按最佳传动角的曲柄滑块机构的优化设计

采用几何解析方法设计偏置曲柄滑块机构，在满足给定的滑块行程和行程速比系数的前提下，借助计算机进行寻优设计，可方便地求得具有最佳传动角的曲柄滑块机构。     

按最佳传动角设计偏置曲柄滑块机构

从按行程运比系数K设计偏置曲柄滑块机构的基本原理出发，分析了如何使所设计的机构具有最佳传动角的方法。     

按最佳传动角设计偏置曲柄滑块机构

传动角的大小是衡量机构传力性能好坏的一个重要指标.在机构运转过程中,其传动角的大小是变化的.设计时如何使最小传动角取得最大值,文中根据优化设计原理,建立参数间数学关系,编制了程序,借助计算机可方便地将其求出,从而使设计的曲柄滑块机构具有最佳传动性能.     

按最佳传动性能优化曲柄滑块机构设计

将图解法原理与解析法有机结合，给出了一种同时按K和最优传动角设计平面曲柄滑块机构的方法。借助计算机进行优化设计，得到最优结果。     

最佳传动角曲柄滑块机构的设计方法

本文从分析按行程速比系数Ｋ设计曲柄滑块机构图解法的基本原理图入手，对最佳辅助角λ的存在性给予了清晰，直观的几何解释，从而建立起了求解最佳辅助角λ的解析方法。     

最佳传动角的平面曲柄滑块机构设计

从考察按行程比系数Ｋ设计平面曲柄滑块机构的基本原理图入手，对最佳辅助角λ＊和最佳传动角（γｍｉｎ推）ｍａｘ的客观存在性给予了清晰、直观的几何解释，建立了求解最佳辅助角λ＊和最佳传动角（γｍｉｎ推）ｍａｘ的解析方法。据上，文章绘制出了简单通用、颇具工程设计实用价值的λ＊－Ｋ和（γｍｉｎ推）ｍａｘ－Ｋ两种线图。     

根据工作行程最优传动角设计曲柄滑块机构

从最佳受力条件看,曲柄滑块机构的设计应使工作行程最小传动角为最大。提出了按工作行程传动角进行优化设计的方法。并绘制了相应的线图,在机构设计中较为实用、方便。     

曲柄滑块机构最佳传动角的设计

探讨了具有最佳传动角的曲柄滑块机构的设计;同时用解析法演算推导出设计计算公式,给出机构的最合理解,在实际设计中可使用。     

按最小传动角的最大值设计曲柄滑块机构

极位夹角与传动角是曲柄滑块机构的两个重要参数,本文通过引进辅助角β建立了最小传动角与极位夹角之间的数学表达式,通过Matlab软件编程得出了γmin取得最大值时所对应的β^＊值,并详细分析了γmin和θ之间的关系。根据β^＊值确定曲柄的转动中心A点的位置,这样设计得到的曲柄滑块机构具有最佳传动性能。     

考虑传动性能时曲柄滑块机构的设计

提出了按最大压力角的允许值来确定曲柄滑块机构尺寸的优化方案,使机构满足传动性能要求。     

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。     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

基于改进粒子群算法的起重机箱形主梁优化设计

针对具有约束条件的起重机主梁优化设计的问题,提出了基于约束规则的粒子群算法。该算法能够在整个可行解空间进行寻优,有效避免了陷入局部最优。计算实例表明：该算法在解决此类问题时,较之传统算法具有更好的优化效果,且效果明显。     

基于粒子群算法的并行多机调度问题研究

将港口拖轮作业调度问题描述为一类带特殊工艺约束的并行多机调度问题,采用粒子群算法求解该类调度问题,提出了一种2维粒子表示方法,通过对粒子位置向量进行排序生成有效调度,并采用粒子位置向量多次交换的局部搜索方法来提高算法的搜索效率。最后,通过计算验证了混合粒子群算法的有效性。     

