基于改进遗传算法的机床主轴径向回转误差分离技术研究

以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理.为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化.使用改进遗传算法,收敛速率较传统遗传...     

带有缓存约束的作业车间调度求解方法

针对已有的启发式算法在应用于带有缓存约束的作业车间调度时求解精度不高的问题,提出将解决方案从工件层级扩展到工序层级,并采用遗传算法对问题进行求解,以得到精度更高的解.同时,为避免传统遗传算法过早收敛和陷入局部最优,结合自适应交叉变异概率和良种交叉算子对算法进行改进.最后,通过实验计算结果,验证了算法能在同等缓存容量下获得精度更高的解.     

基于符号函数的自适应遗传算法的研究与应用

交叉概率和变异概率的选择是决定遗传算法行为和性能的关键,直接影响算法的收敛性.自适应遗传算法在前期收敛速度缓慢,而且容易陷入局部最优.针对此局限,本文提出了基于符号函数的自适应遗传算法,将交叉算子与变异算子控制在期望区间内变化,增强了全局搜索能力,提高了收敛速度.最后进行了仿真实验,通过比较两个优化实例,验证了本文所提出算法的有效性,且符合工程实际需要.     

生产车间布局多目标优化及其仿真分析

生产车间设备布局设计是一个组合优化问题,具有非线性、NP-hard等特性。基于车间布局的总物料搬运成本最小和车间面积利用率最大的设计原则,建立生产车间的多目标优化模型。求解该问题时,应用了自适应交叉和变异策略,即对交叉、变异算子进行非线性设计,使交叉率和变异率随种群中个体适应度值的变化而变化。实验结果表明,自适应遗传算法具有搜索速度更快、收敛精度更高等优点,适合在实际生产中应用。     

转子系统支承松动故障非线性参数识别

针对一端支承松动的转子-滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别。针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法。通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制。父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群。改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度。用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响。研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达0.3,噪声不超过10%时能具有理想的识别精度。基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证了改进算法的有效性。     

机械手逆运动学神经网络算法研究

提出一种基于模糊遗传算法的机械手逆运动学神经网络建模方法。该方法采用3层前向神经网络建立机械手逆运动学模型，应用模糊遗传算法训练神经网络的权系数。此算法可根据种群进化情况，对交叉概率和变 异概率进行在线模糊控制，加快了算法的搜索过程，有效地避免了简单遗传算法中容易出现的初期收敛问题。仿真结果表明，本方法提高了求解精度和收敛速度，不但有效克服了简单遗传算法常出现的初期收敛和BP算法求解精度低、容易陷入局部极小等缺点，而且避免了计算Jacobian矩阵的伪逆，结构简单、容易实现。     

基于自适应遗传算法的配电网故障定位研究

在遗传算法研究的基础上,加入了自适应交叉、变异算子,对配电网故障定位的自适应遗传算法进行了分析研究。实验结果表明,改进后的遗传算法收敛速度明显优于基本遗传算法,证明了该算法的可行性。     

基于改进遗传算法的RV减速器选配方案研究

为了解决传统的人工选配方法在生产高精度RV减速器时面临的问题，提出了一种基于改进遗传算法的选配方案。该方案旨在实现批量生产装配数量最多且传动精度最优的一批RV减速器，并以最高匹配成功率为目标。该算法结合了RV减速器的结构特征，采用整数编码的方式对染色体进行编码，对交叉和变异操作进行改进，同时，引入了模拟退火算法和自适应调整策略，以提高算法的全局搜索能力和收敛速度。试验结果表明：基于改进遗传算法的选配方案具有更快的收敛速度和更强的全局搜索能力，可有效避免传统遗传算法出现的局部最优解问题，从而实现了较高的匹配成功率。该算法不仅能够为生产高精度RV减速器提供有效的解决方案，还有广泛的实际应用前景。     

浮点数编码改进遗传算法在平面度误差评定中的研究

随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。     

机械手时间最优轨迹规划方法研究

提出一种基于模糊遗传算法的机械手时间最优轨迹规划方案。该方案对简单遗传算法进行了改进，将模糊原理应用于遗传算法，形成了模糊遗传算法，对遗传算法中的交叉概率及变异概率进行模糊控制，提高了算法的收敛速度，有效地避免了初期收敛的发生，在进行时间最优轨迹规划时，综合考虑了机械手的运动学与动力学特性，采用罚函数方法来处理力矩约束。经仿真研究表明，该方法简单实用，适用于大范围空间的轨迹规划，克服了传统的非线性规划方法容易陷入局部极小的不足。     

基于遗传算法的摆动活齿传动多目标优化设计

本文建立了摆动活齿传动的优化设计数学模型,提出了优化设计方法。为求得全局最优解,引进了遗传算法。文中对遗传算法提出了一些改进,并用改进前、后的遗传算法分别对该模型进行了优化仿真计算,结果表明改进后的遗传算法优于改进前的遗传算法。     

遗传参数自适应调整算法及其在液压动力系统优化控制中的应用

针对固定参数的遗传算法容易陷入过早收敛,进入局部最优状态等问题,建立了交叉概率及变异概率的模糊逻辑控制器以实现遗传算法策略性参数的自适应调整,从而提高优化算法的收敛速度及获得全局解的能力。运用常规优化方法及改进优化算法对永磁电机驱动的液压系统流量进行优化控制和对比,仿真和实验结果表明：采用遗传参数自适应调整算法优化控制器,可使系统在典型工况下,保持良好的控制性能,并且具有高于常规优化方法的控制精度和鲁棒性。     

