基于iSIGHT的鼓式制动器多目标优化设计

以鼓式制动器效能因素最大和制动鼓体积最小为目标,对鼓式制动器进行多目标优化设计,利用iSIGHT集成的多目标优化遗传算法,得到多目标优化问题的Pareto最优解集,再利用Pareto最优解集专用后处理工具EDM,找到最合适的折衷解.     

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。     

圆柱齿轮传动多目标优化的差分进化算法

针对单级斜齿圆柱齿轮传动机构优化设计问题,建立以体积最小化和重合度最大化为目标的约束多目标优化模型。为提高Pareto前沿的分布均匀性和分布广度,将网格Pareto占优技术与约束多目标差分进化算法结合,设计网格占优约束多目标差分进化算法(ε-CMODE)。根据工程实践需要,将离散约束多目标优化模型映射为约束非负整数规划问题,再改进ε-CMODE算法以求解该模型。最后,给出优化设计实例。结果表明,ε-CMODE算法能有效求解齿轮机构多目标优化问题,得到均匀分布的Pareto前沿,可为设计人员提供多组备选解。     

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。     

基于多目标优化算法的发动机进气道设计

在发动机进气道满足性能的基础上采用多目标优化方法对其结构进行多目标优化设计.提出了利用多目标进化算法的优化策略对进气道进行优化设计,选取进气道气流转折角作为设计变量,在进气道尺寸以及流量的约束条件下,采用Halton序列产生初始均匀种群,利用Pareto的非支配排序的方法对发动机进行优化设计以达到尽可能小的阻力系数、尽可能大的总压恢复系数和进气道升压.通过文中设计的多目标进化算法对发动机进气道进行优化设计,得到的优化解均优于初始设计的Pareto最优解,表明多目标进化算法较强的适应能力,达到了进气道优化设计的目的,为发动机进气道的优化设计提供了参考.     

基于iSIGHT平台的主轴箱多目标优化设计

针对工程实际中复杂的多目标优化设计问题,常遇到性能目标与设计变量之间不具有显式的函数关系式,难以直接运用优化方法进行设计计算,因此提出基于i SIGHT平台的多目标集成优化设计方法。以主轴箱多目标优化设计问题为例,在i SIGHT平台上集成ANSYS软件并进行建模和分析,采用响应面法构建近似模型,利用邻域培植遗传算法获得多目标优化问题的Pareto最优解集,根据工程实际的不同需求,从中选出最合适的优化方案。     

基于RBF网络代理模型的磁流变制动器优化设计

磁流变制动器是一种新型线控制动器,由于制动器的制动力矩与磁场强度有关,而磁场强度需要通过ANSYS的仿真分析得到。因此,为了改进制动器的性能、提高优化求解的效率,提出一种基于RBF网络代理模型的磁流变制动器优化设计方法。该方法以最大化制动力矩和最小化制动器重量为目标,采用拉丁超立方采样方法来构建源函数的RBF网络代理模型,运用NSGA-II多目标遗传算法进行优化求解,得到磁流变制动器几何参数的最优解集。结果表明,所提出的方法不仅保证了计算精度,而且还可大大提高优化求解的效率,较好地解决了磁流变制动器多目标优化设计问题,对其它复杂机电产品的优化设计也具有借鉴作用。     

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。     

基于Pareto遗传算法的高速插秧机变速器优化设计

以某高速插秧机变速器的优化设计为例,将Pareto最优解概念和遗传算法相结合,在遗传算法的基础上引入群体排序技术、小生境技术和Pareto解集过滤器等技术,并针对设计变量都是离散变量的特点,采用先将生成的随机数变换到约束范围后再圆整到最近离散值的方法,构造了适用于求解多目标优化问题的Pa-reto遗传算法,运用该算法获得了变速器在体积最小、中心距最小和总重合度最大目标下的Pareto最优解集。结果表明,采用Pareto遗传算法优化设计的变速器达到了综合优化设计的效果。     

