遗传算法在焊接领域的优化与应用

焊接是一个瞬时性、高度非线性的过程。基于此,优化设计已涉及到焊接设计的各个领域。遗传算法作为一种智能化拟自然的优化方法,是求解非线性全局最优解的有效手段,已应用于焊接优化的各领域。本文在对焊接优化相关文献研究的基础上,阐述了焊接各个领域里遗传优化现状及其应用前景。     

交互式挤压模具智能优化设计系统研究

在高效无敏度智能优化算法及挤压成型过程数值模拟的基础上,结合刚—黏塑性有限元模拟、神经网络、遗传算法,提出一种交互式挤压模具智能优化设计方法。并利用面向对象编程技术C++语言,在VC++6.0程序开发器上开发出了界面友好、自动化程度高、模块通用性好的交互式挤压模具优化设计系统,实现了挤压过程中模具设计多种目标的优化控制,并详细阐述了系统的结构功能、关键技术及应用实例。由于数值模拟、人工神经网络和遗传算法属于非耦合算法,通用性较强,该系统适用于金属塑性成形各种领域的优化设计。     

基于遗传算法的气压传动系统优化设计的改进研究

利用遗传算法对气压传动系统进行优化设计是一种新型的优化设计方法。但应用标准遗传算法使整个优化过程计算量大，计算时间长；且优化过程中有时会出现系统参数不匹配的情况。因此，本文采用以最优遗传算法参数代替原有参数、用聚类算法减少适应度计算量及预优化三种方法对算法进行了改进，结果证明改进后的算法运行速度明显快于原算法，并且优化结果更加合理。     

采用混合智能方法评估球墨铸铁摩擦焊接接头的抗拉强度(英文)

采用混合智能方法评价球墨铸铁的最佳摩擦焊接工艺参数。在自动循环中使用支持向量回归(SVR)、遗传算法(GA)和帝国竞争算法(ICA)优化焊接工艺参数。该方法被用来确定焊接工艺参数,得到了理想的球墨铸铁摩擦焊接抗拉强度。在加热力40kN,加热时间300s,顶锻压力10.12kN条件下,使用SVR加上GA方法得到了最高抗拉强度为256.93MPa。将摩擦焊接样品进行拉伸强度测试,并比较了采用混合智能方法得到的优化值与实验结果。结果表明,混合智能方法可以使ZT14型摩擦焊机拉伸强度从211MPa增加到258MPa。     

基于遗传算法的数控车床智能整体方案优化设计

研究并提出了一种基于遗传算法的数控车床智能整体方案优化设计方法,讨论了这种采用多层次结构描述的知识进化算法在数控车床整体方案设计中应用的实现技术,避免了标准遗传算法过早收敛于局部解,给出了数控车床整体方案优化设计实例,为多层次结构产品智能方案设计打下良好的基础.     

并行组合模拟退火算法在集成块孔道网络优化设计中的应用

针对遗传算法和模拟退火算法在求解大规模组合优化的NP-hard问题上的不足,提出利用并行组合模拟退火算法对液压集成块孔道网络进行优化设计.建立了集成块孔道网络优化中带性能约束的多目标优化数学模型,提出了布线顺序的处理策略,用并行组合模拟退火算法实现了对液压集成块孔道网络连通自动寻优的设计.实例设计结果表明:该方法简单、可靠,具有较高的精度,适合集成块优化设计.     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合，成功地应用到LFB算法中，利用遗传模拟退火混合算法的全局优化搜索能力，得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论，为钣金件排样系统的开发提供一种实用的算法。     

溢流阀调节弹簧遗传优化设计

本文应用遗传算法，对溢流阀调节弹簧进行优化设计，给出了其优化模型和算法。应用结果表明，该算法是解决调压弹簧优化设计问题的有效算法。     

基于神经网络的焊接接头力学性能预测平台

基于神经网络建立焊接接头力学性能预测平台,可实现合金钢、钛合金及铝合金焊接接头力学性能预测。预测内容包括抗拉强度、屈服强度、伸长率以及断面收缩率等。同时可以分析参数变化对接头力学性能的影响。算法核心主要是应用遗传算法优化Back-Propagation神经网络连接权,其具有很好的全局搜索特性以及不易陷入局部最优化,同时应用既有高斯-牛顿法的快速收敛特性,也有梯度下降法的局部搜索特性的LM算法,使预测结果具有很好的泛化性能和较高的预测精度。     

基于模拟退火的遗传优化算法在TSP问题中的应用

TSP问题一直属于NP难题,目前解决TSP问题方法很多,如模拟退火算法、遗传算法以及Hopfield网络神经方法等.以上这些方法在解决TSP问题时各有优缺点,本文结合了模拟退火算法和遗传算法提出了一种新的组合优化算法,即基于模拟退火的遗传优化算法.此算法的核心思想是将遗传优化算法嵌入到模拟退火算法中,利用模拟退火算法的接受准则和随机状态产生函数来产生遗传算法的种群,然后根据遗传优化算法的结果反过来制约模拟退火的随机状态产生,从而最终得到最优解.本文首先对此方法的流程和基本步骤进行了详细的论述,然后采用C语言进行编程,对20个城市的TSP问题进行了优化求解.对结果分析可认为此种方法在解决TSP问题时存在一定的优越性.     

