非支配排序自适应遗传算法的车削优化

针对车削切削参数的优化提出了一种单目标非支配排序自适应遗传算法(SONSAGA),算法保留了NSGA-II的精英保留策略、快速非支配排序优点,克服了NSGA-II中取值边界附近多个无法消除的支配点现象。车削实例计算结果获得优于已发表文献的优选值,证明单目标非支配排序的自适应遗传算法用于车削用量参数的优化是有效的。SONSAGA算法设置参数少,包括相对变化量、种群规模、最大遗传代数,能自动调节最大遗传代数以及自适应地得到满足给定相对变化量的优选值,为车削用量优化提出了新思路。     

多工序车削的自适应搜索非支配排序遗传算法

在实际数控生产加工过程中,切削参数的优化对于保证加工质量、提高生产效率和降低加工成本具有非常重要的意义。为计算以单位生产成本最小为优化目标的多工序车削非线性优化模型,在NSGA-II算法基础上提出了一种新的自适应搜索非支配排序遗传算法(ASNSGA)。多工序车削加工实例结果表明,与模拟退火算法(SA/PA)、分散搜索算法(SS)及浮点编码遗传算法(FEGA)优化算法比较,自适应搜索非支配排序遗传算法得到最低的单位生产成本,有助于数控加工中粗车进给量、粗车切削速度及精车进给量、精车切削速度等切削参数的优化选择。     

基于SVM的微生物发酵过程软测量建模研究

微生物发酵过程中支持向量机(SVM)软测量模型的预测精度主要取决于SVM参数和输入变量优化选择.提出了一种新的SVM参数选择与输入变量选取方法,将SVM参数的选择和输入变量的选取看作组合优化问题,构造了基于赤池信息准则(AIC)的组合优化目标函数.为提高优化效率,采用遗传模拟退火算法(GSAA)来搜索最优的目标函数值.通过与网格算法、遗传算法等方法对比仿真研究表明,所提SVM微生物发酵过程软测量建模方法在微生物发酵过程的软测量建模中具有优良的性能.     

微遗传算法及其在混流泵叶轮优化设计中的应用

提出了一套针对多参数复杂工程问题的微遗传优化算法,该算法能够在使用较少遗传个体的前提下,高效搜索出解空间中的全局最优解.其中心思想是,在基本遗传算法理论的基础上,添加了多重优势个体选择策略、重启动策略等优化策略,并对基本遗传算子进行改进,同时加入了小生境、保留最优值技术,提高算法性能.采用二元理论对混流泵叶轮进行设计,选取叶轮进出口边沿轮缘流线长度与速度矩分布函数首项系数为优化变量,以水泵效率作为目标函数,使用微遗传算法进行优化设计,结果表明:微遗传优化算法高效实用,水泵效率较优化前有明显提高.     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

自适应遗传算法在离散结构优化设计中的应用

由于基本遗传算法中的交叉和变异概率是恒定值的局限性,提出了可变概率的交叉、变异算子的针对离散变量结构优化设计的自适应遗传算法.以平面和空间桁架为算例,并将计算结果与其他算法所得结果进行比较,结果表明,这种算法对离散变量的桁架截面优化设计是有效可行的.     

数控加工工艺参数的多目标优化与决策算法研究

为了提高汽油机活塞数控车削加工的质量和生产效率,提出了基于非支配排序差分进化算法的多目标优化方法与基于加权相对距离的决策方法。以加工件的表面粗糙度和材料去除速率为优化参数,建立了多目标优化模型。鉴于表面粗糙度的经验公式计算精度有限,且不具有生产设备和生产过程差异适应性,给出了学习因子自适应神经网络的拟合方法。使用非支配排序差分进化算法对多目标优化模型进行求解,得到了Pareto前沿解集。提出了基于加权相对距离的决策方法,得到了最优生产方案。经验证,与工厂现用生产方案比,优化后的工件表面粗糙度减小了一倍以上,材料去除速率提高了57.98%,以上数据充分证明了优化方案的有效性。     

基于不确定性的车架单循环多目标优化

为了提高某半挂牵引车车架的力学性能并减轻重量,将不确定性方法引入车架优化中。基于车架有限元模型构建设计变量和不确定变量与目标函数之间的近似模型,用区间分析方法求解每一个目标函数的上下界,采用目标评价函数作为多目标优化问题的适应度值。采用加入精英保持策略和去除重复个体的非支配排序遗传算法(NSGA-II)对车架应力和质量两目标进行优化。最后与不确定性多目标双层嵌套优化的结果进行比较,得出区间分析方法在满足力学性能和精度要求条件下,大大提高了计算效率,并使车架质量得到有效减小。     

