考虑产品性能需求的公差多目标优化

为解决传统的成本公差设计模型中只注重成本和质量损失这两个与价值有关的因素而忽视了产品本身性能的问题,本文综合考虑产品性能、加工成本、质量损失等因素后建立公差多目标优化模型,采用遗传算法对其进行求解,最后以某齿轮泵为例进行验证该模型的有效性。     

基于NSGA-II的电动汽车复合制动多目标优化控制

为了提高电动汽车制动效果,设计了一种基于NSGA-II的电动汽车复合制动多目标优化控制策略。按照多目标优化的方式实现复合制动转矩分配并建立Pareto解集,利用改造后的理想解法实施决策确定最佳输出参数,获得与制动需求相符的转矩分配结果。设计了模糊PID控制器,并开展了控制策略转矩分配仿真分析。研究结果表明：提升制动稳定性,形成更接近I曲线的结果。进行决策分析时,考虑车辆制动过程造成的干扰,决策获得最优参数,从而完成对转矩进行分配的过程。利用这里控制策略能够回收更高比例的制动能量,促进制动回收性能的明显提升,在较低强度制动下获得更优的制动能量回收效果,相对单独的模糊控制策略具备更优综合性能,完成预期制动力的分配。该研究对提高电动汽车复合制动效率具有很好的理论支撑价值,也可以推广到其他的车辆领域。     

整体叶轮车铣复合加工工艺多目标优化

整体叶轮作为复杂曲面零件中典型的一类,如何实现其高效率、高质量加工一直是许多学者和工程技术人员研究的重点。以整体叶轮车铣复合加工工艺为研究对象,提出一套工艺参数多目标优化方案。针对整体叶轮车铣加工工艺特点,以主轴转速n、进给速度vf、切削深度ap、切削宽度ae等工艺参数为优化变量,以加工工时、叶片变形量为目标函数,从机床性能、刀具性能、加工质量三方面界定约束条件,构建工艺参数多目标优化模型,用SQP优化算法进行求解。应用表明:采用优化后的工艺参数车铣加工整体叶轮,能大幅减小整体叶轮加工时间和叶片变形量。     

面向高效低碳的数控加工参数多目标优化模型

数控加工是目前机械制造系统广泛采用的一种加工方法,为实现数控加工的低碳化,研究数控车削加工的高效低碳切削参数优化问题。建立切削加工过程时间目标函数和包含电能碳排放、刀具碳排放、切削液碳排放的碳排放目标函数。然后,考虑加工过程中机床设备性能和加工质量的实际约束条件,建立以数控加工的切削速度和进给量为优化变量,以最小加工时间(高效)和最低碳排放(低碳)为优化目标的多目标优化模型。引入权重系数将其转化单目标优化模型,并应用复合形法对优化模型进行优化求解。通过某具体实例验证了所建模型的有效性,并对优化结果和优化变量的灵敏度进行了分析。     

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。     

产品多意象造型进化设计

为解决消费者对产品造型的多意象需求,在分析产品造型进化设计整体流程的基础上,提出产品多意象造型进化设计的模型、实现方法和关键技术。确定了多意象目标需求和产品样本造型参数,建立了意象造型神经网络评价系统,利用非支配排序遗传算法建立了多意象造型进化设计系统。该算法的非劣分类、拥挤度计算和修剪运算等技术保证了多意象造型进化设计的多样性和高水平性。以汽车侧轮廓设计为对象进行实例研究,结果表明该方法可有效应用于产品多意象造型进化设计。     

产品族设计的多目标优化方法

为帮助产品开发团队在设计产品族的过程中,可以交互选择多种目标的优化方案,提出了产品族设计的多目标优化模型,并设计了多目标遗传算法对模型进行求解.建模过程中考虑了市场分割、产品效用、竞争产品、顾客购买行为、产品开发费用等因素.通过一个应用案例,验证了所提模型和方法的可行性.     

