基于正交试验的梭心冷挤压成形工艺研究及模具优化设计

为提高模具寿命,降低试模成本,文章对缝纫机梭心的冷挤压成形工艺和模具的设计优化进行了研究。为解决其传统工艺中端面不平的问题,设计了带有限流套的新模具结构;根据梭心的结构特点,提出了2种梭心冷挤压成形工艺方案,利用DEFORM-3D有限元模拟软件对工艺方案分别进行数值模拟,发现采用2个工步的成形方案模拟出的挤压件成形效果好;基于正交试验采用方差分析法和极差分析法共同分析,以成形载荷及其凸模磨损量的大小作为评判指标,获得最佳工艺参数组合;采用最佳的参数组合来探寻不同摩擦因数对成形载荷的影响、不同凸模初始硬度对凸模磨损量影响规律;通过优化后挤压件的损伤因子云图、等效应变云图以及折叠角云图分析,验证了优化模具的可行性。该研究对梭心零件的实际生产及其相似零件的生产提供了参考。     

正交试验法、神经网络和遗传算法的结合

用神经网络建模，遗传算法优化是求解工程优化问题的一种行之有效的方法。但由于神经网络、遗传算法自身的诸多问题，制约了其在较为复杂领域中的应用。正交试验法是一种进行多因素试验的科学方法，本文将它引入神经网络和遗传算法中，将三者结合起来，用正交试验法设计神经网络样本，并用遗传算法优化神经网络结构，较好地克服了各自的弱点，拓展了它们的应用。另外本文对正交试验法配置遗传算法参数做了介绍。     

基于BP遗传算法的铝型材挤压模具优化设计

型材挤压模具寿命的高低,与模具的结构形状及几何尺寸有很大关系。通过用ＢＰ神经网络建立型材挤压模具的数学模型,用弹性有限元法计算模具内部各 点的等效应力值并作为ＢＰ神经网络训练的导师信号,再结合遗传算法优化模具结构,建立了铝型材挤压模具的力能参数实时计算系统和几何参数优化设计系统。研究表明：采用本方法设计的方管铝型材挤压模具,其危险点处的等效应力降低了３９．１％,且应力集中现象明显减小,模具结构趋于     

基于正交试验花键冷挤压成形过程参数分析

为保证花键的成形质量，减小模具的试模成本，利用DEFORM-3D软件模拟花键的冷挤压成形过程，采用正交试验对下压速度、摩擦因数和凹模初始硬度参数进行优化分析；利用最优参数对成形载荷及凹模磨损深度的影响规律进行探讨，验证其正交试验结论。结果表明，使成形载荷和花键凹模磨损程度最优的参数组合为摩擦因数0.08和凹模初始硬度63 HRC。该分析为实际生产提供了理论参考，具有一定的指导作用。     

基于正交试验的遗传算法参数优化

基本遗传算法求解优化问题的过程中存在着收敛缓慢、早熟现象以及求解的质量不高等问题. 为了解决上述存在的问题,提高遗传算法的求解质量,提出使用正交试验法优化遗传算法中的主要参数,即:种群规模N、交叉概率pc和变异概率pm. 通过使用正交试验法确定遗传参数,大大提高了算法的收敛性和求解质量. 仿真结果也表明采用正交试验法设计参数的科学性和有效性.     

基于遗传算法的BP神经网络服装销售预测方法

针对服装企业产品销售的复杂性以及特殊性,提出一种有效的神经网络学习模型. 在对服装销售影响因子分析的基础上建立销售预测网络模型,利用遗传算法对后向传播神经网络的各连接权值进行优化计算. 方法综合了后向传播神经网格和遗传算法两者的优势,既具有神经网络强大的学习能力,又具有遗传算法的全局搜索能力.     

