主轴伸出端的扰度为目标的结构参数多目标优化方法。研究了利用多学科优化设计软件iSIGHT对数控机床主轴进行多目标优化设计的方法步骤,并对一个简化的机床主轴模型进行了多目标优化设计,得到Pareto最优解集。研究表明,基于Pareto最优解的方法更适合于数控机床主轴的优化设计;利用iSIGHT进行优化设计,可以简化求解过程,具有一定的工程实用价值。     

多目标柔性作业车间调度决策精选机制研究

针对多目标柔性作业车间调度优化无法找到唯一最优解的问题，提出多目标遗传算法和层次分析法模糊综合评判的分阶段优化策略。提出优化阶段和精选阶段的优化任务，优化阶段选出一组Pareto解集，精选阶段从Pareto解集中选出最优解；在精选阶段运用层次分析法和模糊评判集成的策略精选调度决策。决策算例证明提出的方法是可行的，可很好地帮助决策者选择出一个最满意的解。     

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.