插装阀集成块CAD系统的研究与开发

为了提高插装阀集成块的设计效率和整体性能,通过分析布局与布孔的设计流程,提出插装阀集成块CAD系统的总体结构。针对表面布局问题,构建了基于工程规则的插装阀块布局回溯算法,结合参数化配置下的库特征可实现集成块的快速正确布局;针对布孔问题,提出一种基于合作型协同进化蚁群算法的集成块多孔道布孔方法,解决了布孔顺序问题,实现了内部孔道连通的优化设计。开发了基于SolidWorks的插装阀集成块CAD系统,结合某液压机顶缸部分插装阀块的设计实例,验证了系统的实用性。     

基于智能优化方法的插装阀液压集成块设计

为解决插装阀集成块设计中外部布局和内部布孔集成方案的组合优化问题,深入分析了插装阀结构特征及其集成块的设计规律,给出了数学优化模型,并提出一种融合现代智能优化理论和工程设计经验的插装阀集成块优化设计方法,构建了插装阀集成块智能优化设计系统.论述了插装阀集成块优化设计中外部元件布局、内部孔道连通设计和安全干涉校核等关键性技术问题,并提出了问题的解决方案.最后,通过工程实例,验证了该方法的有效性和可行性.     

液压集成块复杂阶梯孔系孔道校核方法研究

针对复杂阶梯孔系集成块孔道校核问题,在全面分析插装阀液压集成块内部孔道结构特征基础上,该文提出一种在集成块智能布局布孔优化设计下的复杂阶梯孔系孔道自动校核算法,并给出了算法流程,详细介绍了孔道校核的具体内容,为实现插装阀集成块自动优化设计系统提供了必要的基础.     

模拟退火算法在集成块孔道网络优化设计中的应用

模拟退火算法是一种适合求解大规模组合优化问题的通用有效的智能优化算法，液压集成块孔道网络优化设计问题属于组合优化的NP问题，长期以来没有得到良好的解决。本文给出该问题的数学优化模型，提出对布线顺序的处理策略，采用模拟退火算法实现了自动寻优的液压集成块孔道网络连通设计，并在工程实际中得到验征。     

遗传算法在集成块孔道网络优化设计中的应用

遗传算法是一种适合求解大规模组合优化问题的通用有效的智能优化算法,液压集成块孔道网络优化设计问题属于组合优化的NP问题,长期以来没有得到良好的解决.通过建立问题的数学优化模型,提出对布线顺序的处理策略,采用遗传算法实现了自动寻优的液压集成块孔道网络连通设计.     

混合遗传-模拟退火算法应用于液压集成块优化设计的研究

以液压集成块布局布孔优化设计问题为背景,给出了在立体空间中带性能约束的多目标优化数学模型。针对遗传算法在求解该组合优化问题时局部搜索能力不强的情况,将模拟退火算法与之结合,设计了多参数级联的编码方法,且加入记忆装置,构造了一种具有记忆功能的混合遗传-模拟退火算法。实例计算表明,改进后的新算法能很好地改善对解空间的局部搜索能力,从而得到较高质量的解。     

基于协同进化的松弛时序约束多服务流程优化

为满足复杂服务流程优化的需求,提出一种新的松弛时序约束下的多服务流程优化方法。建立了多服务流程优化问题的形式化模型,并通过定义带松弛量的时序约束满足性,为实现时序约束的量化判定及流程优化求解奠定基础。针对问题模型具有搜索规模大且需考虑跨流程间松弛时序协调的难点,提出基于非均衡协作的混合协同进化算法实现模型求解。该算法参考Potter的协同进化框架,设计了基于信息素交叉的子种群进化、非均衡概率的种群间协作及精英迁移等改进策略,有利于提高种群搜索导向性及保持种群多样性。通过与现有方法的多组实验对比,证明了该算法在求解精度及执行时间上的优越性。     