基于AWOA算法与LSSVM的主蒸汽流量软测量模型

汽轮机主蒸汽流量是分析机组运行效率的重要参数。针对大型机组主蒸汽流量计算模型复杂繁琐、计算精度不高的现状,提出一种基于自适应鲸鱼优化算法(AWOA)与最小二乘支持向量机(LSSVM)结合的主蒸汽流量软测量模型。针对鲸鱼优化算法(WOA)寻优精度低的问题,提出了自适应鲸鱼优化算法,在鲸鱼个体位置更新公式中引入自适应惯性权值,通过平衡算法的开发和探索能力改善算法的优化性能。在此基础上,提出了基于AWOA优化LSSVM的主蒸汽流量的软测量模型,引入AWOA算法来提高LSSVM的学习效率、逼近精度和泛化能力。主蒸汽流量软测量的仿真结果表明:优化后的AWOA-LSSVM主蒸汽流量软测量模型具有良好的训练精度与泛化能力,可有效地用于主蒸汽流量的软测量。     

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。     

基于并行协同的多车间协同调度问题研究

传统企业在实际生产中,其多个关联车间之间的生产计划与调度存在难以协作的问题。为此,针对多车间协同调度问题建立了调度模型,提出了一种多车间协同调度的并行协同进化遗传算法(PCE-GA),并且采用该算法对上述模型进行了求解。首先,以最小化订单完工时间为目标,建立了单目标调度模型;然后,采用了并行协同进化遗传算法,对上述单目标调度模型进行了求解,基于工件、机器、装配关系的三层整数编码的染色体编码方案,提出了一种协同适应度值计算的方法;最后,以某液压缸生产企业为例,针对单目标调度问题,采用该算法与单车间遗传算法(JSP-GA)、并行协同模拟退火算法(PCE-SA)分别进行了求解,并对其结果进行了比较,以验证PCE-GA算法的优越性。研究结果表明：采用PCE-GA算法得到的优化率为13.3%,比单车间作业调度遗传算法求解的数据优化11.5%,该结果证明了PCE-GA算法在解决多车间协同优化问题时的优越性。     

自适应多种群遗传算法的换热管清洗路径优化

为提高清洗效率,对糖业蒸发罐换热管清洗机器人定位移动时间进行研究。在分析影响总定位移动时间因素的基础上,以总合成位移为优化目标,以机器人轴运动分辨率为约束条件,建立了以机器人在各换热处构型和换热管清洗顺序为决策变量的清洗路径优化模型。为克服遗传算法早熟收敛,提出一种自适应多种群遗传算法对清洗路径进行优化。针对84根换热管进行仿真实验,结果表明自适应多种群遗传算法优化后总合成位移比标准遗传算法和固定交叉和变异概率的多种群遗传算法所得总合成位移分别减少39.77%和20%,与固定交叉和变异概率的多种群遗传算法相比,进化代数也从1221减少到1142。由此可见,自适应多种群遗传算法在全局搜索能力和收敛速度两方面都取得较好优化效果,优化所得清洗路径为清洗机器人的运动控制提供依据。     

车削加工工艺参数优化

针对车削加工中的约束优化问题,建立以切削速度v和进给量f为优化变量、以加工成本最小为目标的约束优化设计模型.提出了改进约束处理的自适应罚函数法和一种改进差分进化(Improved Differential Evolution,IDE)算法.应用IDE算法求解切削参数约束优化问题的全局最优解.给出了数值实例,通过与已有结果的比较,表明结合约束处理的IDE算法的有效性和稳健性.     

