基于环境指标的数控机床绿色度评价研究

为分析评价数控机床各设计方案的绿色度,提出适应度评价指数这一概念。从机床绿色设计的自然属性出发,选取对机床绿色特性影响较大的环境指标进行研究分析,建立面向数控机床的绿色设计适应度评价指数计算模型。根据得到的适应度评价指数,对各设计方案进行相对于机床加工效率的绿色度评价。最后,将该适应度评价方法用于高效铣齿机床的设计中,验证了该方法的有效性。     

遗传算法特征选取中的几种适应度函数构造新方法及其应用

针对遗传算法特征选取技术,提出4种适应度函数构造方法,即,基于改进的距离判据、基于平均值方差比、基于Fisher判别准则以及基于最近邻分类法的适应度函数,并通过仿真实例对方法进行了验证。最后,将新方法应用于转子故障诊断,结果表明:笔者提出的遗传算法特征选择的4种适应度函数的正确有效性。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

基于混合遗传算法的混合装配线排序问题研究

为使混合装配线有效运作,研究了混合装配线的生产排序问题。以装配线上各种零部件消耗速率均匀化和最小生产循环周期最短为优化目标,描述了多目标排序问题,并建立了优化模型。针对基本遗传算法在求解排序问题时的早熟收敛问题,提出一种改进混合遗传算法。该算法借助模拟退火算法思想对适应度尺度进行调整,使遗传进化初期削弱种群中个体适应度差异,而在遗传进化后期强化种群中个体适应度差异,以提高对最优解的搜索能力。同时,根据个体适应度自动调整遗传操作参数,既保存了种群中的优良个体,又不失个体的多样性。最后通过案例分析验证了算法的有效性。     

遗传算法中适应度函数的改进术

遗传算法引导搜索的主要依据就是个体的适应度值,因此适应度函数的设计显得尤为重要。本文兼顾保持种群的多样性和算法的收敛性,提出了一种基于指数变换的、指数系数可随进化代数动态调整的非线性适应度函数。以两个典型的测试函数为例,在相同的遗传操作和参数下,分别采用本文提出的适应度函数、线性拉伸变换及一般的指数变换适应度函数进行优化计算,计算结果表明采用提出的新适应度函数能极大地提高算法的优化精度、收敛速度和收敛概率。     

基于遗传算法的移动机械手运动规划

讨论移动机械手非完整运动最优规划问题.利用遗传算法对移动机械手进行了两点和多点运动规划,采用了浮点数编码及适应度最优保存策略.通过仿真试验,验证了该方法的有效性和可行性.     

一种改进遗传算法及在结构优化设计中的应用

针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法。以典型的遗传算法测试函数验证改进遗传算法的有效性与可行性，最后将改进遗传算法用于离散变量桁架结构优化设计，计算结果表明改进遗传算法是可行、有效的。     

基于遗传算法的离散制造系统生产调度问题研究

首先介绍了离散制造业中生产调度的最大加工时间最短的数学模型。然后用遗传算法求解该数学模型,采用了表示工序先后顺序及机器选择的二维编码方法和一种新的计算适应度函数的方法．最后通过实例验证了算法的有效性。     

基于遗传算法的离散制造系统生产调度问题研究

首先介绍了离散制造业中生产调度的最大加工时间最短的数学模型。然后用遗传算法求解该数学模型,采用了表示工序先后顺序及机器选择的二维编码方法和一种新的计算适应度函数的方法.最后通过实例验证了算法的有效性。     

基于微粒群算法的盲解卷积及其在故障轴承声信号中的应用

针对复杂机械声场中,盲解卷积算法分离滤波器长度估计困难的问题,提出一种用微粒群算法优化盲解卷积分离滤波器长度的改进方法,解决了估计结果不确定的问题。该方法以分离信号峭度最大值的倒数为微粒群搜索的适应度,利用微粒群算法搜索到最优的分离滤波器长度,获得了可靠稳定的估计结果。计算机仿真和实际环境中故障轴承声信号分离实验证明了该方法的有效性。     

改进粒子群算法在柔性作业加工时间问题研究

为了减少柔性作业加工时长,在柔性作业加工问题中,提出一种改进粒子群算法(β-PSO)。该算法以最小加工时间为目标函数,惯性权重幂函数自适应调节,随机数采用贝塔分布进行改进,选取Kacem算例进行验证,通过对比β-PSO算法与标准粒子群算法(PSO)、余弦惯性权重改进粒子群算法(CPSO)的优化结果,β-PSO算法加工时间均较低。实验结果表明,β-PSO算法在减少柔性作业加工时间问题上的有效性。     

