基于改进遗传算法的汽车传动系统扭转振动优化与仿真

当前,汽车传动系统扭转振动比较严重,导致车辆产生很大的噪音现象.对此,采用改进遗传算法对车辆传动系统参数进行优化,并对优化结果进行仿真验证.创建了汽车传动系统运动模型简图,推导出传动系统运动控制方程式,采用分布-集中建模方法求解角速度的响应率.构造优化目标函数,采用改进遗传算法对车辆传动系统参数进行优化.建立车辆传动系统扭转仿真模型,采用Matlab/Simulink软件对优化后的参数进行仿真.同时,与优化前进行对比和分析.仿真结果显示:采用改进遗传算法优化后,变速器和差速器的角速度峰值分别降低了25.8%和31.1%,变速器和差速器的角加速度峰值分别降低了23.1%和25.6%.采用改进遗传算法优化车辆传动系统参数,可以减少传动系统扭转振动幅度,降低车辆噪音.     

改进遗传算法求解同类并行机优化调度问题

研究在给定n个可拆分加工的作业和m台同类不同速加工机器的条件下,考虑同时优化拖期成本和生产能耗的生产调度问题。采用理想点法构建目标函数,建立了考虑拖期成本与能耗的同类并行机排产调度模型。在传统遗传算法基础上,引入多种群、自适应和局部搜索策略以提高搜索效率,并提出个体差异度以改进交叉效果。分别用不同规模的问题进行算例实验,对比改进遗传算法和传统遗传算法性能,求解排产方案。实验结果表明改进算法计算效果优于标准遗传算法,能够求解不同规模该类问题,且具有良好的稳健性。     

基于遗传算法的推料机齿轮传动多目标优化设计

针对某生产线推料机的机构平稳性要求高、且体积不易过大的问题,通过选取齿轮体积和啮合重合度为优化目标,利用遗传算法对其机械传动结构进行了多目标优化设计。对算法的编码方式、精英选择策略、适应函数、惩罚因子和加权系数对优化结果的影响等几方面进行了分析探讨,提出了一种基于改进遗传算法的机构尺寸参数的优化方法;分别在单目标和多目标优化的情况下,利用Fmincon函数与改进的遗传算法进行了对比分析。研究结果表明:改进的遗传算法较Fmincon函数优化效果更佳,且较单目标优化结果,基于多目标优化后的齿轮传动重合度增加了3.03%,有效提高了推料机传动系统的平稳性;该结论为齿轮传动系统的多目标优化提供了理论参考依据。     

基于模糊优化轮边减速系统可靠性优化分析

针对矿用汽车轮边减速系统中,第一级行星齿轮传动系统可靠性很高,而第二级轮边减速齿轮传动系统的可靠度较低的问题。运用模糊优化设计理论,结合可靠性优化设计,将体积最小和可靠性最高作为优化目标,对两级轮边减速器进行优化。同时根据遗传算法特点,利用遗传算法进行优化运算,对于权重系数的选择和搜索空间都有明显的改善。与传统优化结果相比,模糊优化的结果对轮边减速系统的可靠性有进一步的提高。第一级传动系统体积减小了9.36%,第二级传动系统可靠度提高了约为2.3%,整个传动系统的可靠度提高了约2%。     

基于Cruise和Isight的两挡电动汽车传动系统匹配与优化

针对两挡电动汽车动力传动系统匹配与优化问题,根据整车设计参数及目标要求,通过理论计算对纯电动汽车驱动电机、动力电池、变速器等核心部件进行动力性匹配,运用Cruise仿真软件建立目标车辆的整车模型,并对匹配结果进行仿真验证.在动力性满足设计要求的前提下,为进一步改善经济性,搭建Cruise和Isight联合仿真模型,采用改进的非支配排序遗传算法(NSGA-Ⅱ),对传动系统传动比进行多目标优化,获得兼顾动力性和经济性的最优方案.优化结果表明,优化后NEDC(New european driving cycle)循环工况下电耗比优化前降低了0.38 kWh/100 km,经济性提高2.4％;0～100 km/h加速时间比优化前降低0.95 s,动力性提高7.5％.     

基于改进遗传算法的PID参数优化在闪蒸罐压力控制中的应用

由于在加氢裂化过程中闪蒸罐压力控制存在非线性、大滞后等问题,运用常规比例-积分-微分(Proportion-IntegralDerivative,PID)控制效果较差,虽然传统遗传算法可以优化PID参数,提高控制精度,但是收敛速度慢,整定时间长,限制了其在闪蒸罐压力控制中的应用。针对以上问题,提出了一种通过改进遗传算法优化PID参数的新型方法,该方法以传统遗传算法为基础,通过对适应度值的自适应缩放、交叉率和变异率分别按Sigmoid函数和高斯分布函数自适应调整等策略来提高遗传算法的全局搜索能力和收敛速度,从而实现对PID控制参数的优化。仿真结果表明,用改进遗传算法优化后的闪蒸罐压力PID控制具有更好的自适应性和鲁棒性,使系统调节时间减少到86 s,超调量减少到0. 141 8%,有效地改善了系统的动、静态特性。     

