多目标质量的覆盖件成形工艺参数优化

覆盖件冲压是复杂的塑性变形过程,成形工艺参数较多,难以精确地建立工艺参数与成形质量之间的关系。选取优化合理的工艺参数匹配是保证无破裂、无起皱和板料厚度均匀分布等成形质量的关键。通过将压边力、拉深筋高度、凸筋圆角半径、凹筋圆角半径、摩擦因数作为自变量的条件下,以正交试验为设计方案,模拟轮包覆盖件成形,获得成形质量目标破裂、起皱、厚度最大变薄率的数据。通过层次分析法计算多质量目标的权重,利用灰色系统理论,分别计算成形质量对理想单目标值的关联系数和多目标函数的关联度,进一步计算获得各成形工艺参数的平均关联度,用优化的工艺参数进行有限元模拟验证,最终指导设计、试模,板料冲压结果表明成形的质量明显提高。     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题。并在介绍遗传算法的基础上,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明,遗传算法在机械多目标优化方面具有较好的应用前景。     

基于遗传算法的行星传动多目标模糊优化

遗传算法是一种模拟生命进化机制的搜索和优化方法 ,其全局优化和隐含并行性使得遗传算法适合求解大规模的复杂优化问题 ,并在介绍遗传算法的基础上 ,提出了基于遗传算法的行星传动多目标模糊优化方法。算例计算表明 ,遗传算法在机械多目标优化方面具有较好的应用前景     

机械系统可靠度的多目标模糊优化决策

在一般情况下，降低系统的造价与提高系统的可靠度是相互矛盾的，需要在决策过程中进行协调，而对它们的约束限制也往往不是一刀切的，因此在决策过程中包含着大量的模糊信息和主观信息，用常规优化方法难以处理。针对这一实际情况，本文应用模糊优化理论，提出了一种模糊优化决策方法，它适用于解决两个或两个以上目标的系统可靠度的优化决策问题     

基于遗传算法的补偿滑轮组变幅机构多目标模糊优化

由于补偿滑轮组变幅机构在起重机械中工作特点的需要，传统的单目标优化方法和优化数值解法，在同时满足设计的经济性与稳定性以及优化解的方面存在不足，基于此，本文采用了综合考虑机构稳定性和经济性的多目标优化模型，利用模糊理论建立了综合评价函数，在数值方法上应用求解精度高的遗传算法，具体算例的优化结果与文献[1]比较，在经济性与稳定性等各项技术上都获得了改善。     

基于多目标遗传算法优化板料拉深成形工艺参数

利用人工神经网络构建了板料拉深成形的目标函数模型,建立了板料拉深成形工艺参数和性能评价指标之间的映射关系.以多种工艺参数(压边力、摩擦因数等)作为优化变量,多种成形缺陷(起皱、破裂等)作为优化目标,结合多目标遗传算法和数值模拟,建立了板料拉深成形工艺参数的优化设计模型,大大提高了优化的效率.以油底壳下盖为例,对其拉深成形工艺参数进行了优化,通过对优化结果进行数值模拟可以看出,该优化参数完全避免了各种缺陷的产生,这说明该优化算法具有较好的优化结果.     

钛合金车削过程中基于遗传算法的切削参数多目标优化

通过正交试验法对钛合金TC4进行了车削试验并对试验数据处理,得到切削温度、表面粗糙度关于切削三要素的多元线性回归方程。以切削速度、进给量和背吃刀量为优化变量,以最低切削温度、最好表面粗糙度、最大材料去除率为目标构建了切削参数的多目标优化模型。利用MATLAB中基于遗传算法的多目标优化函数对优化模型进行求解,得到优化问题的Pareto最优解并加以分析。     

基于自适应遗传算法的大型关重件车间布局优化

针对大型关重件生产车间的多行布局问题,建立了同时考虑物流费用与物流时间的多目标优化数学模型,运用了一种改进的自适应遗传算法,其交叉概率和变异概率可随群体的适应度自动改变,使算法避免陷入局部最优;加入精英保留策略,使每代中的最优个体都能够得到保留,避免交叉和变异操作遗失全局最优解.最后结合某船用曲轴车间实例,分别运用该算...     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。     

基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。     

一种基于多目标优化的测试性分配方法

针对测试性分配问题,在测试性分配数学分析的基础上提出了一种以全生命周期费用和测试性水平为目标的多目标优化模型。在求解模型时,按照权重将多目标问题转化为单目标优化问题后采用浮点编码遗传算法求解,该模型有利于提高求解精度,尤其在分配参数较多的情况下,可以改变各目标权重值,满足不同的分配需求。最后应用该模型对某型工程机械液压系统进行实际分配,分析结果表明该模型能够对系统测试性和全生命周期费用进行有效权衡,在系统及其子系统（或单元）测试性指标约束下进行合理的测试性分配。     