基于多目标遗传算法的汽车散热器装芯机排管部基座的优化设计

针对研发设计的全自动汽车散热器装芯机排管部过重的问题,以其基座为案例,以减轻重量和提高刚度为双目标,基于ANSYS Workbench的优化设计。采用响应面模型与多目标遗传算法相结合的方法,寻找多目标优化设计问题中的Pareto最优解集。结果表明,优化后的重量比优化前减轻13.53%;最大变形比优化前减少26.78%,符合多目标参数的优化设计,并为之后的汽车散热器装芯机及类似模型的结构优化提供依据。     

Pareto archived simulated annealing for job shop scheduling with multiple objectives

In this paper, the job shop scheduling problem is studied with the objectives of minimizing the makespan and the mean flow time of jobs. The simultaneous consideration of these objectives is the multi-objective optimization problem under study. A metaheuristic procedure based on the simulated annealing algorithm called Pareto archived simulated annealing (PASA) is proposed to discover non-dominated solution sets for the job shop scheduling problems. The seed solution is generated randomly. A new perturbation mechanism called segment-random insertion (SRI) scheme is used to generate a set of neighbourhood solutions to the current solution. The PASA searches for the non-dominated set of solutions based on the Pareto dominance or through the implementation of a simple probability function. The performance of the proposed algorithm is evaluated by solving benchmark job shop scheduling problem instances provided by the OR-library. The results obtained are evaluated in terms of the number of non-dominated schedules generated by the algorithm and the proximity of the obtained non-dominated front to the Pareto front.     

火炮身管-反后坐装置集成优化设计方法研究

为减小火炮发射时的后坐阻力,同时减小火炮身管质量,以节制杆结构参数、身管结构参数和内弹道装药参数为设计变量,以身管刚度、强度、寿命、弹丸初速等为约束,建立火炮身管-反后坐装置集成优化设计模型,并采用两种优化方法进行优化,再比较其结果。首先,采用加权组合法将两个目标函数归一为单个目标,应用模拟退火算法进行优化设计,优化后,后坐阻力减小53%,身管质量减小28%。其次,基于Pareto最优理论,采用遗传算法进行优化设计,获得了Pareto最优解集,给设计者提供了更多优化方案;根据工程经验,选取一组优化解,结果发现,对比原设计,后坐阻力减小504%,身管质量减小98%。研究表明,基于Pareto最优理论和遗传算法可以获得更好的优化方案。该研究提供的集成优化模型和算法为火炮身管-反后坐装置一体化设计提供了新方法。

     

A simulated annealing algorithm to find approximate Pareto optimal solutions for the multi-objective facility layout problem

In this article, we consider the facility layout problem which combines the objective of minimization of the total material handling cost and the maximization of total closeness rating scores. Multi-objective optimization is the way to consider the two objectives at the same time. A simulated annealing (SA) algorithm is proposed to find the non-dominated solution (Pareto optimal) set approximately for the multi-objective facility layout problem we tackle. The Pareto optimal sets generated by the proposed algorithm was compared with the solutions of the previous algorithms for multi-objective facility layout problem. The results showed that the approximate Pareto optimal sets we have found include almost all the previously obtained results and many more approximate Pareto optimal solutions.     

基于混合遗传模拟退火算法的离合器蝶形压紧弹簧优化设计

针对遗传模拟退火算法的局部搜索能力不足,并且可能早熟和遗失最好解;以及传统优化算法全局性较弱,容易陷入局部解的问题.提出一种将遗传模拟退火算法和共轭方向法相结合的混合遗传模拟退火算法.在此基础上对离合器蝶形压紧弹簧优化设计进行研究,并与传统优化方法进行比较,结果表明,该方法简单可行,可为蝶形压紧弹簧以及其他产品的设计提供一种新方法.     

