基于遗传算法和神经网络的冷挤压工艺参数模糊优化设计

将模糊优化思想引入冷挤压工艺参数优化设计,以冷挤压模具的四个关键工艺参数为设计变量,以最终挤压件的各处材料的损伤值为目标函数,建立了冷挤压工艺参数模糊优化模型。提出了利用神经网络进行材料损伤近似计算的策略,从而形成了基于遗传算法和神经网络的冷挤压工艺参数模糊优化方法。对冷挤压工艺参数模糊优化模型进行了求解,优化结果表明模糊优化思想能提高冷挤压工艺设计质量。     

基于神经网络和遗传算法的三维打印工艺参数优化

分析了粉末材料三维打印(three dimensional printing,3DP)过程中影响成型精度的因素,采用试验的方法确定打印过程中的三维制件的收缩率范围。以"H"型工件为标准,建立了基于神经网络(neural network,NN)的制件尺寸精度误差和打印工艺参数之间关系的模型。以制件最小尺寸误差为目标,采用遗传算法(genetic algorithm,GA)对3DP中的工艺参数如饱和度、层厚和X、Y、Z这3个方向的收缩补偿值进行优化,获得了相应的打印工艺参数。采用3DP默认的打印参数、打印参数的最小值、最大值以及NN-GA得到的参数进行对比试验。结果表明:采用NN-GA获得的工艺参数打印的制件的尺寸误差最小,可以预测3DP成型制件相对尺寸误差。     

基于神经网络和遗传算法的卫星结构参数优化

针对卫星结构要求总质量轻小、一阶固有频率较高的特点,建立了卫星结构多目标优化的数学模型,通过BP神经网络和遗传算法相结合进行参数优化,并编制了相应的计算程序,既利用了神经网络的非线性映射、网络推理和预测功能,又发挥了遗传算法的全局优化特性,得出了合理的优化结果,与传统的结构优化方法相比,此方法效率较高,精度良好.     

基于遗传算法的切削工艺参数优化

在遗传算法的基础上，提出了解决切削工艺参数优化问题的通用方法和策略，编写了仿真计算程序。仿真计算结果表明：所提出的优化方法是有效的，并能获得优化问题的近优解。同时，优化方法可与智能制造集成进行自动工艺规划。     

基于神经网络和遗传算法的高速铣削工艺参数优化的研究

基于高速铣削正交试验,利用神经网络高度的非线性映射能力和遗传算法的全局寻优能力,建立了铣削力、铣削温度和表面粗糙度的BP神经网络仿真模型,在对它们进行优化的基础上获得几个主要因素的最优搭配。     

基于遗传算法的高速铣削工艺参数优化研究

在高速铣削加工中,考虑机床和工件加工的实际约束条件,为合理选择高速铣削工艺参数,建立了最大生产率和最低加工成本的优化目标数学模型。以铣削速度、进给量、铣削深度、铣削宽度为工艺参数的优化变量,提出了基于遗传算法的高速铣削工艺参数优化方法,为高速铣削加工提供了理论依据。     

基于神经网络建模和遗传算法的线切割工艺参数模糊优化

针对电火花线切割加工工艺难以获得更优异的工艺参数（如同时得到更快的切割速度和更好的表面粗糙度）等问题，先以神经网络建立模型，然后结合遗传算法和模糊理论求解此多目标优化问题，得到优化的工艺参数。结果显示。取得了较好的效果。     

基于RBF神经网络和遗传算法的油膜附水滴切削参数优化

为了优化油膜附水滴切削工艺参数,降低切削力,减少刀具磨损和提高切削加工质量,结合神经网络和遗传算法,基于MATLAB软件对切削试验数据进行训练.通过构建径向基函数RBF和反向传播BP神经网络模型,并对切削力和表面粗糙度综合加权后综合目标进行预测.对比两种模型的精度后,选择更精确的RBF神经网络模型.利用遗传算法GA优化...     

基于神经网络注塑成型工艺参数优化

采用BP神经网络建立注塑成型工艺参数与注塑制品收缩率之间的网络模型,并通过试验数据对成型工艺参数进行优化。     

基于改进遗传算法的机器人去毛刺工艺参数优化

传统人工去毛刺方法存在工作环境恶劣、劳动强度大、质量一致性差等问题,以机器人为代表的去毛刺自动化装备得到了广泛关注。由于去毛刺工艺过程复杂,影响因素众多,难以通过理论分析推导工艺参数,根据经验制定相关参数值。针对机器人去毛刺工艺参数优化数学模型的求解,提出了一种集成模拟退火的改进遗传算法,种群选择采用Metropolis抽样,有效解决了遗传算法易局部收敛的问题,搭建了机器人去毛刺测试平台,开展了工艺参数优化验证。测试数据表明与经验方法相比,单位长度毛刺去除耗时缩短,效率明显提升。     