基于层分配连通算法的液压阀块多端点布孔优化设计

针对液压集成阀块内部孔网布局优化问题,建立以孔道路径长度和压力损失为目标的优化模型。结合液压集成阀块的结构特点提出了一种基于直角Steiner最小树结构的多端点布孔优化层分配连通算法,将三维孔网路径优化问题转换为平面端点集路径连通优化问题。先基于各端点空间坐标进行布孔层分配,再将各布孔层合并至同一平面内通过求解平面内最小Steiner树来达到孔网路径优化目的。在求解直角Steiner最小树时以Kruskal算法为基础构建了一种RSMT求解算法,随后将求解的RSMT各边匹配至端点对应的布孔层得出优化后的整体孔网连通路径。实例验证结果表明层分配连通算法可快速有效地进行阀块多端点连通布孔优化设计。     

基于计算智能的液压集成块优化设计

液压集成块设计的核心问题是其外部布局和内部布孔集成方案的优化设计，是一种复杂的立体空间布局问题。在全面研究集成块零部件的结构特征和设计规律的基础上，深入分析了集成块立体布局的空间关系，给出了该问题的优化数学模型，运用现代智能计算方法及其混合优化策略，实现了满足性能约束的液压集成块布局布孔集成方案的自动优化设计，有效提高了集成块设计水平、质量及其自动化程度。     

立体仓库多机器人协同路径规划与冲突消解

针对立体仓库中多机器人协同路径规划问题,建立了一个具有最优作业时间和能耗的多目标路径规划模型.采用分治-协作策略将多机器人路径规划问题分解为多个单机器人路径规划子问题.在路径规划中,采用改进的蚁群算法对每个机器人的初始路径进行规划.基于时空协同约束,采用协同迭代优化策略,提出了多蚁群协同进化算法.针对路径冲突问题,设计了一种动态优先级冲突消解策略,有效地解决了多机器人冲突问题,找到了最优路径组合.仿真结果表明,该方法能有效提高多机器人的协同搬运效率,降低能耗并缩短搬运时间.     

基于多种群细菌觅食算法的机械设计优化

针对传统方法在解决机械优化问题时的不足,提出了一种偏利共生型的多种群细菌觅食算法。利用可行种群和不可行种群两个种群来模拟协同演化,以用于机械设计优化问题的多约束处理。除多种群协同进化外,该算法还采用了自适应的趋化步长,以及均衡的繁殖消亡策略。为验证所提出算法的优化设计能力,在压力容器和焊接悬臂梁优化设计两个实例上进行了测试,并与其他几个算法进行了比较。测试结果表明所提出的多种群细菌觅食算法在最优值以及稳定性上相比于同类算法具有明显优势,能够很好地用于机械设计优化工作。     

液压集成块设计方法的研究进展

液压集成块是集成式液压系统的关键零件和控制中枢,其设计的难点是外部液压元件布局和内部油路连通设计.文中针对液压集成块设计问题,系统介绍和分析了国内外在液压集成块设计方法方面的研究工作和成果,包括液压集成块建模、智能优化设计、孔道校核、虚拟设计和管网液流特性仿真等,并讨论了基于智能数字化设计新技术的液压集成块设计的新方法,包括智能优化算法、知识工程和多Agent系统等,对液压集成块设计方法的发展趋势进行展望.     

一种求解集成生产计划的混合协同进化算法

讨论了一类带有序列相关的机器调整时间和有限缓冲空间的流水车间批量计划与调度的集成优化问题,给出了该问题的非线性混合整数规划模型,提出了一种求解混合协同进化问题的算法.模型的目标函数是使库存费用、缺货费用和加班费用之和最小,约束函数考虑了库存平衡约束和需求平衡约束.算法采用协同进化算法与遗传算法的并行混合搜索结构,通过迁移算子把协同进化的子种群和独立进化的公共种群有机联系起来,同时算法采用基于邻域的进化策略,以提高算法性能.最后,对三种不同规模的问题进行了数值仿真实验,结果验证了算法的有效性.     