基于AGA-WOA算法融合的移动机器人路径规划

传统遗传算法的缺陷在于搜索过程耗时较长,容易出现局部最优解.为解决这一问题,本文提出改进适应度函数的方式对遗传算法进行改进,并将鲸鱼优化算法与改进后的遗传算法结合.AGA-WOA融合算法利用鲸鱼优化算法提高遗传算法算子的优良性,可降低搜索范围,降低传统遗传算法的工作量,尽力规避出现局部最优解的情况.     

基于GA的ε-SVRM在传感器非线性校正中的研究

针对ε-SVRM在建立传感器回归模型时参数难确定的问题,提出了改进遗传算法对模型参数进行优化选取的方法。该方法在遗传算法前期通过限制个体间距离及采用保优策略,保持最优参数的多样性;在进化后期通过自适应调整进化参数从而加快进化速度,以提高模型的预测准确度和建模效率,并且与以往采用的网格搜索法进行了比较。实验结果表明:采用改进遗传算法进行参数优化得到的模型预测结果均方误差(2.091 6×10-5)较采用网格搜索法所得到的模型预测结果均方误差(1.371 22×-10-3)下降了2个数量级;同时,经过改进的遗传算法优化后建立的传感器回归模型使得传感器输出电压的最大相对波动由建模前的22.2%下降到0.038%,而采用网格搜索法使其下降到2.93%,显著地改善了传感器的稳定性。     

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。     

车用摆销链式CVT速比控制参数优化策略研究

速比控制是变速器控制领域的关键技术之一。通过分析摆销链式CVT的结构及工作原理,采用模糊PID控制方法对汽车行驶循环工况进行仿真;搭建CVT传动系统数学模型和速比模糊控制器子模型,基于Simulink/Cruise联合仿真软件平台对模糊控制进行仿真研究;最后,引入遗传算法对速比控制器控制规则进行参数优化,分别对汽车起步工况和循环工况速比跟踪控制策略进行验证。结果表明,基于遗传算法的速比模糊控制对目标速比的跟随效果及误差变化均优于传统的模糊PID控制方法,可满足摆销链式CVT速比控制的要求。     

面向主梁优化的改进人工蜂群算法

针对算法收敛速度慢、搜索盲目性大等不足,引入了自适应步长、路径交换邻域搜索和差分进化算法的变异策略,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度;算法到后期搜索平坦化,引入遗传算法中的交叉与变异行为,增加种群多样性,提高了算法的全局稳定性。将改进的算法运用到桥式起重机主梁中进行优化并运用ANSYS进行力学分析,实例检验了算法的可行性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

基于遗传算法的切削用量优化

遗传算法是一种全局优化自适应概率搜索方法，并且具有很强的全局优化性和搜索效率，文中基于遗传算法优化切削用量，在保证加工精度的前提下，提高了生产率，降低了生产成本。     

基于改进遗传算法的自由曲面测量路径优化

为提高三坐标测量机对自由加工曲面的测点检测效率,针对传统遗传算法收敛速度慢且易陷入局部最优解的问题,引入自适应调节机制,从种群个体的适应度分布情况与个体适应度值两个方面实现交叉与变异概率的自适应参数调节,提高了算法效率,降低了早熟概率;采用贪婪交叉算子与贪婪倒位变异算子,加快了算法的收敛速度。实验结果表明,改进的遗传算法能够更高效且优质地完成自由曲面测量路径优化。     

改进单目标自适应遗传算法的车削优化

提出了一种改进单目标自适应遗传算法(MSAGA)。针对自适应搜索遗传算法(ASNSGA)遗传代数设置不合理与单目标非支配排序自适应遗传算法(SONSAGA)因非均匀种群而引起拟合新误差的缺陷,MSAGA算法通过临界遗传代数与变量取值区间的自适应调整,同时提高了计算精度与计算速度。将MSAGA算法应用于车削优化,实例结果显示不仅优于标准遗传算法(GA)与SONSAGA算法的优选值,而且计算速度比SONSAGA算法提高了75.9669%。结果证明MSAGA算法用于车削用量参数的优化是有效的。MSAGA算法能快速自适应获得满足给定精度的变量优选值,为车削优化提出了新思路。     