面向客户定制产品开发的多目标优化算法设计

对多目标优化进化算法进行研究,设计了基于客户需求信息的产品多目标优化算法。针对进化算法优化效率低的缺点,提出了目标侧重度概念,使进化算法有选择地收敛,提高了算法的优化效率;针对进化算法容易陷入局部最优和解分布不均匀的缺点,提出了目标间距概念,避免算法在收敛过程中早熟,保证了最优解的多样性,降低了客户的选择压力。在MATLAB 7.0平台上对改进算法进行仿真实验,并与NSGA-2和SPEA-2两种进化算法进行对比分析,验证了改进算法的可行性、可靠性与优越性。     

基于物理规划的多学科多目标设计优化

针对复杂产品多学科多目标设计优化存在的耦合严重、计算效率低、难以获得体现设计者偏好的最优解等问题,提出了基于物理规划和改进的协同优化策略的多学科多目标设计优化方法,阐述了该方法的基本思想并给出了设计优化流程.该方法密切结合实际工程设计经验,将多目标优化问题转换为反映设计者偏好的综合目标优化问题,采用改进的协同优化策略建立多层次的优化模型进行并行优化,得到了反映设计者偏好的最优解.以飞机起落架缓冲器为例,证明了该方法可以较好地求解多目标优化问题的折中非裂解.     

一种面向产品族设计的二级优化方法

应用模块化和产品平台的思想是企业设计和开发产品族(系列)的重要策略。本文提出一种可用于产品族设计的二级优化方法。该优化方法将产品族设计优化分为二个层次:产品平台优化层次和专用模块的优化层次。为了提高这种优化方法的可靠性和减少计算量,在二级优化基本框架基础上引入了代理模型技术。将二级优化方法应用于桁架族优化设计算例,计算结果表明:基于代理模型的二级优化方法能成功地解决桁架族优化设计问题,具有很好的可靠性,而且能有效地减少产品族优化设计中计算量。     

基于改进模拟退火算法的复合材料层合板屈曲优化

针对复合材料层合板的屈曲优化问题,提出一种改进的直接搜索模拟退火算法来求解最大化临界屈曲载荷系数的铺层顺序设计问题。改进算法引入搜索范围动态调整的新点产生方式实现全局搜索和局部搜索的协调,提高了算法的计算稳定性和计算效率。以离散铺层角为设计变量,采用里兹法进行屈曲响应分析以考虑弯扭耦合影响,通过典型多极值屈曲优化问题分析比较了算法改进措施的有效性。不同角度增量、铺层数、长宽比和载荷比的层合板屈曲优化结果表明,改进算法能有效地进行层合板铺层顺序优化。     

多零件几何要素影响下的装配产品特性预测方法

工业生产中,多零件装配产品通常具有多系统特性——多几何要素影响的特点。建立能够准确表征装配产品特性与零件几何要素间关系的数学模型,实现装配产品特性的预测,将对工业生产有着重要意义。对于存在多几何要素影响且要素影响程度不同的装配产品系统,直接建立系统的BP神经网络预测模型,由于输入神经元和隐含层神经元较多,将导致神经网络结构十分复杂、学习与训练时间增加、收敛速度慢、预测精度不高等问题。提出利用灰色系统理论的灰关联分析方法,对影响装配产品系统特性的多几何要素进行灰色关联分析,得到多几何要素影响下的系统几何要素与装配产品特性之间的关联程度,确定影响装配产品特性的主要几何要素。在此基础上,利用影响装配产品特性的主要几何要素建立系统的BP神经网络,简化BP神经网络模型,同时保证模型能较真实的反映系统的特性,实现对多几何要素影响下的装配产品特性的准确预测。以典型的多几何要素影响下的装配产品——液压偶件系统为例,通过对液压偶件系统多几何要素关联程度的研究,以影响系统的主要几何要素为输入量,构造简化的BP神经网络的预测模型,试验结果表明,利用主要几何要素建立的预测模型结构相对简单、收敛快、预测精度高。     

基于混合遗传算法的磁控形状记忆合金驱动器磁滞模型优化

为了消除或减小磁滞非线性特性对磁控形状记忆合金驱动器定位精度的影响,应用BP神经网络建立了磁控形状记忆合金驱动器磁滞模型。针对BP网络算法存在的不足,以及网络结构、初始连接权值和阈值的选择对BP网络训练的影响很大等问题,提出一种混合遗传算法对神经网络磁滞模型的权值和阈值进行优化。将优化后的参数赋值给BP神经网络重新训练,结果表明,优化后的磁滞模型训练误差绝对值由25nm减小到5nm,有较好的收敛性。     

