基于模糊遗传算法的新型6自由度并联机器人精度综合

精度设计是机器人误差标定技术的重要手段，精度综合是精度分析的逆问题，涉及在工作空间中给定末端操作器的最大位姿误差后，合理地制定出零部件的制造公差及各关节的装配误差的问题。在精度分析的基础上，基于误差独立作用原理和原始误差等效作用原则，考虑运动副配合间隙误差和杆长误差，利用模糊遗传算法，以制造成本最小为优化目标，对6-DOF并联平台机构进行精度综合。该方法的求解结果能满足精度要求，具有实用价值。     

基于改进遗传算法的方案组合优化设计

建立了方案组合优化教学描述,提出了一种基于改进遗传算法的产品方案优化设计模型,实现了该改进算法,并成功地应用于多功能输出变速箱的方案优化设计,获得了方案的最优解。     

基于改进遗传算法的离散公差模糊稳健优化设计

为了解决离散变量优化设计问题，采用了一种面向设计、制造的设计变量离散化处理方法。通过改进最优个体保护策略和混沌移民算子，并引入家族竞争遗传机制对基本遗传算法进行了改进。开发了混合离散变量的改进遗传算法程序LSGA2005，用该程序解决了箱体零件尺寸链的离散公差模糊稳健设计问题。实例表明，该算法全局收敛能力强，具有较好的实用价值。     

运用遗传算法的产品造型设计方案优化方法

从产品语义出发,提出一种基于遗传算法的产品造型设计方案优化方法,构造基于语义的产品造型进化设计模型。通过构造产品造型基因编码和基因串及适应度函数,对产品造型设计方案进行优化并形成新的方案,应用板式家具的造型设计验证了方法的适宜性。     

基于模糊控制与遗传算法的串行生产控制系统最优设计

为实现系统的最优设计,在建立基于模糊控制的生产存储控制仿真模型和详细描述控制器设计细节的基础上,建立以极小化在制品量和投放波动水平为目标、以满足顾客满意率要求为约束的多目标规划,并提出一种改进遗传算法与过程仿真相结合的求解方法.在该求解方法中,多目标规划通过加权平均转化为单目标规划.为考察模糊控制系统的性能,在实例分析中通过仿真与定量在制品法、看板及全面拉式几种系统进行了比较.结果表明,模糊控制系统不仪能够保持较低的在制品水平,而且能够保持较低的投放波动水平.     

基于递推遗传的模糊3-划分熵多阈值FISH基因提取

针对现有寻优算法存在的重复计算问题,提出了基于递推遗传的模糊3-划分熵多阈值荧光原位杂交(Fluorescence in Situ Hybridization,FISH)基因提取算法来提高用模糊划分熵算法提取多阈值FISH基因的效率.采用迭代验证法确定隶属度函数窗宽,并使用附加边界条件及灰度权重的隶属度函数对图像进行模糊3-划分.为了提高阈值寻优的效率,引入递推算法将模糊熵的计算转化为递推过程,并保存部分不重复的递推结果用于后续的计算,最后采用遗传算法寻优,使得种群个体的计算能使用预存结果快速搜索全局最优阈值.对提取结果与几种常用算法进行了直观比较,并对处理时间、分类概率等性能指标进行了量化分析.对多幅不同类型的仿真人工图像和真实FISH图像的测试表明,处理时间仅为常用算法的1％,错误划分概率小于6.00×10-2.提出的算法可以准确,高效地提取FISH基因目标.     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

基于遗传算法的激光打孔路径优化

针对目前激光打孔过程中存在的问题,采用遗传算法对激光打孔路径进行优化.建立了路径优化目标函数模型,对激光打孔路径优化总体设计,遗传算法的实现所需要的适应度函数、选择算子、交叉算子、变异算子等遗传操作进行了说明,并通过实例说明,采用遗传算法对激光打孔路径进行优化,可以显著地提高激光打孔加工效率.     

基于改进模糊控制的飞行模拟器洗出算法研究

针对经典洗出算法参数固定,参数的选取基本上依靠经验和飞行员现场操作时的感知调试的问题,为了提高飞行模拟器动感模拟的逼真度,将模糊控制应用到了算法的设计中,对经典洗出算法的实时参数优化方法进行了研究。提出了一种改进的模糊控制洗出算法,基于人体感知机理使用改进的模糊控制对经典洗出算法洗出滤波器的参数进行了优化,使操作飞行模拟器过程中在模拟器上的运动感觉与真实飞行时的运动感觉误差最小,并在参数清晰化过程中使用改进遗传算法提高了运动平台的空间利用率。在Matlab上对优化后的洗出算法进行了仿真试验。研究结果表明:优化后的洗出算能够有效地提高飞行模拟器的模拟逼真度、加快平台回位速度而且能充分地利用了平台空间,达到了预期的效果。     

基于遗传算法的车削用量优化研究

为合理地选择切削用量,建立了基于遗传算法的切削用量优化系统框架结构,系统地研究了遗传算法及其相关内容。在约束、单优化目标函数数学建模的基础上,采用线性加权法建立的多目标优化函数;采用罚函数法改进目标函数,使约束直接表示在目标函数中,简化了切削用量的寻优过程。最后,应用遗传算法开发了一个车削用量优化器,对多约束条件下的切削用量优化结果进行了分析,总结了寻优过程中约束条件影响切削用量优化结果的规律。     

基于蝗虫优化算法变论域模糊PI的PMSM矢量控制

永磁同步电机是一个多变量、强耦合、非线性和变参数的复杂控制对象,采用传统的PI控制很难满足现代工业的控制要求.为了获得较好的控制性能,在标准模糊PI控制的基础上,提出了一种蝗虫优化算法和变论域模糊PI相结合的控制方法.首先,介绍了蝗虫优化算法和变论域模糊PI控制的基本原理;然后,阐述了蝗虫优化算法变论域模糊PI转速控制...     