基于粒子群算法的产品拆卸序列规划方法

为求取复杂产品的最优拆卸序列,建立了一种产品拆卸赋权混合图模型.利用该模型可以有效地表达组件问的拆卸优先关系,将零件的拆卸序列规划转化为图模型寻优的问题.基于该模型,推导出可拆卸性条件,并通过几何推理的方法产生可拆卸序列.针对复杂产品拆卸序列规划的特点,为了将赋权混合图模型映射到粒子群模型,给出了粒子速度和位置公式以及粒子进化规则,构建粒子适应度,应用粒子群算法实现了复杂产品的最优拆卸序列规划.最后,通过一个实例验证了该方法的有效性.     

基于改进微粒群算法的起重机主梁优化设计

现阶段起重机金属结构的优化设计一般都采用传统的优化算法,但传统算法普遍存在或对目标函数有解析性要求、或易陷入局部最优、或耗时较长的问题.微粒群优化算法是一种基于群体智能的新型优化算法,它可调参数少、对解析性无要求,已成功应用于多种领域.将微粒群算法应用于起重机主梁的优化中,经实例验证,在保证优化性能的前提下,基于微粒群算法的设计方法与网格算法相比,优化速度显著提升.     

基于粒子群算法的装配公差优化分配

装配公差分配是产品公差设计的重要组成部分.目前装配公差优化分配主要使用遗传算法.为了提高收敛速度,避免早熟收敛,提出了基于粒子群算法的装配公差优化分配方法.采用了基于实数的编码表示方法,以装配公差分配的优化目标函数作为评价函数,利用罚常数将约束条件并入评价函数中.一个实例的优化结果表明所提方法的收敛性、稳定性和算法效率均优于基于遗传算法的方法.     

基于拥挤距离排序的多目标粒子群优化算法及其应用

针对多目标粒子群算法在全局寻优能力和Pareto集多样性上的不足,提出基于拥挤距离排序的多目标粒子群算法.该算法采用精英策略,基于个体拥挤距离降序排列,进行外部种群的缩减和全局最优值的更新,并在内部粒子群中引入小概率变异机制,增强算法的全局寻优能力,控制Pareto最优解的数目,同时保证其收敛性和多样性特征.在电梯曳引性能的多目标优化应用中,证明了该算法对于两目标和三目标优化问题求解的有效性.不同规模实例的运算对比表明,该算法在Pareto前沿的收敛性和多样性方面均优于改进强度Pareto进化算法,且缩短了运算时间,具有较高的效率与鲁棒性.     

一种基于改进的粒子群优化算法的神经网络PID控制器

针对多输入多输出(MIMO)复杂过程控制中控制性能偏慢等问题,对神经网络PID控制器以及PID控制理论物理机制之间的相互作用进行了研究。对神经元PID控制器隐层和输出层之间的初始权值进行了归纳,提出了一种粒子群优化算法,提高了PSO算法的收缩因子以保证优化的收敛性,并进行了Matlab仿真。研究结果表明,所提出的神经网络PID控制器的改进粒子群算法优化,在高耦合效应的复杂MIMO对象中具有良好的精度以及快速响应的特性。     

求解作业车间调度问题的广义粒子群优化算法

为克服传统粒子群优化算法在解决组合优化问题上的局限性,分析了其优化机理,并在此基础上提出了广义粒子群优化模型。按照此模型提出了一种求解作业车间调度问题的广义粒子群优化算法。在本算法中,利用遗传算法中的交叉操作作为粒子间的信息交换策略,利用遗传算法中的变异操作作为粒子的随机搜索策略,而粒子的局部搜索策略则采用禁忌搜索来实现。为了控制粒子的局部搜索以及向全局最优解的收敛,迭代过程中交叉概率以及禁忌搜索的最大步长都是动态变化的。实验结果表明,本算法可有效地求解作业车间调度问题,验证了广义粒子群优化模型的合理性。