浅谈数控铣削曲面零件的走刀路线

数控铣削加工的走刀路线反映了工序的加工过程,走刀路线合理与否,关系到工件的加工质量与生产效率。尤其在数控铣削曲面零件过程中,应认真分析零件的加工要求及其结构特点,找出走刀路线中影响加工效率的因素,在保证零件加工精度和表面粗糙度要求的前提下,应尽量缩短加工路线,从而提高数控机床的加工效率,降低加工成本。     

多品种、小批量离散型制造企业生产车间零件/机床成组方法研究*

针对多品种、小批量离散型制造企业生产车间零件种类多、可选加工工艺路线集合空间大等特点,从零件加工工艺路线角度出发,构建车间零件加工的物流成本和时间函数模型。利用遗传算法良好的收敛性、强全局寻优能力和径向基函数神经网络(RBFNN)较高的鲁棒性、数据分类能力强的优势,提出GA-RBFNN混合算法,解决了零件在其可行加工工艺路线集合内的最佳分配和零件/机床最优分组问题。最后,结合实例验证了该模型和方法的有效性和可行性。     

避免死锁调度的数学建模与求解

通过引入"资源分配函数"的概念建立了以最短加工时间为目标函数的制造系统避 免死锁调度的数学模型,给出了该模型在两进程情况的最优解算法和多进程情况的可行解 算法.     

一种新型优化算法——学习算法*

从优化算法应该具有的共性出发,提出一种全新的算法——学习算法（LA）。该算法记录历史最优解和当前最优解这两组关键历史信息,然后让当前解向这两种最优解聚集（即学习的过程）;同时为了不放弃其他区域的搜索,让当前解的一部分完全随机地被重置。该算法原理简单,可调参数少且各参数对算法效能的影响易于掌控。在多最优函数以及复杂函数的最小化测试中,通过与GA、PSO的比较,发现LA确实是一种有效的优化算法,其优化效率并不低于现有算法。数值实验还表明,LA在多最优解问题的寻优中相对GA和PSO具有非常明显的优势。     

一类 Flow Shop 调度问题最优调度区间摄动鲁棒性

调度的鲁棒性是调度应用中的一个重要问题.本文从最优调度不变的角度研究了调度的鲁棒性问题.首先定义了最优调度的区间摄动鲁棒性,即当问题中某些参数在各自的区间上变化时最优调度保持不变的性质.然后对比例FlowShop调度问题(任给一个工件它在各台机器上的加工时间都相同)进行了研究.通过一个引理我们证明了本文的结果,该引理指出了r个参数的大小次序与它们的变化区间的相交关系之间的联系.本文的结果是目标函数为完成时间总和时在加工时间扰动下最优调度具有区间摄动鲁棒性的三个充分必要条件,目标函数为最大拖期时间时及目标函数为拖后工件个数时在加工时间和/或交付期扰动下最优调度具有区间摄动鲁棒性的若干充分条件.这些结果与调度在一个由变化参数构成的超矩形的一些顶点上的最优性有关.文中给出了使用这些结果的例子.     

实值离散ＧＡＢＯＲ变换及其最优双正交分析窗函数特性

Ｇabor变换在信号、图像处理中是一非常有用的工具。本文首先回顾了作者曾提出的实值离散Gabor变换方法,然后着重讨论了在已知综合窗函数的条件下,双正交分析窗函数的最优解特性,指出在许多情况下,这些最优解（如最小范数解与最优正交解）都是相同的,并讨论了采用奇异值分解（SVD）理论求解双正交分析窗函烽的方法。文末还给出了计算机求解实例。     

CAM中孔加工路径优化方法的研究

一、前言 在CAD/CAM集成系统中,数控加工的工艺设计决定了实际生产加工的质量和效率.而加工时刀具走刀路径的规划对工艺规程的编写和数控代码的生成都有重要影响,进而实际影响零件的加工精度、表面粗糙度和加工速度.设计时,设计人员常常只考虑到工艺路线的选择,而没有考虑或疏忽了刀具路径的最优化,这对数控加工的质量控制和效率提高都很不利.以孔加工为例,在同一平面上加工大量孔时,安排走刀路径遵循不同的原则,选择不同的走刀方式,数控加工的效果是很不一样的,如果在生成数控代码的过程中,对孔加工的点位进行优化,尽可能缩短走刀路径,减少空行程的时间,就能提高加工效率.因此,数控加工时如何通过设计数控工艺,选择合理的加工路径,去减少对加工质量的不好影响进而提高生产效率是值得研究的.本文即从不同的角度分析了孔加工中加工路径的优化方法.     

基于NSGA-Ⅱ的催化裂化分馏塔的多目标优化

在催化裂化装置生产中,主分馏塔的操作水平和技术水平直接影响整套装置的经济效益;研究催化裂化加工装置优化设计,分馏系统的操作优化非常重要;引入已经建立的分馏塔多目标优化函数并运用NSGA-Ⅱ对模型进行求解;通过深入研究算法并对NS-GA-Ⅱ算法中各项参数设置后,求解得一组Pareto最优解,该组最优解具有良好的延伸和分布;并引人多目标综合评价优化函数,求得一组最优解;结果表明在满足约束条件下,分馏塔的汽油和柴油的产率能得到显著的优化.     

基于个体相似性评价策略的改进遗传算法

遗传算法是一种通过模拟自然进化过程搜索最优解的方法。但这种算法在求解最优解过程中总是以计算时间为代价来换得最优解的产生。对此,提出一种基于个体相似`性评价策略的改进遗传算法,融入了一种新的旋转交叉算子,每个子个体根据其与父个体的相似度和可信度来确定个体的适应度值,仅当可信度值低于某个阈值时,个体才做真实的适应度计算。实验结果显示,相似性评价策略计算得到的个体适应度值接近真实的适应度值,并且改进的算法求得最优解需要的评价次数明显要少于传统遗传算法,而在测试准测上的数据表明:提出的改进遗传算法相对于传统遗传算法,性能较好且求得的最优解也较为理想。     

基于Backbone的极值进化算法

由于变量的适应度最优与问题的目标函数最优无法达到一致,从而利用极值过程原则的局部搜索算法对TSP问题效果不好,而通过改变变量的适应度,使其与目标函数相关,就能够提高个体解的搜索能力。比较参数取不同值时个体解搜索到的目标函数,可以发现存在使个体解搜索性能最佳的参数取值,且与变量的变异方式无关,这就为参数设置提供了依据。但个体解接近最优解后改善缓慢,无法快速到达最优解,为此引入组合优化问题解的Backbone概念,在种群进入最优解域后固定解中的相同部分,从而保留解中包含的最优解的信息,在减小问题规模后继续进行优化,增强搜索能力,提高搜索性能。