云制造环境下复杂加工任务供应商选择问题研究

云制造环境下,用户的服务请求日趋复杂化、个性化.针对该特性,如何在云制造环境下对供应商进行加工任务组合就显得尤为重要.考虑各企业加工时间、企业间物流时间、加工成本、企业间物流成本、产品合格率、服务领先性、历史评价得分等属性,建立了多属性拍卖模型.同时根据不同客户偏好,通过层次分析法求出各属性权重,给出各服务方案的得分函数.最后通过给出算例,结合优化的粒子群算法对该模型进行求解,确定合作供应商,从而证明了该模型的有效性和实用性.     

基于改进自适应权重多目标粒子群算法的分布式电源优化配置

根据配电网和分布式电源相关特性,建立考虑多种约束条件下配电网网损最小、分布式电源成本最低、电网电压稳定性最好的多目标优化数学模型。该文提出一种改进自适应权重多目标粒子群算法对配电网进行分布式电源优化配置,相较于传统的多目标粒子群算法容易陷入局部最优,以及单目标算法只能给出单一配置方案,该方法在保证得到更接近全局最优解的同时提供一系列可供选择的方案(一组Pareto解集)。采用不同算法对IEEE 69节点算例进行求解计算,仿真结果充分证明了算法的优越性,为配电网中分布式电源配置提供了更为灵活的可行性方案。     

基于自适应的配电网分布式电源优化配置研究

针对分布式电源接入配电网引起的电压越限和电能质量下降等问题,提出了一种具备自适应特性的分布式电源优化配置方法. 建立了光伏、风电两种典型分布式电源的数学模型,分析其功率输出特性. 构建了同时考虑发电成本、环境成本、有功网损折算成本三项指标的分布式电源优化配置模型. 针对多目标函数和多约束条件的优化配置模型,应用自适应粒子群算法求解,实现学习因子和惯性权重自适应调整以提高算法的寻优性能,由此得到分布式电源的最佳接入位置和容量. 最后,以IEEE33节点配电系统为例进行仿真验证. 结果表明,自适应粒子群算法与传统粒子群算法和混沌粒子群算法相比,求解得到的优化配置方案可达到更好的供电可靠性和经济性要求.     

基于粒子群算法的装配规划研究

根据复杂产品装配规则问题的特点和要求,提出了一种粒子群装配优化算法.该方法采用干涉矩阵作为优化解的几何搜索空间.以重定向次数、工具更换次数、装配类型改变次数作为装配成本评价指标,实现了对装配过程的多目标优化.并得到最优装配规划序列.通过实例时算法的有效性进行了验证.     

基于改进MOPSO的煤炭企业内部供应链优化研究

针对煤炭企业内部供应链优化的高维、非线性问题,构建了以企业利润最大、客户满意度最高为目标函数,以各原煤矿井的原煤生产量、洗煤厂的洗选品种与洗选数量、客户对于企业的重要性、客户对于煤炭品种与规格以及数量和质量要求、煤炭到达目的地的运输方式等准则为约束条件的煤炭企业内部供应链优化模型.面向优化模型求解的难题,在传统粒子群优化算法(PSO)基础上,提出了一种改进的多目标粒子群优化算法(MOPSO),该算法在供应链优化方案生成时可以避免长时间的无效搜索,提高粒子群优化算法的求解效率.通过该方法对某煤炭企业内部供应链多目标优化模型进行仿真分析与计算,验证了该方案的正确性和有效性.     

多角色多策略多目标粒子群优化算法

针对粒子群算法在解决复杂多目标问题时存在过早收敛和多样性不足的问题,提出多角色多策略多目标粒子群优化算法(MOPSO_RS). 该算法根据粒子的角色划分指标,给不同性能的粒子赋予不同角色;提出多策略的学习参数调整方法和多策略的全局最优粒子选取方法,帮助种群执行各种搜索策略. 不同的学习参数使各角色粒子获得不同的搜索策略,以调整粒子的探索和开发能力. 不同的全局最优粒子使各角色粒子搜索不同区域,提高种群的搜索效率. 为了避免算法陷入局部最优,引入带有高斯函数的变异算子,使粒子根据其角色朝向不同的全局最优粒子变异,提高算法的求解精度. 实验结果表明,对比其他改进多目标算法,MOPSO_RS具有良好的收敛性和多样性,并验证了所提策略的有效性.     