优化排料算法的研究现状与趋势

分析了目前该研究领域出现各种各样的优化排料算法及各自的优缺点。通过阐述排料的影响因素和研究算法时需要考虑的几个约束条件,按矩形和不规则两大类部件分别介绍了优化排料算法的研究现状,最后提出了今后在该领域有发展潜力研究的方向。     

基于粒子群算法的冒口优化设计

为有效节约金属材料,提高经济效益,降低生产成本,根据补缩原理和生产实际,以冒口的体积最小为目标函数,运用粒子群算法和Matlab语言,对冒口直径、冒口高度、冒口颈直径等冒口尺寸进行了优化设计,优化仿真结果表明,在保证铸件质量的前提下,冒口的体积比常规的模数法设计结果减少了11.77%,优化效果十分显著,表明了粒子群算法应用于铸造行业的优化设计可行.     

Simulation-based twist drill design and geometry optimization

Designing a high-performance twist drill is difficult due to the complex relationship between drill geometry and numerous and conflicting design goals. Earlier approaches of computer-aided twist drill design are limited to only few design aspects. This article presents a new holistic method of using computing power for twist drill design and optimization. A complete drill geometry model is used to obtain drill performance characteristics and to ensure functional capability. Numerical simulation models calculate structural stiffness and strength, torque and thrust force, coolant flow resistance, chip evacuation capability and chip flute grindability. A multi-objective geometry optimization is realized by implementing metaheuristic optimization algorithms. As a result, a numerical overall optimization of twist drill performance is possible.     

基于粒子群算法的U型装配线平衡问题研究

针对给定节拍最小化工作站数的第一类U型装配线平衡问题,提出了一种改进的粒子群算法.由于粒子群算法不能直接用于求解离散空间的组合优化问题,故文章采用基于优先权的粒子群算法来求解,通过对任务赋以的权重的大小来选择任务,并具体说明了粒子速度和位置的更新.最后,对大量测试问题集进行了验证,说明了算法的有效性.     

多机器人系统布局与时间协同优化

多机器人系统能可靠地完成单机器人无法完成的高效性作业,已成为构建智能产线的研究热点。但是在协同优化和时间成本上还存在许多问题。针对多机器人装配系统布局优化问题,在分析ABB机器人系统的正逆运动学理论和构建多机器人模型与数学建模的基础上,提出了基于粒子群算法的多机器人系统布局优化方案,并采用MATLAB进行逆运动学求解。通过仿真实验验证了粒子群算法的有效性,该方法可减少多机器人系统的运行时间,节时13.48%,显著提高系统的运行效率,对以后多机器人系统任务分配以及路径规划的研究具有重要意义。     

基于高质量和低振动的铣削参数优化方法研究

针对数控铣床在切削过程中产生的振动对工件表面质量的影响,提出以低振动和高表面质量为优化目标,对切削参数进行优化。以VDF-850A铣床为研究对象对45号钢进行铣削正交试验,通过建立振动采集系统,采集振动信号提取振动特征值并测量工件表面粗糙度值,应用最小二乘法拟合数据建立了振动和粗糙度数学模型。利用层次分析法确定两目标函数权重,使用平方和加权法对两目标函数加权拟合成综合目标评价函数,运用粒子群算法优化切削参数。试验结果表明:应用粒子群算法优化后的切削参数进行加工可有效的降低振动和提高表面质量。     

汽车磁流变阻尼器多目标优化分析

为了改善汽车的被动安全性能，提出将一种单杆单筒式磁流变阻尼器应用于汽车前部吸能结构中。提出以修正Bingham塑性模型（BPM模型）为理论基础，以最大阻尼力和可调范围为优化目标，运用modeFRONTIER自带的非支配排序遗传算法（NSGA II）对所采用的磁流变阻尼器结构参数进行多目标优化分析。优化结果表明：最大阻尼力和可调范围成反比，所用的优化算法不可能使两个优化目标同时达到最优，只能在众多前沿解中选择符合条件的优化解。优化后的磁流变阻力器磁场分布更加集中合理。     

Multidisciplinary optimization of gas-quenching process

Distortion as a result of the quenching process is predominantly due to the thermal gradient and phase transformations within the component. Compared with traditional liquid quenching, the thermal boundary conditions during gas quenching are relatively simple to control. By adjusting the gas-quenching furnace pressure, the flow speed, or the spray nozzle configuration, the heat-transfer coefficients can be designed in terms of both the component geometry and the quenching time. The purpose of this research is to apply the optimization methodology to design the gas-quenching process. The design objective is to minimize the distortion caused by quenching. Constraints on the average surface hardness, and its distribution and residual stress are imposed. The heat-transfer coefficients are used as design variables. DEFORM-HT is used to predict material response during quenching. The response surface method is used to obtain the analytical models of the objective function and constraints in terms of the design variables. Once the response surfaces of the objective and constraints are obtained, they are used to search for the optimum heat-transfer coefficients. This process is then used instead of the finite-element analysis. A one-gear blank case study is used to demonstrate the optimization scheme.     

Novel methodology for casting process optimization using Gaussian process regression and genetic algorithm

High pressure die casting (HPDC) is a versatile material processing method for mass-production of metal parts with complex geometries,and this method has been widely used in manufacturing various products of excellent dimensional accuracy and productivity. In order to ensure the quality of the components,a number of variables need to be properly set. A novel methodology for high pressure die casting process optimization was developed,validated and applied to selection of optimal parameters,which incorporate design of experiment (DOE),Gaussian process (GP) regression technique and genetic algorithms (GA). This new approach was applied to process optimization for cast magnesium alloy notebook shell. After being trained,using data generated by PROCAST (FEM-based simulation software),the GP model approximated well with the simulation by extracting useful information from the simulation results. With the help of MATLAB,the GP/GA based approach has achieved the optimum solution of die casting process condition settings.