基于多目标优化的扁挤压筒结构设计

在组合式扁挤压筒的结构尺寸设计中，为确保挤压筒最佳工作性能的同时，最大程度地减少过盈装配后内腔产生的变形，提出了多目标优化的概念。结合有限元模拟技术和BP神经网络方法，建立了变过盈量下三层组合式扁挤压筒结构尺寸与各层等效应力分布、内腔位移之间的非线性映射模型，采用多目标遗传算法对其进行优化。优化时，采用了向量评价法、最佳个体保存策略和小生境技术，得到了均匀分布的Pareto最优解，根据定义的满意度函数，选出了最终的满意解。结果表明，在该满意解下，扁挤压筒既实现了等强度设计，又保证了内腔的尺寸精度。     

基于神经网络的薄壳多目标振动优化控制研究

针对目前主动控制方法主要集中于减振降噪方面的研究,无法满足工程中频率特性改变的需求等问题,结合神经网络的多目标并行处理能力,提出基于神经网络的多目标振动优化控制方法。首先,基于神经网络算法,构造频域主动控制架构,相较于时域方法,该架构一个控制循环只需一次傅里叶变换(Fast Fourier transform,FFT),无傅里叶逆变换(Inverse fast Fourier transform,IFFT),因此,控制时效性得到有效保证。其次,基于全局频域误差与特征频点误差,构造混合型误差评判准则,提升算法的自适应性,可靠性与抗干扰能力。再次,基于多自由度系统方程,研究了多目标控制中的可控性问题,保证控制的可行性。最后,通过大型薄壳结构的八点多目标振动优化控制,有效验证了方法的有效性与可行性。     

三点支撑T形床身机床垫铁位置多目标优化设计

For the optimal position problems of the three-point supporting machine tools, a optimal method was proposed to optimize the locations of the three-point supporting. The detailed design processes were introduced with a T-shaped bed of a CNC cylindrical grinder which was taken as the research object. Firstly, the initial supporting positions were determined by the method of dividing bottom plane of the bed and finding the centroid of each region, and the pad-iron positions were parameterized, then the parameter ranges were specified according to the position limit conditions. Secondly, the multi-objective optimization mathematical model of pad-iron positions was established, and the optimal solution was obtained to achieve the optimal static and dynamic performances of the bed. Finally, by analyzing the relationship between the three pad-iron positions obtained from Pareto frontier and the bed geometric sizes, the arrangement rule of three-point support for this model was obtained. The results show that the static and dynamic performances of the bed are improved by this suggested method.     

无公用平台下的参数化产品族多目标智能优化

在忽略产品间共性约束的条件下,参数化产品族整体性能的优化实际上等价于产品族内系列产品的独立优化。基于参数化产品族优化问题的复杂性,提出了一种基于拥挤距离排序的多目标多约束遗传算法（CDSMOGA）,并将其用于求解无公用平台下的产品族优化问题。通用电动机产品族设计实例的仿真试验结果表明,CDSMOGA所得产品族优化设计方案整体性能显著优于被比较方案,验证了该方法的有效性和可行性。     

基于粒子群算法的滑阀节流槽优化设计

基于Fluent流场仿真分析软件,在定压差条件下,对带有单U形、斜U形以及V形基本节流槽的滑阀阀口开度-流量特性开展了研究,并将其与试验结果进行了对比验证,得出了U形类槽口随着阀口开度的增加流量梯度减小、斜U形类槽口随着阀口开度的增加基本保持不变、V形类槽口随着阀口开度的增加流量梯度增大的结论。基于上述研究,利用粒子群优化算法,得到满足定压差条件下阀口开度-流量特性要求的节流槽优化尺寸,并通过实例验证了优化结果。     

基于LM-BP神经网络的非线性轮廓图优化方法研究

将正交试验设计理论与BP神经网络模型和Levenberg-Marquard算法相结合,提出了一种基于LM-BP神经网络模型的针对输出为非线性轮廓图响应的离线设计优化方法。并结合实例与传统的统计回归建模方法得出的优化结果进行了比较。结果表明基于LM-BP神经网络建模可以避免由于实验误差和试验设计方案所造成的模型系数估计误差,而与标准的BP算法比较,克服了标准BP算法性能不稳定、收敛速度慢、收敛精度低、存在局部最小值等缺点,具有极高的精确性,优化结果令人满意。