基于混沌粒子群算法的车间作业调度优化

为提高车间作业调度效率,提出一种基于混沌粒子群算法的车间作业调度优化方法。首先以机器加工时间最短为优化目标,建立一个多约束的车间作业调度数学模型,然后采用粒子群算法对其进行求解,并通过采用混沌机制保持粒子多样性。仿真测试表明,混沌粒子群算法可以获得车间作业调度方案,具有一定应用价值。     

改进粒子群算法的装配序列规划方法

针对装配序列规划问题的特点,重新定义应用于连续空间优化的粒子群算法的各种相关操作,并对粒子群算法的更新公式及粒子优化进行改进,提出面向装配序列规划问题的改进型离散粒子群算法。构建邻接矩阵、干涉矩阵和支撑矩阵,描述零部件之间的装配关系。建立包括可行性、重定向性、稳定性、连续性和聚合性为评价指标的适应函数,实现多目标优化。以安全阀装配序列规划实例验证了改进粒子群装配序列优化算法的有效性。     

车辆钢板弹簧的多目标可靠性稳健优化设计

为提高车辆钢板弹簧的安全性和稳健性,运用可靠性稳健优化设计理论和多目标思想,为车辆钢板弹簧建立一个可靠性稳健优化设计的高维多目标模型。为提高模型的求解精度,利用层次分析法选取粒子群算法中的全局极值和个体极值,提出了基于层次分析法的多目标粒子群算法。与传统方法相比,利用该算法进行可靠性稳健优化设计高维多目标模型求解,简便易行并能迅速准确地得到车辆钢板弹簧的可靠性稳健优化设计信息。     

基于模糊偏好的多目标粒子群算法在库存控制中的应用

针对多目标库存控制中决策者对目标偏好的不确定性问题,定义了模糊偏好的效用函数,提出了一种基于模糊偏好的多目标粒子群优化算法的求解方法.该方法在改进的双极偏好粒子群优化算法基础上,引入模糊隶属度函数,给出了模糊偏好效用函数的计算方法;利用该函数对得到的非支配解集进行效用评价,以效用评价值作为选取优化方案的依据.针对连续盘点(r,Q)多目标库存控制模型,仿真实验表明:该方法有效地解决了决策者对库存总成本、年平均缺货率和年平均缺货量目标偏好的不确定性问题,为决策者提供了优化的库存控制方案.     

基于遗传算法的电火花加工电参数优化模型

电火花加工中电参数的选择对加工结果有很大影响，其影响程度难以用精确的数学模型来表示，针对这种情况，提出了一个基于遗传算法的电火花加工电参数的优化模型；它模仿熟练操作者的决策过程，利用遗传算法从工艺数据和加工实例中抽取出反映电参数和加工结果之间关系的模糊产生式规则，当有新的加工要求时，基于这些模糊产生式规则，通过模糊推理就可以提供一组合适的电参数，从而实现了电参数的优化。     

创成式CAPP系统中工艺规划过程的建模

首先给出创成式ＣＡＰＰ系统中的工艺规划过程,然后应用数学优化,专家系统与ＯＤＢＣ建模的技术与方法建立了创成式ＣＡＰＰ系统中的特征排序、工步排序、工艺创成,知识库推理、数据库管理问题的模型,创成符合车间作业资源能力的零件工艺路线,实现了ＣＡＰＰ系统系统中的工艺优化。     

人工鱼群算法在孔群加工路径优化中的应用研究

将人工鱼群算法应用于孔群加工路径优化的研究,建立以最短加工路径为目标的路径优化数学模型,阐述算法实施的具体过程并进行算例分析。结果表明,该方法求最优解的性能优于Hopfield算法、进化蚁群算法、人工免疫算法以及改进的遗传算法,获得的最优路径可以节省71.47%的行走路程。     

基于TSP的孔群加工路径优化算法

建立以孔群加工最短路径为优化目标的数学模型,采用蚁群算法与2-OPT算法相融合的优化方法,研究了模具顶针板孔群加工刀具路径优化问题.结果表明,该融合算法加快了收敛速度,可有效避免陷入局部最优解,加工优化路径比贪心算法缩短12.34%,比基本蚁群算法缩短14.78%,即有效缩短了加工路径,减少了空走刀时间,提高了数控加工效率.     