自适应遗传算法在直线电机进给系统伺服参数优化中的应用研究

针对传统经验方法难以得到合理的直线电机进给伺服系统控制参数,提出一种改进的自适应遗传算法对直线电机伺服系统五个控制参数进行同步优化。在分析直线电机进给系统控制原理的基础上,采用实数编码对控制参数进行编码生成种群,根据控制需求确定了由误差积分项、超调量惩罚项、稳定时间项组成的适应度函数,为加快遗传算法的收敛速度、防止算法进入局部收敛,采用非线性变化的自适应交叉率和变异率对算法进行改进。仿真结果显示,改进的自适应遗传算法在保证系统无超调的情况下使稳定时间达到4.1 ms,优于"三环参数整定法"的39 ms和传统遗传算法的5.9ms,相比于三环参数整定法系统达到稳态所需要的时间减少了89.4%;采用改进的自适应遗传算法后正弦信号的平均相对跟随误差绝对值为24.70%,优于"三环参数整定法"和传统遗传算法的51.02%和24.77%。因此,改进的自适应遗传算法在解决直线电机伺服系统多控制参数同步优化问题时,性能优于"三环参数整定法"和传统遗传算法。     

基于遗传算法的笔式加工刀具路径优化

为缩短笔式加工时间和提高加工效率,提出了一种新的基于遗传算法的刀具路径优化方法。笔式加工的特点决定了生成的刀具路径为一系列离散的切削路径段,为了精简搜索数目,将每段刀具路径看作两个遗传基因。使用十进制码构造分段染色体模型,采用改进的遗传算法对笔式加工分段路径进行优化排序,得到刀具路径排布的近似最优解。实验结果表明:改进的自适应遗传算法比一般遗传算法搜索速度提高若干倍,可以明显缩短加工路径的总长度。     

提高年循环效率的永磁同步发电机-齿轮传动系统机电协同设计

为实现永磁同步风力发电机组轻量化、高年循环效率的设计目标,提出了一种永磁同步发电机-齿轮传动系统机电协同参数优化设计方法。首先建立风轮计算模型,以风电场实测的年风速工况作为风力发电机组的运行工况。接着建立齿轮传动系统的损耗模型,并基于有限元建立永磁同步发电机饱和磁链模型、转矩模型和损耗模型。在此基础上,为最大限度地发挥各参数下发电机组的效率潜力,采用非线性效率最优电流分配策略对发电机的控制电流进行优化。最后在发电机电磁约束、齿轮几何和强度约束、连续传动约束条件下,以发电机和齿轮的参数作为优化变量,以永磁同步发电机-齿轮传动系统的总质量和年循环风速工况下的总损耗作为目标函数,利用NSGA-Ⅱ算法对目标函数进行优化。该过程优化中嵌套优化,整个过程通过脚本自动化运行,最大程度地降低了系统的损耗和质量,减少了时间成本。基于上述方法对8 MW永磁同步发电机-齿轮传动系统进行优化,优化后系统总质量降低了40.2%,系统年循环损耗减少了461 562.53 kW·h,表明该方法有效地降低了系统的质量且提高了年循环效率。     

基于改进自适应遗传算法的层合板铺层设计

针对复合材料结构设计中层合板铺层角度多变、难以确定最优设计方案的问题,应用遗传算法对复合材料层合板进行以铺层角度为变量、以层合板强度最大为目标的优化设计。采用MALTAB语言编写改进的自适应遗传算法主程序,在寻优过程中,调用APDL编写应力计算程序,并将输出的计算结果返回MALTAB进行优化计算。以对称层合板为算例进行计算验证,其安全裕度提高了21.5%;通过对比传统遗传算法,证明改进的遗传算法具有快速收敛性。     

两挡纯电动汽车传动系统参数优化和试验对比

为提高纯电动汽车驱动效率,参照一款两挡双离合(DCT)纯电动汽车,改用两挡机械式自动变速器(AMT)传动系统方案,建立多目标遗传算法的参数匹配模型。以电机峰值功率和峰值扭矩为综合设计目标,以整车动力性指标为限制条件,优化电机参数;为增加纯电动汽车续驶里程,优化传动系统高效工作区间,以整车综合工况电池耗电量最小为设计目标,以整车动力性指标和平顺性指标为约束条件,运用全局优化遗传算法对纯电动汽车两挡AMT齿轮速比进行优化,并与纯电动两挡匹配车型和纯电动两挡DCT试验车型作对比。研究结果表明：相较于纯电动两挡匹配车型,优化后的车型0～100 km/h加速时间缩短了5.79%,NEDC工况续驶里程提升了0.31%,HWFET工况续驶里程增加了1.44%;相较于纯电动两挡DCT试验车型,优化后的车型0～100 km/h加速时间缩短了10.31%,NEDC工况续驶里程增加了5.85%。     

离心压缩机叶轮的形状优化设计

提出一种新的优化方法离心叶轮的形状优化问题，即在遗传算法中加入自适应算子调节个体变异概率，来保证搜索的全局性和种群的多样性。并在寻优过程中加入生物生长来加快其寻优速度。最后，采用遗传算法和改进的遗传算法－生物生长法两种方法，对叶轮进行优化设计。计算结果表明改进的遗传算法－生物生长法，在较少的优化时间得到最优解。