基于神经网络和遗传算法的身管多目标优化

身管结构的优化通常涉及到刚度、重量等多个目标,为了节省优化迭代过程中大量有限元计算的时间,以均匀试验的样本数据为输入,采用神经网络和遗传算法相结合的方法对火炮身管结构进行优化。采用模糊设计方法建立多个优化目标,通过权重将其转化成单目标,并在传统方法的基础上进行改进,采用权重优化的方法来确定权重,建立了基于神经网络和遗传算法的权重优化模型,从而克服了传统上确定权重方法主观性大的问题;在此基础上,进行基于神经网络和遗传算法的身管结构优化的求解。经算例验证表明,该方法可以获得较好的优化结果,并能大大提高身管结构优化的效率。     

弹性磨具曲面磨抛多目标工艺参数优化研究

硬质合金曲面工件磨抛加工时,影响因素较多且存在耦合,磨抛效率低且质量不稳定。为在工件表面实现高效磨抛,同时降低磨具磨损,以M300钢为研究对象,通过分析其与弹性磨具的接触区域特征来建立曲面磨抛的材料去除函数模型,并通过实验验证模型的可靠性。通过单因素实验方法研究磨具的转速、切入深度、进给速度、粒度工艺参数对材料去除率、磨具磨损和工件表面粗糙度的影响规律。利用正交实验和灵敏度分析法确定各个评价目标的优化参数组合和多目标的优化参数区间。实验结果表明,利用该优化参数区间,工件表面质量有所改善,磨具磨损有所减轻。     

基于BP神经网络和遗传算法的变耦合系数型时栅结构优化

为了提高变耦合系数型时栅感应信号的强度,选取其转齿和定齿间气隙宽度(L1),定子齿宽(L2),转子与定子齿宽比(L3)和齿厚度(L4)4个参数,通过ANSOFT有限元仿真结合正交试验设计,获得感应信号训练样本.选用基于LM算法的BP神经网络对样本进行训练,建立输入与输出间的非线性映射关系.将训练好的神经网络作为遗传算法目标函数求解器进行全局寻优,旨在获得最优参数组合.     

蜗杆砂轮磨齿加工参数优化

以蜗杆砂轮磨削加工20 CrMnTi齿轮为研究对象,选择均匀设计试验法,研究磨削参数(砂轮线速度vs、砂轮沿齿轮轴向进给速度vw、磨削厚度ap)对齿面粗糙度的影响.采用二级逐步回归方法建立磨削参数与齿面粗糙度的回归模型,构建了以加工效率、齿面粗糙度为多目标的优化模型,采用粒子群优化算法对磨削参数进行了优化.试验结果表明...     

基于神经网络的齿轮传动遗传算法优化

以一对齿轮机构分度圆柱体积之和最小为优化目标，建立了优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题，故通过神经网络方法拟合待求系数，结合遗传算法，应用manab遗传算法工具箱寻求最优解，使求解过程得到简化，确保可靠地获得全局最优解。     

机床横梁结构神经网络与算法优化研究

通过正交试验法确定网络训练样本,在MATLAB中利用神经网络对有限元分析得出的样本数据建立了激光切割机横梁结构设计参数与各输出参数的非线性全局映射,利用模糊解法得到多目标优化模型的目标函数,并通过遗传算法对激光切割机横梁进行结构优化。仿真结果表明,采用基于神经网络和遗传算法,并与模糊解法相结合的多目标优化技术,可实现激光切割机横梁结构设计的优化,使得横梁的质量和刚度得到改善。     

基于遗传算法的加工参数优化的研究

为了避免选择过于保守的参数值,科学合理地选择切削加工参数,提高生产效率,根据实际的生产条件,以机床、刀具和材料等情况为约束,建立以最高生产效率为目标的函数,运用遗传算法进行参数的优选,为新机床、新工艺确定最优的切削参数。     

机器人研磨抛光工艺研究与实现

机器人研磨抛光工艺研究建立在大量机器人磨抛试验的基础上.本文针对加工对象--有机玻璃,在满足被加工工件质量的前提下,确定了机器人研磨抛光加工时磨片的合理使用顺序、规划加工路径和安排正交试验,以获得机器人磨抛加工的最优工艺参数组合,并制定机器人磨抛的加工策略.最后通过机器人研磨抛光加工实例,进一步验证了机器人的研磨抛光工艺知识有其合理性.