基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

基于改进粒子群算法的刨煤机多目标优化设计

针对刨煤机载荷波动率、刨削比能耗及生产能力问题,根据刨煤机刨削参数和刨头结构参数,并借助改进粒子群算法对刨煤机多目标进行优化设计。优化结果表明:刨煤机载荷波动率降低了20%、刨削比能耗降低了9.8%,生产能力升高了2.5%,极大地优化了上行刨削深度、下行刨削深度、上行刨速、下行刨速、刨刀数量和刨刀间距,有效地提高了刨煤机的整机工作性能。对比不同的优化算法,采用改进粒子群算法优化的刨煤机的综合性能优于其他算法。     

基于灰色粒子群算法的发动机悬置系统多目标优化设计

动力总成悬置系统悬置参数的优化可以通过移频、解耦、降低支撑处响应力等多种途径来进行,因此,悬置参数的设计是一个多目标优化问题.运用灰色理论中的关联分析的方法,选取粒子群算法中的全局极值和个体极值,并结合稳健设计思想,提出了适合于多目标模型的灰色粒子群稳健优化算法,并将该算法应用到动力总成悬置系统的优化设计中.计算结果表明,该算法不仅能够很好地协调从不同角度提出的悬置参数的优化目标,获得满意的综合效果,而且可以使优化后的悬置参数有更好的鲁棒性.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

基于粒子群算法的蜗杆传动多目标优化设计

以蜗杆传动接触点处的最小油膜厚度最厚、滑动速度和中心距最小为目标函数,采用粒子群算法对所建数学模型进行求解。优化结果与传统设计相比,获得了较大的最小油膜厚度和较小的滑动速度,提高了蜗杆传动的综合性能和摩擦学性能。     

基于多目标粒子群算法的平衡式变幅臂架系统优化设计

平衡式变幅广泛用于港口装卸用门座式起重机的工作性变幅机构,其变幅臂架系统为单自由度系统,设计变量多,受力较复杂,约束条件多。因此,针对其特点,以平衡式臂架系统自重最轻、变幅功率最小作为优化目标,以实际工况的工作性能要求作为约束条件,建立臂架系统及活动系统的优化模型,采用多目标粒子群算法并通过Python语言编程进行优化求解,以获得最优的几何尺寸参数。通过ADAMS软件对优化结果进行仿真验证,有效地缩短了设计周期,提高了设计水平。     

基于灰色粒子群算法的飞机装配公差多目标优化设计

为全面考虑公差对制造成本的影响,将装配成本引入飞机装配公差优化设计模型,针对典型的飞机装配工艺方法,提出一种基于制造成本和质量损失的公差多目标优化设计模型,进而实现不同装配方法约束下的公差优化设计。将灰色关联理论与粒子群优化算法相结合应用于公差优化设计,根据公差设计特点提出改进策略,使其能够有效实现模型的求解。以某飞机典型组件为例,验证了该方法的有效性,并对不同装配方法的公差设计结果进行了对比分析。     

基于改进粒子群算法的同步器多目标参数优化

为兼顾变速器中同步器更短同步时间和更高寿命的要求,基于牛顿第二定律和粘着磨损理论、M-B分形接触模型分别建立以同步时间和同步器寿命为目标的数学模型,运用理想点法构造评价函数进而建立以二者为目标的多目标参数优化模型,利用层次分析法确定各目标在多目标优化模型中所占权重值,并借助改进粒子群算法对多目标参数优化模型进行优化求解。结果表明:优化后与优化前相比同步时间减少了8%,同步器寿命增加了9%,二者得到较好的改善。改进粒子群算法的使用使同步器性能得到较好的提升,而理想点法的运用有效的避免了多目标优化中大数量级目标支配优化结果的问题。     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

基于遗传算法的冷连轧轧制规程优化设计

合理的轧制规程是使轧制过程达到最佳状态的重要保证。轧制规程涉及的有关数学模型和需要考虑的约束条件较多，因此其优化设计也较为复杂。应用遗传算法进行轧制规程优化设计，即以负荷均衡和板形良好为目标，在一定的约束条件下，对压下率分配比进行编码。通过遗传算子操作并保留每代优势个体，从而得到冷连轧轧制规程。对某1370冷连轧机进行设计比较，表明该方法优化速度快，适合在实际中应用。     

基于多目标优化的矿用救援机器人动力匹配

目前,矿用救援机器人只有通过动力系统参数的合理匹配解决其在复杂恶劣的井下环境中无法随时补充能源及防爆电池组对机器人动力性能影响严重的问题。为此,提出基于多目标粒子群优化算法的动力匹配设计方法。该方法根据矿用救援机器人动力性能要求,确定了其动力系统参数匹配的优化目标和约束条件;基于履带行驶动力学,并考虑防爆电池组对机器人动力性能的影响,建立矿用救援机器人动力匹配模型,确定动力系统参数匹配多目标优化的决策变量;通过多目标粒子群优化算法确定了矿用救援机器人动力系统参数匹配的合理取值范围。通过试验与优化前的设计相比,机器人的总质量降低了24.36%,续航时间增加了1倍,进而验证了该方法能够有效、快速地解决矿用救援机器人动力系统参数的合理匹配问题。     

