基于反向传播神经网络与遗传算法优化复合材料零件注塑成型工艺参数

以Moldflow软件模拟得到的不同工艺参数下飞机机头雷达罩模型的翘曲变形量为训练样本,在雷达罩模型成型工艺参数与其翘曲变形量间建立反向传播(Back Propagation,BP)神经网络模型,然后采用遗传算法对工艺参数进行优化,得到使雷达罩模型翘曲变形量最小的工艺参数并进行试验验证.结果表明:在相同工艺参数下由BP神经网络得到的雷达罩模型翘曲变形量与采用Moldflow软件模拟得到的翘曲变形量相近,相对误差小于4％,证明了BP神经网络的可靠性;模拟得到雷达罩模型的最优成型工艺参数为注塑温度295℃、模具温度80℃、注塑时间0.75 s、保压时间8 s、保压压力125 MPa,此时翘曲变形量最小,为0.1213 mm;在最优成型工艺参数下进行注塑成型后得到的雷达罩模型最大翘曲变形量为0.1260 mm,试验结果与预测结果间的相对误差小于3.7％,验证了BP神经网络与遗传算法相结合方法的准确性.     

MOLDFOW软件在汽车保险杠导向件模具设计中的应用

通过MOLDFOW软件对汽车保险杠导向件注射过程中的熔体流动过程进行数值模拟分析,发现模具在注塑过程中可能存在的问题,从而使设计人员调整模具结构,优化浇口位置、优化流道平衡,优化流道系统。     

一种注塑工艺优化方法的实现

在生产中,注塑工艺的确定依赖于经验,靠试模时不断调整获得,这种方法不能实现注塑工艺的优化.介绍一种借助于CAE模块,通过Matlab下神经网络模拟,利用遗传算法实现注塑工艺优化的方法.     

注塑零件在不同流道下冷却温度场的分析研究

为了确定出不同类型冷却流道对于注塑零件温度场影响,针对特定注塑零件设计出模具结构,之后采用有限元软件对不同流道模型进行温度场仿真计算,比较不同流道对冷却温度场的影响。研究结果表明,注塑模具采用弯曲流道设计能冷却流道下凝固温度场状态,通过设计出三种不同类型的流道,并通过仿真软件进行迅速带走热量,还能增大与固体域边界的接触面,进而加快注塑零件冷却,避免了因温度过高对零件结构造成损坏。     

注塑模具流道数控铣削加工编程方法研究

通过在对注塑模具流道数控铣削加工与NX编程软件研究的基础上,总结出了注塑模具流道数控铣削加工编程方法,并讨论了其实际应用的优缺点,对于模具生产加工具有实用价值。     

多型腔PET瓶坯模具热流道创新设计

对96型腔PET瓶坯模具热流道进行创新设计,突破传统三流道设计,采用五级流道设计,使用整体注塑成型方法,保证了在模具流道里面的塑料均匀地流到各个型腔中,产品冷却时间一致,一次能生产出多个产品,提高了模具的生产效率。且圆弧连接减小了材料冲击力,凝料流畅、缺陷少,解决了多型腔热流道模具设计的关键问题,并对注塑过程进行模拟分析,数据吻合,设计合理。     

基于BP-NSGA的注塑参数多目标智能优化设计

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。     

注塑参数优化方法研究

对参数优化方法在注塑研究中的应用进行综述,阐述了各方法的基本原理和主要特点,着重讨论优化方法所适用的优化问题的类型和其对注塑翘曲、收缩、熔接缝及强度的预测能力以及模拟软件的应用,探讨了不同优化方法相结合对搜索效率和优化结果的影响。强调了基于知识的参数优化方法在注塑研究中的重要性。     

汽车后视镜逆向造型及模流分析

汽车后视镜的三维模型由三步制作出来。首先用非接触式的三维激光扫描仪获得汽车后视镜的点云,然后用IMAGEWARE对点云进行去噪处理,由点构建线,得到线的网格模型,最后将网格模型倒入三维软件中进行对曲面重构,并对产品模型进行再设计。获得汽车后视镜的三维模型后,进一步运用MOLDFLOW模拟注塑工艺过程,建立了一模两腔的流道系统,比较侧面浇口流道系统和顶杆潜伏式浇口流道系统的充填参数,结合CAE分析结果,得到侧面浇口流道系统具有更好的充填工艺参数。     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