基于正交设计的免疫克隆遗传算法

针对遗传算法存在＂早熟＂及局部搜索能力弱等问题,提出一种基于正交设计的免疫克隆遗传算法,将正交实验设计原理、免疫克隆理论以及标准遗传算法有效结合起来,增强算法的收敛速度和搜索精度。对算法进行了验证,表明该算法求解精度高出几个数量级,寻找到全局最优解的次数明显增加。     

基于遗传算法和BP神经网络的短期电力负荷预测

根据电力负荷的主要影响因素,考虑时间和天气,建立了基于遗传算法和反向传播神经网络（BP）的短期负荷预测.从BP神经网络的理论入手,采用遗传算法优化BP神经网络的初始权值和隐层节点数,从而避免了神经网络结构确定和初始权值选择的盲目性,提高了神经网络用于电力系统短期负荷预测的效率和精度使得负荷预测在更加合理的网络结构上进行.     

基于BP神经网络和遗传算法的软基参数反演与沉降预测

以九江绕城高速公路桩网复合地基加固软基试验段为工程背景,利用智能反演方法、正交试验设计和有限元数值方法相结合,对软基土体参数进行反演和工后沉降预测。研究结果表明,采用有限元和正交试验设计方法相结合,可以为BP神经网络和遗传算法参数反演模型提供大量的训练样本,能够确保参数反演精度;工程应用证明,BP神经网络和遗传算法与ADINA有限元程序相结合对软基工后沉降进行计算和预测是可行的,BP神经网络反演方法计算的软基沉降最大误差为5.26%,遗传算法计算的软基沉降最大误差为3.1%,因此,遗传算法在桩网复合地基软基沉降预测中具有更高的预测精度。     

基于遗传算法BP神经网络的零件图特征识别

研究用多层BP神经网络识别二维零件图的形状特征信息.利用遗传算法加快BP神经网络的收敛速度.提出零件图扩展属性矩阵的概念及求法,对AutoCAD R2000进行二次开发,完善了我们开发的二维回转类零件图特征识别和提取系统,具有一定的理论和实用价值.     

基于神经网络遗传算法的木薯秸秆切割优化设计

选取木薯秸秆切割试验中的切割角度、切割速度、切割部位、木薯直径等控制变量及相关响应变量,通过非线性回归模型和BP神经网络模型进行拟合,分别研究响应变量与控制变量之间的作用机理;对模型进行对比,优化响应变量的作用机理。     

基于正交试验方法的相邻电容传感器优化设计

基于正交试验方法,针对极板面积固定与极板面积不固定的双极板相邻电容传感器分别进行了参数设计实验,并分析各参数对传感器信号强度的影响.引入正交试验设计方法提高实验效率达33%,并能有效分析各设计参数对传感器信号强度影响的主次性.实验结果表明:相邻电容传感器设计参数对极板面积固定的传感器性能影响权重由高到低为间距宽度比、极板长宽比、激励频率;极板面积不固定的传感器影响权重依次为极板间距、极板长度、极板宽度、激励频率.利用COMSOL进行数值仿真,与实验测量结果吻合.     

基于改进遗传算法的汽车永磁起动机优化设计

针对电机的优化设计是一个复杂的、有约束、多变量优化问题,为了提高优化效率和收敛速度,使电机成本降低,结构更紧凑,采用了改进的遗传算法,将永磁起动机的原始方案直接加在初始种群中,并对交叉概率和变异概率采用了随着适应值变化进行自适应调整的方法．在适应值的计算过程中,为了提高计算准确度,2D有限元模型被用来计算永磁起动机的参数和性能．根据优化结果研制了新的样机,实验结果表明：通过优化,在满足各项性能要求和约束的前提下,降低了电机的成本．     

基于正交试验的1100 kV直流高压发生器均压环优化设计

直流高压发生器均压环的尺寸和位置参数与电场强度分布之间存在非线性关系,难以获得解析表达式,为了保障试验的准确性,在设计直流高压发生器时要减小其最大场强以保证不发生电晕.采用有限元分析方法,建立了1100 kV直流高压发生器的三维模型,计算了发生器的电场分布,引入了多目标优化的正交试验法对均压环的尺寸参数和安装位置进行了...     