Green partner selection in virtual enterprise based on Pareto genetic algorithms

The partner selection problem (PSP) in virtual enterprise has been comprehensively investigated from the aspects of research fields, contents, attributes or criteria been considered, and algorithms. With the consideration of environmental protection, the importance of “green criteria” in PSP is introduced, and two new green criteria, i.e., carbon emission and lead content in manufacturing production, are firstly brought into PSP. A formulation of PSP with green criteria is established which includes four objectives and six constraints. A new improved algorithm, named Pareto genetic algorithm for PSP (Pareto-PSGA), is designed for addressing the specific PSP. With Pareto solution ideas, vector encoding, random selection, two-point crossover, and single-point mutation for Pareto solutions are designed in the Pareto-PSGA. Experimental results demonstrate that compared with other typical intelligent algorithms such as simulated annealing and particle swarm optimization, Pareto-PSGA shows high performance in solving the specific PSP with more suitable Pareto solutions in shorter time.     

函数优化的通用SA算法及其在电动滚筒优化设计中的应用

对模拟退火算法用于函数优化时的计算流程、状态产生函数的设置原则、离散变量的优化、计算终止准则等问题进行深入分析,在此基础上提出一种适用于求解各类数学规划问题全局最优解的有记忆功能、带返回搜索的模拟退火算法,用可视化程序设计语言Visual Basic6.0开发相应的模块化计算机程序,并给出YT型电动滚筒优化设计的应用实例.该程序不仅使用方便,而且对各类数学规划问题具有普适性.     

基于混合退火遗传算法的圆柱蜗杆传动模糊优化设计

针对基本遗传算法在优化设计中遇到的局部搜索能力不强、早熟收敛等问题,提出一种将模拟退火、Powell搜索方法与遗传算法相结合的混合遗传算法.在此基础上对普通圆柱蜗杆传动模糊优化设计进行了研究;数值计算表明,该混合退火遗传算法可以有效地克服基本遗传算法的上述缺陷,可以加速算法的收敛,具有良好的优化性能.并用该算法较好地解决了普通圆柱蜗杆传动的模糊优化设计.     

基于新型蚂蚁算法的传动方案优化设计研究

针对复杂机械产品传动方案的优化设计问题,提出了一种融合模拟退火算法的新型蚂蚁算法.该算法改进了蚂蚁算法中信息素的初值设置和信息素更新模型,探讨了新型蚂蚁算法的融合思想和设计依据,建立了基于新型蚂蚁算法的传动方案的优化设计过程模型.该方法能尽快搜索到较理想的下降方向,提高了蚂蚁算法的收敛速度,同时克服了模拟退火算法要求初始温度足够高,收敛速度缓慢的缺陷.具体应用表明了该方法是可行的.     

基于模拟退火遗传算法的PID控制器参数优化

针对遗传算法存在容易早熟的不足,将模拟退火算法融合到遗传算法中,建立了模拟退火遗传算法,并将其应用于PID控制器的参数优化.结果表明,将模拟退火算法融合到遗传算法中是有效的,基于模拟退火遗传算法的PID控制器参数优化是可行的.     

基于多目标遗传算法的高频磁致伸缩换能器优化设计

磁致伸缩换能器在高频激励下存在铁心涡流损耗大、磁场分布不均匀、电磁转化效率低等问题,需要从换能器本体优化设计方面寻求解决。首先对换能器的线圈高度和磁轭回路结构进行仿真分析以初步确定磁路结构;然后基于非支配排序遗传算法对换能器提出了一个整体的多目标优化设计模型,该模型以增大磁致伸缩棒内磁场强度、提高棒内的磁场分布均匀度和减少换能器高频损耗为优化目标,引入规范化排序和熵权法对该优化方法得到的Pareto前沿解进行决策支持,筛选一组最优设计方案;最后对该最优解进行仿真分析,磁场分布和数值计算结果验证了该优化方法的有效性,根据优化结果制作了一台换能器样机,样机输出特性的测试结果表明了优化设计方法的可行性。