共查询到20条相似文献,搜索用时 109 毫秒
1.
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. 相似文献
2.
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。 相似文献
3.
4.
5.
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。 相似文献
6.
7.
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
8.
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。 相似文献
9.
10.
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 相似文献
11.
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 总被引:1,自引:0,他引:1
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。 相似文献
12.
孙秀云 《机械工程与自动化》2007,(4):104-106
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。 相似文献
13.
14.
15.
一种新型病毒进化遗传算法研究 总被引:3,自引:0,他引:3
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。 相似文献
16.
17.
18.
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。 相似文献
19.
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。 相似文献