基于未确知测度理论的地下金属矿山合理产能优选

基于未确知测度理论建立矿山合理产能优选模型,选择矿山合理产能最优方案。选取年利润等5个指标体系建立未确知测度模型,对可供选择的7个方案优选结果表明,最优方案为,矿山年产金属量15万t,年利润13.5亿元,年成本5.3亿元,全员生产率1650.6t/人,万吨通风量4.8m3/（万t·s）,服务年限11a。所得结果同灰色局势决策优化方法评价结果一致,证明未确知测度理论评判方法可靠。     

多因素影响下基于Bagging-NSGAII的数控铣削稳定性预测与优化研究

数控机床铣削过程中出现的颤振失稳,是限制数控机床加工效率和加工质量的关键因素。铣削稳定性与工艺参数、工艺系统动力学特性密切相关,而工艺系统动力学特性又随加工位置、刀具悬伸量的变化或刀具的更换而变化。因此,针对多因素影响下的铣削稳定性预测和无颤振工艺参数选择问题,本文以数控机床各向移动部件位置、刀具直径、刀具悬伸量和切削参数为变量,提出一种基于引导聚集算法(Bagging)与带精英策略的快速非支配排序遗传算法(NSGA-II)的切削稳定性预测与工艺参数优化方法。该方法首先采用正交实验设计离散数控机床的工作空间,在每个加工位置对不同悬伸量下的刀具进行锤击实验,由此得到各把铣刀对应的刀尖点频率响应函数;然后,在不同工艺参数方案下进行铣削稳定性理论预测,进而引入Bagging算法建立以各向运动部件位置(x, y, z)、刀具直径(d)、刀具悬伸量(h)、主轴转速(n)、切削宽度(ae)、每齿进给量(fz)为输入的极限切削深度(aplim)预测模型;在此基础上,采用该Bagging模型作为铣削稳定性约束,以加工位置和工艺参数{x, y, z, d, h, n, ap, ae, fz}为优化变量,建立最大材料切除率和刀具寿命的多目标优化模型,采用NSGA-II算法求解该模型得到Pareto最优解集,并结合熵权法和优劣解距离法(TOPSIS)选出Pareto解集中的最佳解。以一台三轴立式加工中心展开实例分析,所建极限切削深度Bagging模型的预测误差为2.99%,且铣削加工实验表明获取的{x, y, z, d, h, n, ap, ae, fz}最优配置可实现稳定铣削,验证所提方法的可行性和有效性。     

机加零件质量预测与工艺参数优化方法

为了有效利用机加零件工艺信息和检测信息,提出基于机器学习算法的质量预测与工艺参数优化方法. 以集成工艺信息和检测信息的基于模型定义（MBD）模型为输入,通过对三维建模软件的二次开发实现参数提取,并建立结构化数据集. 利用多种机器学习分类器构建基于工艺参数与质量分类标签的质量预测模型. 结合信息增益算法对所有工艺参数进行优先级排序,筛选出对质量影响最大的工艺参数;开发质量预测与工艺参数优化工具集,利用梯度提升树模型优化对质量影响最大的工艺参数. 以某航空企业提供的铣削实验数据验证所提出方法的有效性和可靠性. 验证结果表明,该方法能够较好地实现机加零件的质量预测和工艺参数优化.     

基于表面质量的小型精密零件切削工艺优化

为了提高小型精密零件在切削过程中的表面加工质量,以小型精密零件的表面粗糙度为目标函数,设计并实施了一系列小型精密零件的切削加工试验.采用单因素试验法分析了切削深度、切削速度及供给量等工艺参数对目标函数的影响,运用多元线性回归分析法建立切削工艺参数与目标函数的关系模型,从而获得最佳工艺参数组合并进行试验验证.结果表明,切削速度与切削深度对表面粗糙度为负向影响,供给量为正向影响,经优化参数组合加工工件的表面粗糙度均匀性较好,产品表面质量得到了较大改善.     

机器人加工系统累积误差逐级闭环优化策略

针对机器人加工系统的误差累积问题,提出逐级闭环优化策略. 构建以激光跟踪仪、机器人基坐标系和末端工具坐标系组成的核心闭环,以激光跟踪仪、末端工具坐标系、视觉测量坐标系和工件组成的辅助闭环,以激光跟踪仪、视觉测量坐标系和末端工具坐标系组成的相关性闭环. 基于3个闭环独立优化,构建神经网络模型,以数据驱动的方式融合闭环优化结果,提高系统闭环优化的稳定性. 仿真实验结果表明,利用该方法有效地减小系统累积误差,提高机器人末端工具的定位精度,有助于指导后续的样机实验和加工应用.     

基于虚拟加工的数控车削过程优化

为了优化车削加工过程,提高加工效率,提出基于虚拟加工技术预测实际切削参数,采用数控程序优化实现数控切削过程优化的方法.应用轮廓多边形的工件模型表示法,研究车削过程中瞬时切削深度和切削速度的获取算法,进一步利用优化算法和数控程序修正,实现数控车削过程的优化.实际切削实验和分析对比表明:加工时间显著缩短,充分利用了机床加工能力,优化后的切削过程得到了改善,提高了加工效率。