汽车门板焊接路径的多种群自适应融合蚁群优化

为了减少汽车车门焊接路径的长度、提高车门的焊接效率，提出了基于多种群信息素自适应融合蚁群算法的焊接路径规划方法。对车门焊接路径规划问题进行了描述，并建立了其优化模型。将基本蚁群、蚁群系统、最大最小蚂蚁系统组成多种群算法，给出了基于信息熵的子群路径多样性度量方法和基于相对熵的子群间差异性度量方法，参考子群路径多样性自适应确定了子群交流时机，依据子群间差异性自适应确定了子群的交流和融合对象，从而提出了多种群信息素自适应融合蚁群算法。将多种群信息素自适应融合蚁群算法应用于车门焊接路径规划，并于文献^[11]的自适应蚁群算法进行对比，这里所提的多种群信息素自适应融合蚁群算法规划路径的最优值、平均值和耗时均小于文献^[11]的自适应蚁群算法，验证了多种群信息素自适应融合蚁群算法在车门焊接路径规划中的优越性和适用性。     

汽车产品审核中智能评价缺陷技术的研究与应用

在对汽车的审核中,一项重要的工作就是对汽车的缺陷进行分析和评价。目前,汽车缺陷的评价主要依赖具有专业技能的审核员根据缺陷状况主观地评定缺陷的等级。这种对主观的强烈依赖性导致了缺陷评价的不确定性,审核员甚至无法准确地判定某些缺陷所属的等级。本文提出了一种智能评价技术,它综合利用本体、神经网络、模糊集等技术,很好地实现了由缺陷状况描述到缺陷评价的映射。文中还提出了实践工作中使用的汽车缺陷智能评价模块,它由缺陷描述、数据标准化、智能评价3个子模块组成。文中重点介绍了基于分级混合神经网络的智能评价技术,实验和实践证明,分级混合神经网络非常适合于定性定量输入并存的智能评价系统,它能以较小的计算代价实现对汽车缺陷的客观评价,有效地减少主观性导致的评价不确定性,从而使对汽车的评价更科学、评价结果更有价值。     

面向Job Shop调度的算法融合方法研究

提出一种算法融合方法,解决单一算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量。在融合方法中,采用遗传算法和蚁群算法进行并行搜索;根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种邻域选择方法的禁忌搜索算法作为局部搜索算法,加强了遗传算法和蚁群算法的局部搜索能力。采用算法融合方法构造的优化算法对13个难解的benchmarks问题实例进行求解,在较短的时间内,得到的十次实验结果的makespan最优值和平均值优于并行遗传算法(PGA)和TS算法。采用算法融合方法构造的优化算法具有较强的搜索能力,说明提出的算法融合方法是有效的。     

基于熵权TOPSIS方法的整车动力学性能多目标优化

为提高汽车行驶平顺性和操纵稳定性等整车动力学性能优化匹配效率,提出基于TOPSIS(Technique for ordering preferences by similarity to ideal solution,TOPSIS)方法的设计变量筛选策略。首先建立考虑下控制臂和扭转梁柔性的整车刚柔耦合虚拟样机模型,并通过下控制臂和扭转梁自由模态试验以及整车行驶平顺性和操纵稳定性实车道路试验验证所建整车刚柔耦合模型的正确性。采用试验设计方法研究下控制臂和扭转梁各结构参数分别对前后悬架性能的影响程度,提出基于熵权法和TOPSIS方法的结构综合贡献系数计算方法,以此为评价指标筛选出对悬架性能影响较大的结构参数作为整车性能匹配优化的设计变量,结合Kriging近似模型和NSGA-II算法(Elitist non-dominated sorting genetic algorithm,NSGA-II)对整车行驶平顺性和操纵稳定性进行多目标优化设计,获取Pareto最优解集,并确定出前后悬架系统的优化方案。研究结果表明,与优化前相比较,悬架系统优化后的整车行驶平顺性和操纵稳定性均有所提高,能够实现汽车性能的整体改善。     

基于递进式蚁群算法求解多目标汽车制造排程问题

描述了多目标汽车排程问题的模型,提出了一个整体解决策略,即利用不同生产阶段间的缓冲区,通过基于改进的蚁群优化算法,实现多目标汽车队列优化以及有限柔性下的队列二次优化,递进式地求解该问题。提出运用蚁群算法解决以降低喷漆清洗成本和“重要选装件”使用率均衡为目标的汽车队列优化问题;设计了候选集—蚁群算法求解环形油漆车身缓冲区结构约束下的汽车队列二次优化问题。算例分析结果表明,提出的整体解决策略及算法具有有效性和优越性。     

