压力机主梁的模糊优化设计

针对多因素多约束非线性的大型压力机主梁最优设计,提出一种模糊优化方法进行优化设计。在优化过程中,建立梯形隶属函数,采用最优水平截集清晰化模糊问题,设计结果表明方法较遗传算法更有效,为相关的设计提供了新思路。     

基于改进微粒群算法的起重机主梁优化设计

现阶段起重机金属结构的优化设计一般都采用传统的优化算法,但传统算法普遍存在或对目标函数有解析性要求、或易陷入局部最优、或耗时较长的问题.微粒群优化算法是一种基于群体智能的新型优化算法,它可调参数少、对解析性无要求,已成功应用于多种领域.将微粒群算法应用于起重机主梁的优化中,经实例验证,在保证优化性能的前提下,基于微粒群算法的设计方法与网格算法相比,优化速度显著提升.     

基于微粒群算法的起重机主梁优化设计

针对传统起重机主梁优化算法存在局部最优和效率低的现象,将起重机主梁优化设计理论与微粒群算法相结合,建立了基于微粒群算法的起重机主梁优化设计的数学模型;并针对传统罚函数法处理约束条件而引起的病态问题,提出采用限制解在可行域内的方法与微粒群算法相结合从整个可行解空间寻找最优解。通过实例计算表明该算法能较好地解决起重机主梁优化设计问题。     

遗传算法在起重机箱形主梁优化设计中的应用

简述了遗传算法的基本原理和计算方法，给出了该算法的程序框图，并使用该算法较好地解决了桥式起重机箱形主梁的优化设计问题。     

基于混合GSA-GA的起重机主梁优化设计

主梁作为双梁桥式起重机金属结构中的主要构件,它的重量在整个系统中占很大比例,过多的自重会增加企业的制造成本,在满足性能的情况下造成资源浪费.为了减轻主梁的重量,分析了主梁的重量与主梁横截面面积的关系,建立了起重机主梁的数学模型.利用遗传算法中的遗传算子来解决主梁优化中引力搜索算法容易陷入局部最优解,收敛速度慢的问题,提高了引力搜索算法的性能.优化结果表明,混合了引力搜索的遗传算法的收敛速度比标准的引力搜索算法优化率提高约3.93％左右.改进的算法使目标函数的横截面积从初始数据减少了约12.35％,并且优化分析结果符合设计标准.采用混合GSA-GA优化算法对起重机主梁在实际工程设计中具有重要的指导意义.     

基于整数编码遗传算法改进的起重机主梁优化

轻量化是起重机的发展趋势之一,利用优化技术减轻主梁质量是其关键而有效的方法之一。首先,综合考虑主梁设计模型中变量的离散性与连续性以及各类约束,对传统主梁优化模型进行了补充与改进;然后,对传统的整数编码遗传算法进行了改进,保留了选择、交配、变异操作产生的群体,扩大了搜索空间,能够处理新的主梁优化模型中设计变量取值区间不同、变量间有约束的情况;最后,以浙江省某企业的QD型起重机为实例,利用改进的整数编码遗传算法对主梁进行了优化求解,同时通过与现有算法的比较,优化模型的有效性和算法的收敛稳定性得到了验证。     

搜索空间自适应调整蜂群算法的起重机主梁优化

为了减轻起重机主梁自身重量、实现主梁轻量化,提出了搜索空间自适应调整蜂群算法的主梁优化设计方法.建立了起重机主梁轻量化设计数学模型;以传统人工蜂群算法为基础,提出了蜂群搜索空间随迭代次数自适应缩减方法,直至最终锁定最优值区域;充分利用混沌系统的遍历性和随机性,使用混沌搜索蜜源代替停滞蜜源,不仅跳出了局部极值,而且实现了蜜源进化,有效提高了算法收敛速度和寻优精度.使用搜索空间自适应调整的混沌蜂群算法和传统算法求解主梁优化数学模型,改进算法优化的主梁面积比企业主梁截面积减少了2.77％,而传统算法只减少了2.42％;对优化后主梁进行有限元分析可知,主梁优化后依然满足约束条件,符合设计使用要求.     

桥式起重机箱型主梁的改进遗传算法优化设计

在遗传算法原理的基础上,首先对遗传算法中的选择算子进行改进优化,将优胜劣汰的思想融入到遗传算法中,从而保障最优基因能迅速地遗传到后代,加速收敛。然后通过时刻改变惩罚项和障碍项动态调整适应度函数,避免算法止于局部最优。最后,将改进的遗传算法应用于桥式起重机箱形主梁的优化设计中。     

基于Ansys的门式起重机主梁优化设计

针对门式起重机金属结构在设计制造时存在的材料浪费以及引发的一系列问题,以50 t-30 m轨道式集装箱门式起重机为例,基于Ansys的参数化设计语言APDL平台对起重机金属结构进行参数化建模,针对满载小车位于主梁跨端最危险位置时的工况进行了有限元数值模拟,进一步利用Ansys的优化功能,定量对主梁截面参数进行优化,完成了主梁的减重设计。在满足设计要求的前提下,优化结果较原设计方案最大等效应力增加5.52%,最大变形增加25%,质量减少12.4%,减重效果十分显著,为起重机金属结构和类似结构优化设计提供了参考。     