基于遗传模拟退火算法的机器人全局路径规划

研究了机器人在已知环境下用遗传模拟退火算法进行最优路径搜索的方法，此算法兼备了遗传算法和模拟退火算法的优点，还对路径的转折节点处进行了光滑性的改进，并且通过仿真实验证明了此方法能够快速得到最优路径。     

基于改进遗传算法的带硬时间窗车辆路径问题研究

建立了带硬时间窗车辆路径问题数学模型。针对传统遗传算法在局部搜索能力上存在不足这一问题,根据相关文献将爬山算法的思想融入遗传算法中,构造了求解该问题的改进遗传算法。仿真结果表明,该算法在局部搜索过程中能够避免早熟,一定程度上克服了传统遗传算法在局部搜索能力上的不足。     

基于遗传算法的差值形态滤波尺度参数优化方法研究

针对使用差值形态滤波提取故障特征时结构元素难以确定的情况,对尺度参数实行优化从而寻求其最佳尺度。首先对滚动轴承信号进行降噪处理,之后对信号进行差值形态滤波提取故障信号,通过遗传算法寻找到了结构元素尺度的最优解。通过仿真和试验研究表明,该方法取得的效果优于非优化的处理效果和包络解调法。     

一种新型病毒进化遗传算法研究

引入了学习机制,结合病毒进化原理,提出了一种新的病毒进化遗传算法。该算法通过病毒感染操作提高了局部搜索能力,同时利用病毒学习机制,增加了提高主群体和病毒全体的平均适值,有效地避免了最优解的丢失,缩小了搜索空间,从而加快了算法的收敛性能和收敛速度。针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性。     

一种混合遗传算法在PID参数优化中的应用

针对常规遗传算法收敛速度慢、易于早熟、局部寻优能力差等缺点,设计了一种混合遗传算法,即在全局搜索的遗传算法中引入局部搜索的单纯形算法,并将其应用于PID参数寻优.仿真结果表明,此混合遗传算法寻优设计的PID控制器可以有效地提高寻优精度和收敛速度,具有很好的动态品质和稳定性.     

基于混合遗传算法的离散事件系统仿真优化方法研究

在分析仿真优化原理的基础上提出一种新的混合遗传算法，该算法集成变尺度遗传算法与禁忌搜索算法为一体，处理离散事件系统性能参数仿真优化的问题，大大提高了仿真优化的效率和解的质量，基于此算法开发了一个仿真优化软件系统，并将该仿真优化系统与自主开发的离散系统仿真软件进行了有机的集成，给出了一个仿真优化系统实例。     

网格任务调度算法的研究

提出了一种基于遗传算法和Min-Min的网格调度算法,该算法主要分为资源搜索和任务分配两部分。首先,利用遗传算法从网格的可用资源中快速地搜索出最优的或是近最优的资源;然后从任务队列中取一组任务,利用Min-Min算法把任务分配给已搜索到的资源上去执行。仿真实验结果证明:对于大规模资源的调度该算法是有效的,能够减少了任务执行时间,改善网格任务调度的效率。     

基于分布种群遗传算法的二自由度PID控制器参数优化整定

利用一种基于分布种群的遗传算法,对整定困难的二自由度PID控制器的参数进行优化整定,并给出了该遗传算法的数学描述。该算法将寻优空间划分为多个不相交子空间,分别对在各子空间内的种群进行遗传操作,评价种群适应度,细化解空间,达到在较小的范围做精细搜索的目的,兼顾了搜索的广度和深度,提高了寻优的搜索性能,克服了常规遗传算法易陷入局部极值的缺陷。仿真试验证明了其有效性。     

作业车间多工艺路线批量作业计划优化

提出一种基于遗传算法的作业计划算法,用于解决作业车间的中小批量多工艺加工作业计划的优化问题。在作业计划算法中,提出了一种将工件的子批数量和加工工序包容在一起的染色体编码方法,使得子批数量的确定和子批加工顺序的安排能够被同时优化。以生产周期为目标优化作业计划,将遗传算法和分派规则相结合,通过交叉、变异等遗传操作,得到目标的最优或次优解。最后对算法进行了仿真研究,并给出了算法运行结果,仿真结果表明该算法是可行的。