A novel hybrid genetic algorithm to solve the sequence-dependent permutation flow-shop scheduling problem

Flow-shop scheduling problem (FSP) deals with the scheduling of a set of jobs that visit a set of machines in the same order. The FSP is NP-hard, which means that there is no efficient algorithm to reach the optimal solution of the problem. To minimize the make-span of large permutation flow-shop scheduling problems in which there are sequence-dependent setup times on each machine, this paper develops one novel hybrid genetic algorithms (HGA). Proposed HGA apply a modified approach to generate the population of initial chromosomes and also use an improved heuristic called the iterated swap procedure to improve them. Also the author uses three genetic operators to make good new offspring. The results are compared to some recently developed heuristics and computational experimental results show that the proposed HGA performs very competitively with respect to accuracy and efficiency of the solutions.     

遗传算法在内燃机主副连杆机构优化设计中的应用

介绍遗传算法基本特点 ,应用遗传算法计算内燃机主副连杆机构全局最优化参数 ,针对主副连杆机构数学模型的具体特点以及参数要求 ,对标准遗传算法进行了改进 ,提高了算法的收敛精度 ,加快了收敛速度。     

一种基于改进遗传算法的神经网络优化算法研究

遗传算法是目前优化搜索算法中应用比较广泛的一种,但基本遗传算法存在收敛速度慢、易于陷入局部最优等缺点。针对上述问题对遗传算法(GA)的选择算子进行改进,在最优保存策略的基础上将每代种群按照适应度由小到大排序,平均分成前中后3段,按照0.6、0.8、1的比例进行选择;从尾段中随机抽取个体来补足种群由于选择操作而损失的个体;既利用了最优保存策略的全局收敛特性同时也保持了种群的多样性;用改进的遗传算法调整神经网络的权值形成了新的改进遗传算法优化BP神经网络(IGA-BP);通过与选择算子为适应度比例选择算子的GA-BP网络进行比较,结果表明算法改进后缩短了收敛时间同时减少了运行误差;最后将该改进算法应用于水泥回转窑的故障诊断中,验证了算法的可行性。     

改进遗传算法求解焊位群完全遍历

运用改进遗传算法,将父种群精英保留进行选择算子操作,同时进行有序交叉和倒序变异,产生子种群,保证遗传算法收敛。建立焊位群完全遍历最短路径数学模型,利用改进遗传算法对焊位群完全遍历问题进行求解,通过实例和实验仿真验证算法的收敛性和有效性。     

Tool Wear Length Estimation with a Self-Learning Fuzzy Inference Algorithm in Finish Milling

The geometric accuracy and surface roughness are mainly affected by the flank wear at the minor cutting edge in finish machining. A genetic algorithm-based fuzzy estimator obtained by a fuzzy inference algorithm to evaluate the minor flank wear length in finish milling is introduced. The fuzzy inference rules are trained by genetic algorithms (GA) through practice. Fuzzy membership functions and rules are usually decided upon subjectively. In this paper, the performance of the fuzzy estimator may be improved if the fuzzy inference model is supplemented by a genetic-based learning mechanism. The features sensitive to minor flank wear are extracted from the dispersion analysis of a time series AR model of the feed directional acceleration of the spindle housing. Linguistic rules for fuzzy estimation are constructed using these features, and then fuzzy inferences are carried out with test data sets under various cutting conditions. The proposed system turns out to be effective for estimating minor flank wear length, and its mean error is less than 13%.     

基于层次分析法的MDO算法性能评价

在互补判断矩阵排序理论的基础上,结合最优化方法,将互补判断矩阵特征向量法引入层次分析中,提出了一种基于互补判断矩阵特征向量法的层次分析方法。通过对几种常见MDO算法的设计变量、约束、计算精度和计算复杂度进行分析,给出了改良的序列二次规划算法(NLPQL)、自适应模拟退火算法(ASA)、多岛遗传算法(MIGA)和序列二次规划算法(DONLP)在涡轮叶片多学科优化中选择的实例说明,并与实际优化结果进行对比,验证了本文所采用方法的有效性。     

A novel method of Coriolis flowmeter phase difference measurement based on improved correlation analysis method

The shortcomings traditional phase difference extraction algorithms have such as being susceptible to noise interference, requiring full cycle conditions, leads to a decrease in phase difference extraction accuracy. To improve the accuracy of the phase difference extraction, two improved correlation analysis methods are proposed in this paper, one of which is based on the relationship between the extreme value of the cross-correlation function and the time difference, the other of which combines correlation analysis method with Hilbert transform. A simulation and experiment were set up to explore the influence of sequence length and signal-to-noise ratio on the extraction accuracy, as well as the influence of Kalman filtering. An experiment is set to compare the extraction mean error and variance of different algorithms under different phase differences. Experimental result shows that the improved algorithms have higher accuracy and stability. The feasibility of the two improved algorithms is verified.     

Comparison of limited-angle tomography algorithms based on the Cavalieri condition

A method of solving two-dimensional limited-angle tomography problems, based on the Cavalieri condition for the Radon transform, is investigated. Two algorithms realizing this approach are compared between themselves and also with the algorithm calculating missing projections from approximate tomograms. Numerical simulations show that all three algorithms allow the reconstruction accuracy to be improved in the case under consideration. Each of them, however, has certain specific features, which should be taken into account in solving practical tasks.