大吨位汽车起重机起重性能计算方法研究

起重性能参数是指导汽车起重机安全作业的关键参数之一,针对汽车起重机多参数约束下寻优的起重性能计算问题,进行了系统性的结构理论综合研究,给出了汽车起重机臂架强度、刚度、整体稳定性、局部稳定性、整车倾翻、伸缩变幅油缸稳定性等计算算法。构建了包括13类评价指标和由臂架、超起、变幅油缸和整车倾翻四个子系统组成的结构性能安全的综合安全评价体系。在算法基础上,建立了起重性能计算的优化模型。将不同的评价指标进行归一化处理,形成归一化指标集合,对集合元素取最大值得到性能总控制指标,提出了基于拉格朗日算法的起重性能数值迭代计算算法。该算法在迭代过程中,能同时进行计算起重量和幅度的调整,加速迭代收敛速度。计算实例结果表明:该方法收敛速度快,计算精度高,算法稳定可靠。为后续的汽车起重机起重性能计算软件开发奠定理论基础,相关算法也可为大吨位起重机结构设计和产品优化提供理论参考。     

浅谈过程审核在汽车整车制造企业中的应用

本文介绍了过程审核的关键要素,通过对关键要素的控制,如过程审核时机的选择、审核人员的确定、审核前准备、审核过程注意要点、不符合项整改等,来提高过程审核效率,为汽车整车企业发展保驾护航。     

基于改进蚁群算法的汔车混流排产优化技术研究

汽车排产问题是混流装配线运行中的关键问题,首先采用生产平准化要求对汽车混流排产问题进行建模,然后建立基于蚁群算法的排产优化求解方法.针对初始信息缺乏的现象和可能产生的寻优过程停滞,采用局部搜索产生较优解作为蚁群算法的初始解并引入精英策略对蚁群算法进行改进.最后通过标准算例和实际算例验证了该方法的有效性和优越性.     

7桥混连油气悬架车辆建模及多目标优化

为获得某7桥登高车油气悬架的最优性能,设计了同侧并连+对侧交连的油气悬架混合耦连方案,并建立了整车20自由度非线性动力学模型,联合仿真分析车辆的平顺性和稳定性。通过层次分析法和极差变换标准化处理,建立包含车辆平顺性和稳定性两评价指标的优化函数,首次采用改进蚁群算法进行油气悬架系统参数优化运算,并与遗传算法参数优化结果对比。仿真对比结果显示,改进蚁群算法优化结果能够更好地抑制车身垂向-侧向耦合振动,对车辆平顺性和稳定性的改善效果较遗传算法提高了约10%。平顺性试验结果表明：加权加速度均方根较优化前大幅降低,证明了改进蚁群算法对于油气悬架参数优化问题的可行性和有效性;试验值与仿真值最大误差仅12.35%,验证了理论模型的正确性。     

一种基于信息素传递的GIS网格任务处理算法

本文在分析蚁群算法模型缺陷的基础上,提出一种与真实蚁群系统更加相符的基于信息素传递的蚁群算法,并提出了一种适合该算法的任务分配网格模型,该网格模型能对GIS海量数据进行有效的处理.并进行实验分析验证了其独特的效果.     

基于熵权法的液压液污染度模糊综合评价

针对目前液压液颗粒污染度评价标准评价结果代码个数多,不能结合系统对不同尺寸颗粒敏感程度信息等问题,提出应用熵权模糊综合评价模型进行液压液污染度评价。利用熵权法将系统对不同尺寸颗粒敏感程度信息和数据本身所蕴藏的信息量转化为不同尺寸颗粒的权值,并采用模糊综合评价模型汇总各尺寸颗粒的污染度情况和权值,以“正常”、“警告”、“异常”的形式输出最终评价结果。利用该方法评价了某特种船舶某型甲板液压设备液压介质的污染度,评价结果证明该方法可行且直观明了,更重要的是结合了具体系统对不同尺寸颗粒敏感程度信息,评价结果更加科学准确。     

多层指标权重信息不完全的产品绿色度评价方法研究

针对评价指标的层次性及权重信息的不完全性，提出多层指标权重信息不完全的绿色度评价方法。该方法规范化处理低层指标，逐级向上综合，最终得出产品的绿色度评价指数。对于任意一层指标，以前一级的评价指数为基础，结合该层指标权重的不完全信息，建立只有输出指标且含有偏好信息的数据包络分析（DEA）模型，求出平均交叉效率，并将其作为该层的评价指数。最高层的评价指数即为产品绿色度的量化指标。     

直角坐标机器人设计方案的多层次模糊综合评价

针对直角坐标机器人设计方案评价问题,文中借助于层次分析法的思想提出了一种新的计算权系数的方法。通过运用MATLAB软件进行计算,实现对多个评价指标权系数的合理分配,并与模糊评价法相结合,使方案评价更为科学、客观。     