AGA-BP神经网络的变压器分接开关机械故障诊断

由于变压器有载调压分接开关(On-Load Tap Changer,OLTC)机械故障征兆与机械故障类型之间有着复杂的非线性关系,采用传统的BP神经网络诊断具有准确率低、收敛速度慢和易陷入局部极小值等缺点,提出了一种自适应遗传算法(Adaptive Genetic Algorithm,AGA)优化BP神经网络的故障诊断方法。利用自适应遗传算法对BP神经网络的权值和阈值进行优化,将优化后的BP神经网络应用于OLTC机械故障诊断。仿真结果表明,AGA算法优化BP神经网络的故障诊断模型明显优于传统BP神经网络方法,有效地提高了OLTC的机械故障诊断精度和速度。     

基于层次分析法的MDO算法性能评价

在互补判断矩阵排序理论的基础上,结合最优化方法,将互补判断矩阵特征向量法引入层次分析中,提出了一种基于互补判断矩阵特征向量法的层次分析方法。通过对几种常见MDO算法的设计变量、约束、计算精度和计算复杂度进行分析,给出了改良的序列二次规划算法(NLPQL)、自适应模拟退火算法(ASA)、多岛遗传算法(MIGA)和序列二次规划算法(DONLP)在涡轮叶片多学科优化中选择的实例说明,并与实际优化结果进行对比,验证了本文所采用方法的有效性。     

车削刀具几何参数低碳优化建模与求解

为了实现车削加工过程的低碳化并提高加工质量,在分析车削加工过程中能耗特征及切削温度与刀具几何参数之间关系的基础上,以刀具前角和主偏角为优化变量,考虑加工过程机床设备和加工质量等约束,建立了车削加工刀具几何参数低碳优化模型;针对所建模型,提出一种基于改进的自适应遗传算法的优化求解方法。实例分析表明,以低碳排放为优化目标、以切削温度为约束条件优化车削刀具几何参数,可使碳排放和切削温度比原刀具参数分别降低12%和17%。所建模型和方法可为制造企业优化选择刀具几何参数降低碳排放提供理论方法支持。     

电站锅炉燃烧系统案例推理自适应寻优方法及应用研究

以提升火电机组调峰调频灵活性,促进可再生能源消纳为目标,针对某火电机组运行过程中燃烧稳定性、经济性等问题展开研究。采用自适应遗传算法优化核函数参数和正规化参数,建立最小二乘支持向量机(LS-SVM)锅炉燃烧过程模型。在建立模型的基础上,采用自适应遗传算法离线建立优化案例库。进而从便于工程应用角度提出一种基于案例推理(CBR)寻优方法,结合主、客观因素利用遗传算法优化案例推理特征权重,提高了检索精度,并自适应地从庞大的案例库中检索出与目标案例相匹配的案例。应用CBR自适应寻优算法,在保证机组稳定燃烧的同时,兼顾锅炉燃烧效率和NO_x排放浓度,合理给出二、三次风门挡板开度指令及氧量定值,实现锅炉稳定经济燃烧。将系统整体运用到某350 MW燃煤发电机组,简化了优化计算的过程,寻优时间短,稳定性高,适合在线实时寻优。     

基于自适应遗传BP算法的混合气体定量检测研究

针对混合气体检测问题,利用误差反向传播(BP)算法和遗传算法,提出了用自适应遗传算法优化BP神经网络的方法来实现定量检测.即利用遗传算法的全局搜索能力,对神经网络连接权值和阈值进行优化,再以优化后的初值作为BP神经网络的初始连接权值和阈值,最后用附加“动量项”的误差反向传播算法训练BP网络.设计了一个结构为7×18 ×3的3层BP网络用于一组含有5个样本的混合气体识别试验.结果表明:将自适应遗传神经网络算法应用于混合气体定量识别的训练中,收敛速度比附加“动量项”BP算法要快,而且学习精度更高,识别效率也提高了2/3.     

基于改进型鲸鱼算法的云制造资源配置研究

针对云制造模式下资源配置问题,提出了一种新的解决方案-鲸鱼优化算法(WOA),旨在解决以时间、成本、质量和服务为目标的优化模型。在基本鲸鱼优化算法的基础之上引入编码解码方式和惯性权重,以增强局部搜索能力,提高收敛精度和加快收敛速度。最后通过实例,将改进的鲸鱼优化算法与传统遗传算法(GA)、基本布谷鸟算法(CS)进行比较分析,验证了改进鲸鱼优化算法的有效性。     

遗传算法中适应度函数的改进术

遗传算法引导搜索的主要依据就是个体的适应度值,因此适应度函数的设计显得尤为重要。本文兼顾保持种群的多样性和算法的收敛性,提出了一种基于指数变换的、指数系数可随进化代数动态调整的非线性适应度函数。以两个典型的测试函数为例,在相同的遗传操作和参数下,分别采用本文提出的适应度函数、线性拉伸变换及一般的指数变换适应度函数进行优化计算,计算结果表明采用提出的新适应度函数能极大地提高算法的优化精度、收敛速度和收敛概率。