基于多目标粒子群算法的切削用量多决策优化研究

传统多目标优化问题通常是以加权或约束方式将其转换为单一目标,未能反映多目标间的复杂关系,不利于随时根据需求作出有效的决策。为了更合理地确定切削用量,采用多目标粒子群算法首先求得问题的pareto最优前沿,经过后期多准则决策得到满足不同要求下的最优方案。采用这种先寻优后决策的方法,能有效弱化先验知识不足的影响,较传统多目标优化方法更为实用有效。并经与多目标遗传算法比较,多目标粒子群算法具有更优良的性能。     

基于多目标粒子群算法的直线感应电机机构优化设计

为了得到更大起动推力,满足高压断路器开断性能和机械性能要求,论文对操动机构用圆筒型直线感应电机(C-LIM)进行优化设计,把粒子群优化算法(PSO)引进到C-LIM的优化设计之中。并针对电机优化问题的具体特点,提出多目标粒子群算法(MOP)用于C-LIM的全局优化。根据C-LIM应用于高压断路器操动机构的结构和性能要求,建立了多目标优化设计数学模型;并采用Matlab工程计算工具,编写了C-LIM的MOP设计程序,同时还制作了可视化界面(GUI)。对优化结果分析,表明MOP设计要好于单目标优化设计。优化的C-LIM,在推力增加的同时使电机结构尺寸整体缩小、重量减轻,提高了C-LIM操动机构的实用性。     

基于多目标粒子群算法的覆盖件冲压成形动态压边力优化

针对覆盖件冲压成形,提出一种有效的动态压边力多目标粒子群优化方法。该方法以减少覆盖件的开裂、起皱和回弹缺陷为优化目标,以动态压边力曲线的特征参数为优化变量,采用基于拥挤距离的多目标粒子群优化算法（MOPSO-CD）和最小距离求解法,对U型冲压标准模型和某方盒形覆盖件冲压成形实例进行了动态压边力优化试验。试验结果表明,该方法能有效解决薄板冲压成形中的动态压边力优化问题,为覆盖件冲压成形工艺的制定及优化提供借鉴。     

基于粒子群算法的超声滚挤压工艺参数多目标优化

为提高薄壁轴承套圈表层性能,延长其使用寿命,以42CrMo材料为研究对象,基于4因素5水平正交试验,采用逐步回归法分别建立表面粗糙度、表层残余应力和加工硬化程度预测模型。为获取较优的42CrMo材料表层性能,运用粒子群算法对工艺参数进行多目标优化,并对优化模型进行试验验证。结果表明,迭代次数为200次的优化效果最好,优化后的42CrMo材料超声滚挤压加工表面粗糙度、加工硬化程度和残余应力的试验值和计算值的最大相对误差均控制在10%以内,所建立的多目标优化模型具有较高的精度和应用价值,可实现对超声滚挤压工艺参数的优化,用于指导实际生产加工。     

基于IMOPSO方法的注塑件熔接痕质量的多目标优化

提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.     

多工位锻造工艺的多目标优化算法

针对多工位锻造过程中出现的充填效果不佳、折叠和载荷过大等问题,以凸轮零件为例,采用基于有限元模拟和近似模型的优化方法实现其工艺的多目标优化,并重点探讨直接搜索算法、粒子群算法、遗传算法等3种算法的优化效果。比较优化设计结果与初始设计结果,3种优化算法均较大程度地降低了成形载荷,改善了成形质量。其中遗传算法的总体优化效果最为显著,总体载荷从初始设计的534kN降低到391.9kN,降幅达到26.6%,3处难充填区域的充填效果得到很大程度的改善,达到了预期的优化效果。     

基于Dual-Kriging模型多目标稳健设计在板料拉深成形中的应用

板料拉深成形工艺中,由于设计参数波动的影响,导致在传统最优工艺条件下成形件质量不够稳健。该文采用板料成形有限元仿真、代理模型,并结合稳健设计思想,提出基于Dual-Kriging模型的稳健设计方法。筛选影响成形质量的主要模具几何、工艺参数,并确定其相应波动范围;基于有限元仿真,运用Kriging模型,建立设计参数与成形质量的函数关系;根据参数波动情况,基于第一重Kriging模型以及Monte Carlo模拟,运用Kriging模型,建立设计参数与成形质量期望与方差的第二重模型;运用基于拥挤距离的粒子群算法,以及灰色关联分析进行多目标优化,完成设计参数的稳健设计。将该方法运用于NUMISHEET 93的方盒件拉深成形,与传统确定性优化设计相比,可有效减少成形质量的波动范围以及不确定性分析的计算量,提高成形件的稳健性。     

基于NSGA Ⅱ算法的高速铣削参数多目标优化

采用正交试验法对3Cr2Mo模具钢进行高速铣削试验,建立了刀具磨损和表面粗糙度的预测模型。在此基础上,以生产效率最大、生产成本最小为目标建立优化模型,使用Matlab中以NSGA-Ⅱ算法为理论基础的多目标优化方法对其求解,得到了较优铣削参数。     

基于自适应网格多目标量子遗传算法的轧制规程优化

轧制规程设定是铝热连轧轧制过程控制的重要内容,轧制规程的好坏直接影响产品质量和生产效率。针对铝热连轧过程轧制规程优化目标的多样性问题,提出改进的混沌多目标量子遗传算法对轧制规程进行优化。该算法初始化引入混沌序列并采用量子位概率指导的实数交叉与混沌变异相结合的方法,同时采用非支配排序、自适应网格及外部解集等多目标优化策略,从而提高了寻优效率和收敛速度。以等相对负荷、末机架板形良好为目标函数,对河南某铝厂热连轧机进行轧制规程优化。仿真结果表明,优化规程的打滑因子和负荷系数优于原始规程。     