基于粗糙集和改进遗传算法优化BP神经网络的算法研究

针对BP神经网络结构由于特征维数增多变得复杂,以及网络易陷入局部极值点,提出了粗糙集和改进遗传算法结合共同优化神经网络的方法。首先利用粗糙集对样本空间进行属性约简,降低特征维数,进而简化BP神经网络的结构;然后训练过程中先用改进的遗传算法全局搜索网络的权值和阀值,再使用BP算法局部搜索细化,避免网络过早收敛。试验分析证明优化后BP神经网络比传统BP网络的预测精度得到了极大提高,泛化能力得到了增强,说明了该方法的可行性、有效性。     

基于云遗传算法优化BP神经网络的轨道客流预测

城市轨道交通客流预测是线路规划和运营组织的基础,为提高客流预测的准确度,提出了基于云遗传算法优化BP神经网络的轨道客流预测模型.首先利用云模型云滴的随机性和稳定倾向性改进传统遗传算法中固定设置交叉和变异率的方式,克服了标准遗传算法搜索速度慢及容易早熟的缺陷;再通过改进后的遗传算法来优化BP神经网络的初始权值和阈值;最后...     

基于神经网络和遗传算法的锅炉燃烧优化方法

针对锅炉燃烧控制系统送风调节系统存在的弊端,遵照火电厂锅炉燃烧既要提高效率又要降低污染物排放的要求,对神经网络和遗传算法在火电厂锅炉燃烧优化中的应用进行了研究。首先借助燃烧特性试验数据,建立了火电厂锅炉燃烧特性的神经网络模型,然后应用遗传算法寻找送风调节系统最佳氧量设定值,进而调节送风量,实现锅炉燃烧的整体优化。仿真结果表明:应用该方法指导锅炉燃烧,不仅能使锅炉节能,还能降低排放的烟气中氮氧化物的含量,减少对环境的污染。     

基于正交试验法的模锻模具磨损分析及优化

模具磨损是模锻成型过程中模具的主要失效形式,因此如何减小模具磨损量,进一步提高模具的使用寿命,是模锻工艺中急需优化的关键性问题。提出一种模锻成型过程中基于模具磨损的工艺参数优化方法,属于模锻工艺领域,是一种将模锻加工过程中的有限元模拟仿真试验与正交试验设计相结合的工艺参数优化方法。以热模锻工艺为例,在Archard磨损模型的基础上,推导出适用于热模锻模具磨损分析的修正模型,并且对热模锻中模具磨损过程进行基于Deform软件的有限元仿真分析。研究热模锻加工过程中模具工作表面的磨损深度与模锻工艺参数之间的关系,利用正交试验设计将不同的工艺参数进行组合分析,通过较少的仿真试验次数得到适用于热模锻的最优化工艺参数。使用极差分析法进行试验数据处理,推导出对模具磨损影响程度最大的工艺参数,为热模锻工艺中的模具磨损问题提供一种基于正交试验设计的工艺参数优化方法,得到模锻成型过程中使模具磨损量实现最小值的工艺参数最优解。     

多点正交交叉的遗传算法研究

利用正交实验法的全局均衡思想,提出一种采用多点正交交换的遗传算法．算法通过正交表安排遗传算法的交换运算,并在所产生的多个子代中选择适应度大的进入下一次进化,这样既加快了算法的收敛速度又保证了种群的多样性．实验证明,该算法不但可以有效地克服标准遗传算法的缺陷,而且计算速度、精度和算法稳定性也得到了显著提高．     

基于遗传算法的BP神经网络在声音智能监控中应用

针对标准的BP神经网络对于声音信号在线监控模型的预测误差比较大,提出了一种用遗传算法优化BP神经网络的算法,建立了声音监控的预测模型。遗传算法优化BP神经网络主要是用遗传算法来优化BP神经网络的初始权值和阀值,然后通过训练BP神经网络以得到预测模型的最优解,优化后的神经网络具有预测误差比较小、反应速度快等特点。实验结果证明,利用遗传算法优化BP神经网络在声音的智能监控中取得了比较好的效果,达到了系统设计的目的。