基于熵函数与离差最大化的客观赋权法研究

针对大型机械设备安全评价中评价指标客观权重随加权方法的选择而变化的问题,提出一种基于熵和评价对象离差最大化的客观综合赋权模型。该模型将不同客观赋权法得到的权重向量视为指标真实客观权重向量的离散随机变量,将权重系数定义为权重系数的概率函数的随机变量,考虑不同客观加权方法得到的权向量的不确定性和实际目标权向量的一致性要求,基于熵函数获取权系数的约束方程;针对权重与对象评价值的关系,将评价对象离差的最大化作为上述权重系数约束函数的补充,构建客观综合赋权模型,使获取的指标客观权重仅与其携带的原始信息相关,极大的提高了大型机械设备安全评价的客观性。算例验证了该模型的合理性和有效性。     

基于改进AHP-Fuzzy的二手车性能综合评估研究

研究二手车的性能综合评估问题,确定较为全面合理的评估指标体系。针对传统AHP的不足,提出采用三标度法及最优传递矩阵来构造判断矩阵,直接求出评价指标的权重,避免对判断矩阵的一致性检验和调整。建立基于改进AHP-Fuzzy的二手车性能综合评估模型,将仪器检测和专家打分两种方法相结合来实现定量和定性指标的模糊综合评价。在一定程度上解决二手车性能评估的模糊性问题,计算过程科学简便,为二手车的价格评估提供科学的参考依据。     

基于设计公理的敏捷制造单元设备选择模型与应用

机床设备选择是敏捷制造单元构建的关键性技术之一。为克服现有机床设备选择模型缺乏理性的系统化的分析过程、评价指标的量化程度不够等缺点,本文运用独立公理从用户需求出发兼顾质量(Q)、时间(T)、成本(C)建立了敏捷制造单元设备选择的层次化决策模型,使决策过程层次清晰,指标间关系明确,并最大程度避免了决策冲突问题;运用改进的信息公理建立了决策过程中的评价模型,兼顾了用户满意度和系统能力,实现了评价指标最大程度的量化;最后利用案例分析对所建模型的有效性和可行性进行了验证。     

基于实例推理的企业动态联盟伙伴选择与优化模型

将基于案例的推理方法运用于动态联盟伙伴企业选择与优化系统中,建立了伙伴企业选择系统的模型,具体讨论了方案库和评价结果库的建立,提出了基于灰色关联理论和模糊集理论相结合的相似度计算方法,从而可以准确地检索到相近案例,提高了伙伴企业选择的效率和准确性.     

基于企业建模的产品CAPP信息共享研究

由于产品CAPP信息的复杂性,在基于Web的产品CAPP信息共享系统中很难建立适用于大多数企业的CAPP信息共享模型。本文提出了一种基于企业建模的解决方案,并在企业建立的模型和企业产品数据库中建立映射,通过CAPP信息采编器实现企业CAPP共享信息的自动采集、管理与发布。最终的共享产品CAPP信息以XML为储存载体按照企业模型进行组织,便于后续的产品信息裁剪及客户化定制。     

基于神经网络和遗传算法的液压机上梁轻量化和刚度优化设计

提高刚度和轻量化是液压机设计中重点研究的内容。针对传统设计方法难以解决上梁刚度和轻量化之间的矛盾问题,提出了基于神经网络和遗传算法的液压机上梁轻量化和刚度优化设计方法。在液压机设计过程中,建立了上梁有限元分析的参数化模型。采用正交试验设计安排试验方案,获取试验数据。以试验数据为训练和检测样本,建立了设计参数与刚度和质量目标之间的非线性映射关系的神经网络模型。运用NSGA-Ⅱ遗传进化算法对神经网络模型进行优化,在指定参数区域内找出设计参数的Pareto最优解集。结果表明:该方法对于液压机上梁的多目标优化具有明显的效果。     

A ranking method based on DEA and PROMETHEE II (a rank based on DEA & PR.II)

In this paper we present an integrated Data Envelopment Analysis-Multiple Criteria Decision Aid (DEA-MCDA) model which can be applied to increase the discrimination power of DEA. The aim is to restrict weight values of a DEA model by using tools from MCDA. This model leads to more reasonable inputs/outputs weights while in classic DEA models, some inputs/outputs may be characterized by very low or high weight values. To achieve this goal we use the stability intervals based on PROMETHEE II (Preference Ranking Organization METHod for Enrichment of Evaluations) as weight constraints in DEA. Furthermore, the unicriterion net flow scores matrix is used instead of the initial evaluation matrix. By doing so, we already integrate preferential information in the DEA process. By construction, the best results are compatible with the PROMETHEE II ranking. Additional comparisons with the outputs of other decision making techniques are provided based on two examples.