制造过程的智能多目标优化方法

采用神经网络和专家系统相结合的方法实现带宽容分层约束的制造过程的多目标优化。该方法利用Ｂｏｌｔｚｍａｎｎ机神经网络求解各层次的多目标优化问题,同时利用专家系统控制优化进程。通过实例证明了该方法优化求解的有效性。     

制造过程的智能多目标优化方法

采用神经网络和专家系统相结合的方法实现带宽容分层约束的制造过程的多目标优化。该方法利用Ｂｏｌｔｚｍａｎｎ机神经网络求解各层次的多目标优化问题,同时利用专家系统控制优化进程。通过实例证明了该方法优化求解的有效性。     

铣削加工过程的智能多目标优化方法

采用神经网络和专家系统的方法,实现带宽容分层约束的铣削加工过程多目标优化,利用Ｂｏｌｔｚ－ｍａｎｎ机神经网络求妥各层次的多目标优化问题,利用专家系统控制进程。通过实例证明了系统优化求解的有效性。     

切削加工参数多目标优化的神经网络方法

采用神经网络方法求解切削加工多目标优化问题,给出了Boltzmann机神经网络模型和算法,通过实例运行证明了神经网络优化求解的可行性。     

基于神经网络建模和遗传算法的线切割工艺参数模糊优化

针对电火花线切割加工工艺难以获得更优异的工艺参数（如同时得到更快的切割速度和更好的表面粗糙度）等问题，先以神经网络建立模型，然后结合遗传算法和模糊理论求解此多目标优化问题，得到优化的工艺参数。结果显示。取得了较好的效果。     

孔群加工路径规划问题的进化求解

孔群加工路径规划对于提高多孔类零件的加工效率和质量具有重要意义。建立了两个孔群加工路径规划问题的数学模型,分别归纳为单目标和多目标组合优化问题,并引入进化蚁群系统算法和人工免疫算法求解单目标组合优化问题。这两种算法均能有效防止解空间的“组合爆炸”问题,计算复杂度的阶次低于Hopfield神经网络算法,且性能优于Hopfield算法。采用多目标解的快速排序技术分别对进化蚁群系统算法和人工免疫算法加以改进,开发出多目标进化蚁群系统算法和多目标人工免疫算法。分析表明,改进算法不增加原算法的计算复杂度,能直接用于求解多目标组合优化问题而无需事先给出目标权值向量,并能一次运行求得问题的多个Pareto最优解。     

基于神经网络的激光切割加工工艺优化建模及工艺参数自动选取系统的研究

本文讨论了激光切割加工工艺特征及其相关工艺参数对加工质量的影响，介绍了以ＢＰ神经网络为基础的专家系统的特点，在此基础上建立了激光切割加工工艺参数模型，它具有自学习、易扩展、易使用等优点，用户可以通过用优化后的工艺参数样本对此模型进行训练可以自动生成激光切割加工工艺数据选择专家系统。     

基于神经网络的激光切割加工工艺优化建模及工艺参数自动选取…

本文讨论了激光切割加工工艺特征及其相关工艺参数对加工质量的影响，介绍了以ＢＰ神经网络为基础的专家系统的特点，在此基础上，建立了激光切割加工工艺参数模型，它具有自学习，易扩展，易使用等优点，用户可以通过用优化后的工艺参数样本对此模型进行训练可以自动生成激光切割加工工艺数据选择专家系统。     

电火花线切割中计算智能集成方法的应用与实现

针对控制复杂、难以精确描述数学模型的复杂加工过程，提出集成遗传算法和人工神经网络的多目标优化方法。把加工工艺参数和工艺指标参数分别看作神经网络的输入和输出，建立相对精确的数学模型，随后借助训练好的神经网络和遗传算法来优化加工参数。由于该方法解决了适应度函数难以获得的问题，为复杂过程多目标优化提供了强有力的工具。在电火花线切割中的应用验证了该方法的可实施性和有效性。     

基于神经网络的多目标优化模型的模糊解法

概述了多目标优化的常规解法,研究了多目标优化的模糊求解原理,提出基于函数联接神经网络的多目标优化模型的模糊解法。计算结果表明,函数联接神经网络不仅算法简单,而且具有很强的非线性插值能力,能较好地表达模糊集的隶属函数,解决了应用模糊集理论处理多目标优化问题时很难合理确定隶属函数表达式这一关键问题。     

面向低碳低噪的螺纹车削工艺参数优化

为实现螺纹车削加工的低噪以及低碳化,利用正交实验和广义回归神经网络建立了螺纹车削过程噪声目标函数和包含耗电碳排放、刀具碳排放、切削液碳排放的碳排放目标函数。考虑加工过程中机床特性和加工质量的实际约束条件,建立以切削速度和进给量为优化变量,碳排放和噪声为优化目标的多目标优化模型。引入权重系数将其转化为单目标优化模型,最后利用自适应小生境遗传算法对优化模型进行优化求解,优化结果表明噪声和碳排放间呈负相关关系,在碳排放中耗电碳排放所占比例最大。     

多目标优化的求解方法与发展

本文首先介绍了传统多目标优化求解方法和改进;对遗传算法,模糊优化,神经网络等算法在多目标优化中的应用做了介绍;最后介绍了满意度.     

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明：该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、     

基于生物免疫机理的智能调度系统建模与仿真

根据生物免疫系统的基本概念和免疫应答机理，构造了一种融生物免疫机理和专家系统为一体的生产调度模型，提出了基于工序约束的抗体优生方法和基于机床作业序列的抗体编码规则，介绍了基于生物免疫机理的智能生产调度关键算法，给出了作业车间生产调度案例及其多目标动态优化结果，通过生物免疫记忆，激增和抑制机理，基于工序约束的种子抗体优选方法和抗体进化约束性检验专家系统，有效地解决了大规模，多因素，多目标生产调度问题的求解效率和成功率。     

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策#br#

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法（improved NSGA-Ⅱ）为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传反向传播算法（GABP）神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。     

TBM刀盘支撑筋布置优化

综合考虑刀盘支撑筋支撑和出碴的功能，建立了以刀盘强度和刚度为优化目标的刀盘支撑筋布置优化设计模型，基于Workbench平台采用神经网络拟合方法建立了刀盘强度和刚度与刀盘支撑筋位置之间的映射关系，进而采用NSGA多目标优化方法进行了有效求解。结果表明：在3种岩石边界和极限工况下，优化求解的方案在刀盘强度和刚度方面均优于原始方案，为TBM刀盘支撑筋结构设计提供了一种新的思路。     

车削加工中切削用量的多目标优化建模

针对金属切削加工中切削用量优化的特点，在分析车削用量传统优化模型缺点的基础上，建立了车削用量多目标模糊优化模型，并根据模糊集合原理，将其转化为一个传统的单目标约束优化问题，可用任一非线性优化方法求解。为车削用量的合理选择提供了理论依据。     

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法(improved NSGA-Ⅱ)为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传-反向传播算法(GABP)神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。     

磨削质量智能优化控制策略研究

提出了一种外圆纵向磨削加工质量优化智能控制策略。控制系统-由基于神经网络的专家系统、优化适应控制系统、逻辑智能决策与直觉决策相结合的控制系统组成。系统通过变化磨削速度来控制工件变形的优化适应方法；采用两个模糊神经网络分别控制工件的尺寸和表面粗糙度。仿真和实验证明了此控制策略的可行性。