基于主-从遗传算法求解柔性调度问题

通过分析柔性作业车间调度问题中工件与设备的特征及两者间的关系,提出了一种主一从遗传算法的调度方案。在该算法中,主、从染色体分别采用工件基因块和设备基因块的分块编码。主染色体代表可行加工路径组合,从染色体代表主染色体约束下的可行调度方案。然后,以最小化工件延迟时间为目标,为主染色体设计选择和多点变异两类遗传操作;以最小化设备空闲时间为目标,为从染色体设计选择、多点交叉和多点变异3类遗传操作。从染色体适应值取其代表的调度方案中工件流通时间的倒数,主染色体适应值取其对应从染色体种群的最优适应值。这种双层多点遗传操作避免了非可行解的产生,并可采用类似旅行商问题的遗传操作。最后,通过仿真和比较实验,验证了该算法的有效性。     

柔性流水车间设备利用率排产优化问题研究

针对具有工序约束信息的柔性流水车间的设备利用率优化问题,提出利用PSODE混合算法来解决该问题,全局优化过程采用群体优化算法,在局部优化过程中通过上下道关联工序约束信息来控制工件的分配,将并行工位总设备利用率作为适应度函数,构建了具有关联工序约束的柔性流水车间生产调度模型,确定生产工件的加工路径、加工顺序、开工时间和完工时间。通过多组方案数值计算结果对比分析,验证了PSODE算法解决柔性流水车间设备利用率优化问题的有效性。     

加工时间不确定的柔性作业车间鲁棒调度方法

针对中小批量环境下加工时间不确定的柔性作业车间调度问题,采用冗余处理方法构建了以最大完工时间为目标的鲁棒调度模型。为降低算法的搜索规模和提高算法的求解速度,提出了顺序搜索机制,并设计两阶段遗传算法,分阶段获取冗余状态和最优结果。采用某柔性生产线的数据进行正交试验,优化了算法关键参数,并构建了柔性生产线仿真模型,对调度结果的鲁棒性和优化目标性能进行了分析。结果表明,该算法在目标性能和鲁棒性上都显著优于标准遗传算法,能有效处理加工时间不确定的柔性作业车间调度问题。     

用遗传算法求解一类不确定性作业车间调度问题

对具有不确定加工时间和交货期窗口的一类作业车间调度问题进行了研究.不确定加工时间用区间数来表示,以工件提前或者拖期遭受惩罚的可能性的总加权和最小作为优化目标.设计了带精英交叉策略的遗传算法求解此类问题.仿真实验验证了该算法的有效性.计算结果表明,该遗传算法有更快的收敛速度、更高的优化精度和更好的初值鲁棒性.     

基于空间视觉的仿人形柔性机器人尺寸控制系统

目前的仿人形机器人研究多以刚性材料为主,仿形精度不高且无法真实模拟人的体态特征。针对这一问题,设计了一种仿人形气动柔性机器人。设计了一种IBP-PID的稳压控制方法,实现了柔性机器人气动元件内的精密气压控制,进而提高了柔性机器人的尺寸控制精度;设计了空间视觉尺寸测量实验,检验该控制算法的准确性。结果表明：该稳压控制算法在微气压环境下的控制效果良好,兼顾了动态特性和稳定性;柔性机器人的关键部位尺寸控制精度在0.5%以内,验证了控制算法的有效性。     

A Genetic Algorithm Approach to the Scheduling of FMSs with Multiple Routes

Usually, most of the typical job shop scheduling approaches deal with the processing sequence of parts in a fixed routing condition. In this paper, we suggest a genetic algorithm (GA) to solve the job-sequencing problem for a production shop that is characterized by flexible routing and flexible machines. This means that all parts, of all part types, can be processed through alternative routings. Also, there can be several machines for each machine type. To solve these general scheduling problems, a genetic algorithm approach is proposed and the concepts of virtual and real operations are introduced. Chromosome coding and genetic operators of GAs are defined during the problem solving. A minimum weighted tardiness objective function is used to define code fitness, which is used for selecting species and producing a new generation of codes. Finally, several experimental results are given.     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

Application of an efficient modified particle swarm optimization algorithm for process planning

In the modern manufacturing system, many flexible manufacturing system and NC machines are introduced to improve the production efficiency. Therefore, most parts have a large number of flexible process plans. However, a part can use only one process plan in the manufacturing process. So, the process planning problem has become a crucial problem in the manufacturing environment. It is a combinatorial optimization problem to conduct operations selection and operations sequencing simultaneously with various constraints deriving from the practical workshop environment as well as the parts to be processed. It is a NP-hard problem. In order to solve this problem effectively, this paper proposes a novel modified particle swarm optimization (PSO) algorithm to optimize the process planning problem. To improve the performance of the approach, efficient encoding, updating, and random search methods have been developed. To verify the feasibility and effectiveness of the proposed approach, seven cases have been conducted. The proposed algorithm has also been compared with the genetic algorithm and simulated annealing algorithm. The results show that the proposed modified PSO algorithm can generate satisfactory solutions and outperform other algorithms.