基于中心引力算法的箱型梁面几何尺寸参数优化

针对起重机箱型截面梁截面尺寸多变量有约束的优化设计问题,提出采用中心引力现代优化设计算法来优化设计主梁截面。首先根据起重机主梁的箱型截面几何参数以及主梁受力特点,以应力、扰度和工艺等约束条件建立主梁质量最轻的目标优化函数。采用罚函数法将有约束优化转化为无约束优化,并依据类天体运动的中心引力算法对箱型梁截面进行优化。仿真结果表明,该算法能够在整个可行解空间进行寻优,有效避免陷入局部最优解。优化后的主梁质量比传统设计方法减轻14.5%左右。     

遗传算法求解多方案设计问题的研究

本文在智能设计中提出了求解多方案设计问题的遗传算法,讨论了遗传算法中求解多方案问题的关键技术,包括一种改进的遗传算法,避免了标准遗传算法早收敛于局部优解和加快了全局最优的收敛速度,给出了在机床模块综合中多方案求解实例,遗传算法有效地解决模块选择与组合问题中的“组合爆炸”问题。     

遗传算法的不充分性及其改进方法

遗传算法（GA）是基于自然淘汰的遗传机制的搜索算法,近年来的研究,验证了GA较之其它地搜索算法更能有效地处理困难地多峰函数寻优和极其复杂的机器学习,生产调度等组合最优化问题,但是,所谓的GA－hard Problems,欺骗函数问题,难度极大的三维空间寻优问题,技能模糊控制问题等使GA受到了严峻地挑战,因此,研究未来的GA将如何解决上述课题有着相当重要地意义。     

遗传算法在单元制造系统集成设计中的应用

本文基于单元制造系统集成优化模型,提出了实现单元地系统集成设计的遗传算法设计方案,并通过仿真实验验证了所设计算法的有效性。     

机械系统动态优化设计的复合遗传算法

针对机械系统动态优化设计的工程问题,提出了一种新的人工智能优化方法——复合遗传算法。该方法在遗传算法的操作中增加改造操作,较大地提高了寻优效率。基于概率论完成了该方法更高效寻优机理的理论分析。数值分析结果表明,该方法结果正确,算法简洁。     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

产品族架构设计与供应商选择的主从关联优化

针对产品族架构设计与供应商选择的关联优化问题，提出了基于主从对策的交互评价机制。根据主从决策机制建立主从关联双层规划优化模型，以产品族架构设计为主，供应商选择为从。模型上层以效用-成本比为目标，决策产品族架构设计方案。模型下层以成本为目标，决策供应商的选择。构建双层嵌套遗传算法求解模型，并添加具有产品族特色的编码处理策略。最后以客车底盘的案例对模型和遗传算法进行了验证。     

一类解决车间调度问题的遗传退火算法

将遗传算法与模拟退火算法相结合,提出了一种混合调度算法。该算法采用3种提高效率的策略:(1)采用基于机器的分段编码方式,使编码简单直观,并且编码空间小。(2)采用4-2选择代替常用的转轮选择方式,既保留了优秀个体又维持了群体多样性;(3)采用基于关键路径的邻域产生函数和变异算子,缩小了搜索邻域。实验表明该算法具有较高的求解质量和效率。     

混合遗传-模拟退火算法应用于液压集成块优化设计的研究

以液压集成块布局布孔优化设计问题为背景,给出了在立体空间中带性能约束的多目标优化数学模型。针对遗传算法在求解该组合优化问题时局部搜索能力不强的情况,将模拟退火算法与之结合,设计了多参数级联的编码方法,且加入记忆装置,构造了一种具有记忆功能的混合遗传-模拟退火算法。实例计算表明,改进后的新算法能很好地改善对解空间的局部搜索能力,从而得到较高质量的解。     

基于遗传算法的非线性控制系统参数优化方法

本文针对非线性控制系统参数优化问题,结合非线性控制系统理论、最优化理论及遗传算法,提出了一种新的仿真优化方法,该方法利用遗传算法来求解非线性控制系统参数优化问题,由于遗传算法是在解空间的多个区域内进行搜索,能以较大的概率跳出局部最优,因此可技巧以整体最优解。仿真结果表明,该方法是一种有效的非线性控制系统参数优化方法。     

一种基于增量元模型方法的全局优化算法

针对复杂仿真模型的全局优化问题,提出一种基于增量元模型方法的全局优化算法。首先,分析了现有增量拉丁超立方采样方法新增点数量难以控制以及其数值必须为原采样点数量的整数倍的缺陷,在此基础上利用减法规则思想改进了增量拉丁超立方采样;其次,将改进后的增量拉丁超立方采样与径向基函数的增量更新方法相结合,提出了一种全新的高效全局优化算法;最后,将该算法应用于压力容器的优化设计,计算结果证明了该方法的实用性与工程有效性。