共查询到18条相似文献,搜索用时 218 毫秒
1.
为了提高某自行火炮的综合性能,集成了对火炮射击起直接影响作用的全弹道、炮身/反后坐装置、调炮控制系统在内的分析模型,建立了火力系统多学科协同仿真模型。确定了主要的优化设计变量,以杀伤面积最大、反后坐阻力最小及火炮伺服系统调整时间最短作为总体的优化目标,建立了火力系统集成优化模型。采取多目标遗传算法进行寻优求解,获得了系统的Parato最优解集,根据实际需求,选取一组优化解。优化结果表明,模型的总体优化目标得到了较大的改善,为自行火炮火力系统一体化设计和提高火炮综合性能提供了有效的设计方法。 相似文献
2.
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. 相似文献
3.
基于BP-NSGA的注塑参数多目标智能优化设计 总被引:1,自引:0,他引:1
为获得成型性能最优的注塑参数设计方案,提出了基于BP神经网络和非支配排序遗传算法的注塑参数多目标优化方法。将注塑模结构尺寸参数和注塑工艺参数作为待优化的设计变量,建立了以高质量、低成本、高效率为优化目标的注塑参数优化设计模型。基于非支配排序遗传算法获取给定参数范围内的所有Pareto最优解,并通过建立多输入和多输出的BP神经网络来快速获得非支配排序遗传算法优化进程中所有个体的适应度值。开发了基于BP神经网络与非支配排序遗传算法集成的注塑参数智能优化设计系统,并通过鼠标注塑参数设计实例,验证了其适用性和有效性。 相似文献
4.
5.
6.
7.
为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法(快速非支配排序遗传算法)来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
相似文献
相似文献
8.
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。 相似文献
9.
基于多目标遗传算法的直升机总体参数优化设计 总被引:2,自引:0,他引:2
应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。 相似文献
10.
为设计满足蜂窝复合材料加工要求的高性能超声变幅杆,提出了一种基于多目标遗传算法的超声变幅杆优化设计方法。以变幅杆的结构参数为设计变量,以谐振频率和放大系数为优化设计目标,建立了贝塞尔超声变幅杆的数学优化模型。通过在遗传算法中调用ANSYS仿真软件,对变幅杆进行了建模和动力学分析,获得了计算目标函数所需的参数,采用多目标遗传算法求出了Pareto最优解集,在所求出的Pareto最优解集中选择了一组最符合设计要求的解作为超声变幅杆的设计参数。为验证设计的有效性,对所设计的变幅杆进行了性能测试并对蜂窝复合材料进行了试切实验。实验结果表明:通过该优化设计方法得到的变幅杆放大倍数为7.66,较优化设计前提高了29%,且工作频率更接近于设计频率。通过仿真分析和性能实验,验证了该方法的有效性和可靠性,试切实验结果表明所设计的变幅杆满足加工要求,工艺效果好。 相似文献
11.
12.
提出第二代非劣排序遗传算法(NSGA-II)结合响应面法(RSM)-径向基神经网络方法(RBF)混合近似模型和逼近理想解排序(TOPSIS)方法对某乘用车后排座椅进行结构-材料一体化多目标轻量化设计研究。结合有限元理论建立仿真模型,并通过行李箱碰撞试验验证仿真模型的正确性,根据工程经验和座椅靠背骨架吸能分析确定了6个优化部件厚度、材料的设计变量及取值范围;采用RSM-RBF混合近似模型方法拟合设计变量与响应之间的关系;利用NSGA-Ⅱ算法对优化问题进行求解,得到Pareto最优解集。最后采用基于熵权TOPSIS方法对Pareto最优解集进行排序确定最佳折中解。结果表明:在满足各项安全性能法规的前提下,乘用车后排座椅减重3.57 kg。 相似文献
13.
磁流变减振器和半主动悬架可以同时兼顾车辆操纵稳定性和行驶安全性,是目前汽车电子技术的研究热点。磁流变减振器的设计大多只考虑某一优化目标,基于Pareto集多目标方法和带精英策略的非支配排序遗传算法(the elitist Nondominated Sorting Genetic Algorithm,NSGA-Ⅱ),以阻尼力和动力可调系数为优化目标,设定7个优化变量,构建了车用磁流变减振器多目标优化模型与实现算法。分析了7个优化变量对阻尼力和动力可调系数的设计敏感性,并通过有限元分析和试验验证优化解的可靠性。研究发现:阻尼通道间隙对优化目标影响最大,最大阻尼力和最大动力可调系数呈负相关关系。该多目标优化计算的最优解满足实际工程需求,证明了提出的优化方法快速有效,为磁流变减振器的设计提供了可靠的工具。 相似文献
14.
15.
16.
为解决将高维目标变为单目标优化时各子目标不能同时较优,而多目标算法直接用于高维目标优化时又存在难以找到一个有代表性的Pareto非劣解集问题,在某轿车驾驶员侧约束系统的优化过程中提出了乘员损伤准则与多目标算法协同优化的方法。在已有相关损伤准则基础上根据最新版的FMVSS 208和ECE R94法规提出了适合研究问题的损伤准则;以提出的损伤准则为媒介,将一个高维目标优化问题降为一个低维目标优化问题,通过灵敏度分析、实验设计、多项式近似模型筛选出优化设计变量并得到近似模型,用多目标算法NSGA-Ⅱ对近似模型进行计算得到Pareto非劣解集,将得到的Pareto非劣解集中的每个解代入损伤准则损伤值计算公式,升序排列得到各子目标同时较优而损伤值最小的优化解。最终的优化结果表明:该方法很好地解决了乘员约束系统的高维目标优化问题,优化效果明显。 相似文献
17.
为提高白车身轻量化优化效果,提出了熵权灰色关联分析法用于挖掘非支配Pareto解集中的最优解。建立了白车身及整车侧碰有限元模型,通过实车侧碰试验验证了所建模型的准确性。以侧碰安全件料厚为设计变量,综合考虑白车身弯扭刚度、振动频率等基本静-动态性能及侧碰安全性能,构建径向基函数神经网络结合Kriging(RBFNN-Kriging)混合近似模型并联合第二代非支配排序遗传算法(NSGA-Ⅱ算法)进行了多目标优化。最后,提出了熵权灰色关联分析法计算所有非支配Pareto解的灰色关联度,并以此为评价指标进行多目标决策。优化决策结果表明:在满足白车身性能设计基线的要求下,白车身侧碰安全件质量减小了2.68 kg,取得了较好的轻量化效果。 相似文献
18.
Bin Li Liping Chen Zhengdong Huang Yifang Zhong 《The International Journal of Advanced Manufacturing Technology》2006,30(1-2):20-29
Product configuration is one of the key technologies in the environment of mass customization. Traditional product configuration technology focuses on constraints-based or knowledge-based application, which makes it very difficult to optimize design of product configuration. In this paper, an approach based on multiobjective genetic algorithm is proposed to solve the problem. Firstly, a configuration-oriented product model is discussed. A multiobjective optimization problem of product configuration according to the model is described and its mathematical formulation is designed. Secondly, a multiobjective genetic algorithm is designed for finding near Pareto or Pareto optimal set for the problem. A matrix method used to check constraint is proposed, and the coding and decoding representation of the solution are designed, then a new genetic evaluation and select mechanism is proposed. Finally, performance comparison of the proposed genetic algorithm with three other genetic algorithms is made. The result shows that the proposed genetic algorithm outperforms the other genetic algorithms in this problem. 相似文献