液压集成块孔道网络优化设计

针对液压集成块设计中的难点,即孔道网络的优化设计,将适合求解大规模组合优化问题的遗传算法与其相结合,对孔道网络进行自动优化设计.通过建立问题的数学优化模型,提出对布线顺序的处理策略,根据元件编码的特点,分别设计了相应的交叉算子和变异算子,实现了自动寻优的液压集成块孔道网络连通设计.     

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。     

复杂液压集成块连通关系的校验算法研究

详细介绍用微型计算机对复杂液压集成块进行孔道连通关系的校验算法，该算法可以对液压集成块的应连通关系和不连通关系进行校验，已经在上海704研究所得到应用。     

Job Shop调度问题自适应蚁群算法的研究

Job Shop问题是与实际生产相关的多约束组合优化问题,具有约束较多,计算量大的特点,一直以来是研究的热点.本文对利用自适应蚁群算法求解该问题进行了研究,并且进行了仿真试验,试验结果表明蚁群算法在求解类似Job Shop问题是非常有效的.     

基于智能虚拟设计方法的液压集成块设计

为解决液压集成块设计中外部布局和内部布孔集成的组合优化问题,提出了一种融合现代智能优化方法和虚拟设计技术的智能虚拟设计方法。该方法以虚拟设计环境为外壳,以智能优化算法为内核,以虚拟现实交互设备和智能优化算法的人机接口为渠道,构建液压集成块智能型虚拟设计系统。为便于设计,论述了智能虚拟设计方法中虚拟建模技术、基于人机结合遗传算法的优化设计技术、人机交互技术等关键性技术问题,并给出了系统的解决方案。最后,通过工程实例,验证了该方法的有效性和系统的可行性。     

准时制生产模式下预制构件订单间调度与订单内调度的联合优化

在预制构件实际生产过程中，通常一个订单中包含多个工件。为满足客户交货期和方便管理，来自同一订单的工件需要连续生产，就需要解决订单间调度与订单内调度的联合优化问题(JOP＿IOSIOS)。该问题是比传统流水线调度问题更为复杂的问题，是典型的NP-hard问题。为解决该问题，通过对工序约束、订单间、订单内约束等的深入分析，基于准时制生产模式，以最小化总提前和拖期惩罚费用为目标建立了混合整数规划模型。鉴于问题的复杂性，基于分解与协同进化框架，提出一种有效的协同进化混合遗传—离散差分进化算法(CoHGA-DDE)。其主要思想是首先构造订单间调度种群和订单内调度种群，然后对两个种群分别采用离散差分进化策略和遗传进化策略，并通过两个种群之间的交互作用来提高各自性能。为验证协同进化框架和CoHGA-DDE的有效性，设计了协同进化遗传算法(CoGA)、协同进化离散差分进化算法(CoDDE)、遗传算法(GA)、离散差分进化算法(DDE)、和迭代贪婪(IG)算法。对不同规模订单进行测试，计算结果显示，与GA,DDE和IG相比，协同进化方法具有更好的求解质量和鲁棒性，而在协同进化方法中，CoHGA-DDE具...     

多种群蚁群算法解机组组合优化

电力系统机组组合问题是一个大规模混合整数规划问题,具有高维、离散、非线性等特点,在数学上被称为NP-hard问题。为解决蚁群算法在解决机组组合问题中遇到的计算速度慢、易陷入局部最优等问题,将多种群蚁群算法应用到解决机组组合的问题中。开展了多种群蚁群算法在机组组合问题中的应用分析,新建了除搜索蚁之外的侦察蚁和工蚁,设定了3种蚁群之间的信息交互原理,提出了各蚁群的信息素更新方法。在修正后的IEEE30节点系统对算法可行性作了验证,并对算法的合理性和有效性进行了分析。研究结果表明,所提出的多种群蚁群算法是合理、有效的。