实验室回流焊接温度曲线的设计与应用

针对目前在我国南方使用回流焊机时,按照原厂给定的温度曲线进行加工时存在焊接质量不佳问题,笔者定性地进行了一些案例分析,并得出了适合我国南方气候的回流焊接温度曲线,为SMT加工工艺提供了一些有价值的参考。     

Modified PSO algorithm for multi-objective optimization of the cutting parameters

Economic profit of machining is essentially based on the optimal selection of cutting parameters. In this paper, a multi-objective particle swarm optimization approach is introduced to optimize the cutting parameters in turning processes: cutting speed, feed rate and cutting depth. The proposed model presents the problem in form of a multi-objective problem with production rate and used tool life objectives and has a set of constraints that represent the important limitations to be satisfied. To obtain the non dominated solutions and build the Pareto front graph, a modified dynamic neighborhood particle swarm optimization (DNPSO) technique is used. In addition, a fuzzy-based mechanism is employed to extract the best compromise solution. The results on an illustrative sample reveal the capabilities of the proposed DNPSO approach to generate well-distributed Pareto optimal solutions. Comparison with multi-objective deterministic approach (Min?CMax) shows the superiority of the proposed approach and confirms its potential for solving multi-objective problems.     

基于智能优化算法的设备布局设计

制造系统的设备布局与生产率和生产成本密切相关,布局设计是制造系统设计者面临的关键问题之一.文章针对布局问题的平方分派模型,构建了一种布局设计的混合智能优化算法--遗传退火算法 ,并分析了算法实现的方法.实例表明遗传退火算法的高效性.     

Reliable multi-objective optimization of high-speed WEDM process based on Gaussian process regression

The paper discusses the development of reliable multi-objective optimization based on Gaussian process regression (GPR) to optimize the high-speed wire-cut electrical discharge machining (WEDM-HS) process, considering mean current, on-time and off-time as input features and material remove rate (MRR) and Surface Roughness (SR) as output responses. In order to achieve an accurate estimation for the nonlinear electrical discharging and thermal erosion process, the multiple GPR models due to its simplicity and flexibility identify WEDM-HS process with measurement noise. Objective functions of predictive reliability multi-objectives optimization are built by probabilistic variance of predictive response used as empirical reliability measurement and responses of GPR models. Finally, the cluster class centers of Pareto front are the optional solutions to be chosen. Experiments on WEDM-HS (DK7732C2) are conducted to evaluate the proposed intelligent approach in terms of optimization process accuracy and reliability. The experimental result shows that GPR models have the advantage over other regressive models in terms of model accuracy and feature scaling and probabilistic variance. Given the regulable coefficient parameters, the experimental optimization and optional solutions show the effectiveness of controlling optimization process to acquire more reliable optimum predictive solutions.     

树脂磨具硬化炉温度控制系统的研制

根据生产工艺要求,设计和实现了树脂磨具硬化炉温度自动控制系统,给出了新的电气控制主回路和控制系统硬件组成。负载分三组控制,双相晶闸管控制一组,另两组由接触器控制。介绍了硬化炉控温系统的工作原理和运行特点。实现了基于PLC的温度PID控制方式。利用计算机软件对三相不对称负载系统进行仿真,进一步探讨了不平衡负载的影响。实际运行表明,系统温度超调量减小,调整时间缩短,控制效果明显增强,提高了产品质量。     

基于单神经元PID的真空炉自适应温度控制

根据真空热处理系统的特点,将单神经元PID控制算法应用到真空热处理系统的温度控制上。根据神经网络的非线性逼近能力和自学习自适应的特点,将单神经元网络与PID控制结合实现对真空炉温度的控制,以达到提高真空炉温度控制品质的目的。并通过计算机仿真软件进行仿真试验,仿真结果表明单神经元PID控制系统可以对控制参数自整定,其对温度控制更加稳健,具有更强的抗干扰能力和鲁棒性。经过搭建真空炉温度控制系统试验平台验证后发现,应用单神经元PID控制的真空炉系统的温升过程表现出了良好的稳定性,但是温度控制的响应速度和保温的精度略有下降。要想进一步提高温控品质,需要就单神经元PID控制方法在响应速度和控制精度上做进一步改进。     

一种电加热炉温度控制系统的设计

电加热炉以其无污染、操作方便、自动化程度高、可调范围大、节省基建投资等诸多优点在工业生产中有着广泛应用。但其存在温差大、温度控制精度不准确等问题。本文在传统电加热炉温度控制系统的基础上,提出一种基于单片机的温度控制系统。单片机会定时对电加热炉温度进行检测,经过A/D转换模块得到数字量的输出结果,经由计算机进行数据处理并控制加热功率,从而实现对温度的精确控制。     

A multi-objective genetic algorithm (GA) approach for optimization of surface grinding operations

A genetic algorithm (GA) based optimization procedure has been developed to optimize grinding conditions, viz. wheel speed, workpiece speed, depth of dressing and lead of dressing, using multi-objective function model with a weighted approach for surface grinding process. The procedure evaluates the production cost and production rate for the optimum grinding condition, subjected to constraints such as thermal damage, wheel wear parameters, machine tool stiffness and surface finish. New GA procedure is illustrated with an example and optimum results such as production cost, surface finish, metal removal rate are compared with quadratic programming techniques.