基于多目标优化的扁挤压筒结构设计

在组合式扁挤压筒的结构尺寸设计中，为确保挤压筒最佳工作性能的同时，最大程度地减少过盈装配后内腔产生的变形，提出了多目标优化的概念。结合有限元模拟技术和BP神经网络方法，建立了变过盈量下三层组合式扁挤压筒结构尺寸与各层等效应力分布、内腔位移之间的非线性映射模型，采用多目标遗传算法对其进行优化。优化时，采用了向量评价法、最佳个体保存策略和小生境技术，得到了均匀分布的Pareto最优解，根据定义的满意度函数，选出了最终的满意解。结果表明，在该满意解下，扁挤压筒既实现了等强度设计，又保证了内腔的尺寸精度。     

基于遗传算法的锻压机床多目标优化设计方法

提出了一种基于遗传算法的锻压机床优化设计方法,并基于该方法开发了一个以多目标参数优化系统为核心的优化设计平台。该设计平台综合运用了Pro/E的建模及分析计算能力和MATLAB的数学分析处理能力,使得在该优化平台上进行的优化设计既可以保证以精确的实体模型的分析结果为指导,又能基于遗传算法进行多参数多目标协同优化,从而提高了锻压机床的设计效率和优化效果。以某锻压机床为实例,验证了该平台的有效性和可靠性。     

基于模糊物元、遗传算法的行星齿轮传动多目标优化

作者采用模糊可靠性优化理论和物元分析法,以行星齿轮传动为研究对象,建立多目标模糊可靠性优化数学模型。通过改进遗传算子和模拟退火算法得到具有实值编码技术的改进型自适应遗传算法。在V isual C++环境下实现了行星齿轮传动参数优化。     

基于SPEA算法的螺旋钻采煤机多目标模糊可靠性优化

为了提高螺旋钻采煤机的输送效率、运行可靠性,降低能耗和质量,以螺旋钻采煤机内径、螺距、螺旋升角、转速、叶片厚度以及叶片头数为设计变量,设置螺旋钻采煤机的生产率最大、能耗最低、质量最轻作为优化目标,采用理想点法将多目标问题转化为单一目标问题,利用SPEA算法对螺旋钻采煤机进行模糊可靠性优化,优化结果表明:螺旋钻采煤机的输送生产率提高26.1%,质量下降18.1%,能耗下降5.08%。     

基于粒子群算法的多目标可重构设施布局方法

提出了一种多目标可重构设施布局方法。该方法引入了空间填充曲线来表征设施位置,可以实现任意两个设施之间的互换;考虑了柔性面积需求和设施形状约束系数等因素,保证布局方案的可行性;建立了以成本(物料运输成本和设施重构成本)和在制品库存为目标的多目标可重构设施布局模型;设计了该模型的改进粒子群算法,该算法在全局极值和个体极值的选取、Pareto解集的更新策略方面相对于标准的粒子群算法有改进。最后用算例说明了该方法的有效性。     

基于胞映射算法的转子-挤压油膜阻尼器系统多目标优化设计

将挤压油膜阻尼器设计与转子动力学相结合,使用胞映射方法对定心式挤压油膜阻尼器进行多目标优化设计。阻尼器设计参数为阻尼器径向油膜间隙以及定心弹簧刚度。综合考虑了阻尼器的触底现象、转子系统的动力学响应及稳定性,使用多目标优化设计方法以达到抑制转子过临界转速振幅及支撑外传力的目的。针对所得帕累托集合,对所得全局最优解集进行试验验证,结果表明：该最优解集所得设计变量可满足设计需求,可有效地应用到阻尼器的设计过程。     

基于信赖域近似模型管理的多目标优化方法及其应用

针对复杂工程多目标优化中求解精度受近似模型精度影响大的问题,提出了一种基于信赖域近似模型管理的多目标优化方法。该方法在每一个优化迭代步中首先采用拉丁超立方实验设计方法获得样本点,并基于这些样本点建立各目标和约束的二阶响应面模型,接着用所建立的响应面模型代替真实模型进行多目标优化,优化算法采用微型多目标遗传算法,然后通过信赖域模型管理方法来管理近似模型。该方法大大降低了近似模型对求解精度的影响。该方法在车身薄壁构件的耐撞性优化中的应用验证了其解决复杂工程多目标优化问题的能力。     

基于多目标形貌优化方法的低噪声油底壳研究

为了有效降低油底壳的辐射噪声,在设计阶段对初始油底壳的振动噪声水平进行了预测和评估,据此提出了以下结构优化方案：结合模态试验技术建立准确的初始油底壳辐射噪声预测数值模型,根据噪声预测结果,识别出对油底壳整体辐射噪声贡献度较大的峰值频率;结合油底壳自身固有频率,以降低油底壳整体辐射噪声为总目标,以降低预测噪声频谱中各主要峰值频率成分为子目标,建立多目标优化函数,进行油底壳结构形貌优化设计。结果表明,优化前整体噪声声压级为100.23 dB,在合理布置板材冲压加强筋后,整体噪声降低了2.79dB。此优化方案减少了单目标形貌优化“设计-试验-改进设计”的重复性和主观性,降低了产品设计的成本,缩短了产品开发周期。