基于精英选择自适应变异遗传算法的膜系优化设计

将改进的遗传算法——精英选择自适应变异遗传算法(EGAAM)用于光学薄膜的膜系优化设计。EGAAM采用了独特的自适应变异操作,该操作既使得群体保持了多样性,防止过早收敛,又加快了群体收敛速度。EGGAM对初始条件不敏感,并且可以确定膜层厚度边界,确保了设计结果的制备方便。通过减反膜、分光膜的实例优化设计表明,在相同设计条件下,用EGAAM可以得到比传统遗传算法更好的设计结果。理论与实例表明EGAAM用于膜系优化设计是高效和可靠的。     

基于整数编码遗传算法改进的起重机主梁优化

轻量化是起重机的发展趋势之一,利用优化技术减轻主梁质量是其关键而有效的方法之一。首先,综合考虑主梁设计模型中变量的离散性与连续性以及各类约束,对传统主梁优化模型进行了补充与改进;然后,对传统的整数编码遗传算法进行了改进,保留了选择、交配、变异操作产生的群体,扩大了搜索空间,能够处理新的主梁优化模型中设计变量取值区间不同、变量间有约束的情况;最后,以浙江省某企业的QD型起重机为实例,利用改进的整数编码遗传算法对主梁进行了优化求解,同时通过与现有算法的比较,优化模型的有效性和算法的收敛稳定性得到了验证。     

基于粒子群—遗传混合算法的装配操作优化

为通过装配工艺优化提高车身装配尺寸质量,针对车身众多几何可行装配顺序,应用多属性有向图描述零件间的优先关系和装配控制特征数量,来去除非工程可行装配顺序。以装配尺寸质量为目标函数,提出粒子群—遗传混合算法优化零件间装配操作,通过线性装配偏差分析模型进行装配偏差累积运算,获得了最优装配顺序。通过车身侧围装配体阐述了装配控制特征的优化过程,结果表明,不同的装配顺序将影响装配控制特征的选择,从而影响最终的产品装配偏差。     

基于模糊关系方程和遗传算法的质量异常原因诊断方法

为合理描述制造过程不确定质量异常与异常原因之间的模糊关系,通过设计一种基于最小距离的目标函数,将模糊关系方程转化为最优化问题的求解,并提出了相应的遗传算法,用来求解模糊关系方程的区间解,实现异常原因对不确定质量异常贡献程度的量化。结合精密轴加工过程不确定质量异常的诊断实例,介绍了方案的应用过程。应用结果可以为异因定位提供决策依据。     

基于模糊关联规则的预测系统遗传优化

为提高预测系统中的预测精度,提出了一种基于模糊关联规则的优化的预测系统设计方法。该方法通过两个阶段来实现:首先采用竞争聚集算法得到各数量型属性优化的模糊集个数,从而挖掘出优化的模糊关联规则。在得到用于构建预测系统规则库的模糊关联规则后,采用遗传算法约简冗余规则库,实现精确性和解释性的折衷,以提高预测精度。最后将此方法运用于Abalone样本数据集进行实验分析,证实此方法解决了模糊关联规则的冗余问题,有效提高了预测精度。     

基于遗传算法的高速加工切削参数优化

结合响应面法和遗传算法的原理及应用,以回归统计方法建立了淬硬模具钢高速铣削表面粗糙度的响应面模型,通过遗传算法得到最优的切削工艺参数组合,为高速加工切削参数的选择和表面质量的控制提供了一种有效的方法。     

基于遗传算法的板坯入库梁式起重机调度优化

针对连铸-热轧炼钢工艺的板坯仓储车间梁式起重机调度问题,运用遗传算法,建立板坯入库的梁式起重机调度模型.设计梁式起重机的编码、交叉、变异等遗传运算,对板坯入库过程中的梁式起重机调度的算例模型进行仿真测试,仿真测试的结果表明:遗传算法(GA)运用于梁式起重机的调度具有很高的收敛性和稳定性,能够满足梁式起重机调度的需要.     

自适应退火遗传算法的起重机箱形梁优化

为克服标准遗传算法的固有缺陷——停滞和早熟现象,将具有较强局部收索能力的模拟退火算法融入其中,对适应函数进行退火拉伸,对接受算子进行退火处理,同时加入自适应机制来改进标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其既能根据个体适应值的大小进行自适应修正,也能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.以最终形成了自适应退火遗传算法进行起重机主梁优化.经实例验证:与原标准遗传算法相比,在保证收敛结果不变的情况下,收敛速度和全局收敛性都得到了较大提高.     

基于核模糊相似度度量的谱聚类算法

相似性度量的选择是谱聚类算法良好性能实现的关键。通常采用的谱聚类相似性的度量是基于高斯核函数的相似性度量。然而,谱聚类对这种相似度度量中的尺度参数非常敏感,并且确定一个合适的参数也很困难。另外,基于欧几里得的这种高斯核相似度度量无法有效反映复杂分布数据集的分布特点。针对此问题,通过利用基于核模糊C均值聚类算法得到的划分矩阵中隶属度的分布特点,提出了一个新的核模糊相似度度量,并将基于所提出的新的相似度度量的谱聚类算法(KFSC)应用于图像分割中。所提出的KFSC算法不仅克服了谱聚类对尺度参数敏感,而且解决了尺度参数很难确定的问题,获得更好的聚类效果。3个标准数据集、2个合成纹理图像及2个自然图像上的分割实验表明了所提出算法的有效性和鲁棒性。