基于粒子群算法的冷连轧机轧制负荷分配优化

利用粒子群算法设计了一种冷连轧轧制负荷分配的优化方法。根据某1450五机架冷连轧机生产工况,以压下量分配为自变量,以轧制力成比例分配为目标函数,将压下量分配的约束条件作为惩罚项,建立惩罚函数。通过粒子群多代运算,求出罚函数值最小点,得到压下负荷最佳分配点。实验证明,粒子群算法在轧制负荷分配计算中,具有算法实现简便、运算速度快、收敛性好等优点,可以作为一种冷连轧轧制负荷分配的新方法加以推广。     

基于粒子群算法的多目标可重构设施布局方法

提出了一种多目标可重构设施布局方法。该方法引入了空间填充曲线来表征设施位置,可以实现任意两个设施之间的互换;考虑了柔性面积需求和设施形状约束系数等因素,保证布局方案的可行性;建立了以成本(物料运输成本和设施重构成本)和在制品库存为目标的多目标可重构设施布局模型;设计了该模型的改进粒子群算法,该算法在全局极值和个体极值的选取、Pareto解集的更新策略方面相对于标准的粒子群算法有改进。最后用算例说明了该方法的有效性。     

基于粒子群算法的冷挤压模具结构参数优化设计

针对石油射孔弹挤压件,对一次挤压成形和先预挤压再终成形两种工艺进行了对比,确定了合理的工艺方案,模具结构采用预应力挤压组合凹模。采用拉丁超立方方法,分别对预挤压和终成形的组合凹模的径向直径比和过盈系数进行了抽样,应用有限元方法对抽样所得的不同结构进行数值模拟,将所得模拟结果作为响应,建立等效应力与组合凹模结构参数的Kriging模型。以降低凹模内壁最大等效应力为优化目标,分别对预挤压和终成形两个阶段的组合凹模结构参数进行了优化分析。应用Kriging模型结合粒子群算法,在结构参数的变量空间内进行全局寻优,得到了各组合凹模最佳的径向直径比和过盈系数,确定出优化的组合凹模结构尺寸,为该挤压组合凹模的设计提供了定量的优化依据。     

基于多目标粒子群算法的电磁主动悬架作动器优化

针对电磁主动悬架直线式作动器电磁力波动对悬架系统影响问题,建立作动器磁场解析模型,以总谐波畸变量(Total harmonic distortion,THD)作为电动势(Electromotive force,EMF)中谐波含量的评价指标,对影响电磁力输出的EMF进行谐波分析,在此基础上,建立考虑悬架电磁力波动特性的悬架系统模型,分析了车辆动力学响应特性。其次,采用多目标粒子群智能优化算法,以“大EMF幅值”和“小THD”值作为目标,对作动器结构参数进行多目标优化,并利用模糊集合理论对优化后的Pareto最优解集进行选优。仿真结果表明,作动器电磁力波动下降了53.8%,有效电磁力提升了8.5%,基本消除了电磁力波动对悬架系统的影响。最后,对作动器样件进行测试,结果显示：作动器绕组EMF中含有3次、2次、4次和5次谐波分量,且THD值达到了5.6%,电磁力波动为7.8 N,试验结果验证了对电磁力波动分析及优化的有效性。     

基于改进粒子群优化算法的无级变速器冷却系统优化设计

提出了一种基于改进粒子群优化算法的无级变速器冷却系统优化设计方法。首先确定了整个冷却系统的基本设计方案;然后在考虑整机和局部能量损失特性、冷却压力控制阀工作特性的基础上,采用改进粒子群优化算法对冷却系统关键结构参数进行了优化。仿真计算和整车试验结果表明,所设计的冷却系统可以随发动机转速的不同实现较优的整机和局部冷却流量分配,并可以满足各种极限工况的冷却要求。     

基于改进粒子群算法的开放式定位-运输路线问题研究

将开放式车辆路径问题和定位-分配问题集成考虑，建立了该问题的数学模型；运用基于遗传算法、模拟退火算法的改进粒子群算法，对一个开放式定位-运输路线问题进行了求解。历次迭代产生的全局历史最优解的良好收敛，验证了模型的正确性和算法的有效性。     

基于改进自适应遗传算法的冷连轧轧制规程优化设计

由于轧制过程中应力状况较为复杂,传统的轧制力数学模型难以达到冷连轧轧制精度的要求,通过分析应力状态系数的影响因素,确立径向基函数(Radial basis function, RBF)神经网络的输入层参数以及隐层节点数,从而建立轧制变形区的应力状态系数RBF神经网络模型预报模型,把预报值用于传统轧制力计算模型中计算轧制力,获得一种轧制压力修正模型.针对SRINVAS自适应遗传算法(SRINVAS's adaptive genetic algorithm,SAGA)容易陷入局部极小的缺点,设计出一种改进的自适应交叉和变异策略,以各机架轧制负载相对均衡为目标,对典型的两个钢种在1370五机架冷连轧机进轧制规程的优化,试验结果证明,改进的自适应遗传算法(Improved adaptive genetic algorithm,IAGA)具有比Srinvas自适应遗传算法收敛速度更快、精度更高等优点,前四机架负荷系数的标准差分别减小到0.010 8和0.009 0.     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。