金属波纹管结构的协同优化设计方法

本文探索一种将成形工艺应用于产品结构设计的协同优化的创新设计方法.基于成形工艺分析对结构优化的各目标函数进行约束和限制,以金属波纹管最小整体刚度和最小重量为优化目标建立优化模型,采用改进型多目标粒子群进化算法优化获得非优劣解集,并基于成形工艺分析对结构优化的各目标函数进行约束和限制建立的成形工艺优选方案进一步筛选最佳结构优化设计参数组,获得满意的优化结果.算例优化结果表明新方法能有效逼近实际在用波纹管结构设计,从而为用户提供更为实用和直观有效的设计方案.     

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

基于PSO的波纹管结构完整性设计

作为工程上应用广泛的波纹管,其结构完整性设计即是在满足疲劳寿命、强度、稳定性、刚度、生产工艺及补偿量的条件下,设计合理的波纹管结构参数.以单位重量下波纹管的补偿量最大为目标,建立波纹管结构完整性优化设计模型,采用优化领域的最新研究方法一粒子群算法(PSO)实现其结构参数优化设计.并给出了具体应用算例,其结果显示使用方法设计出的波纹管性能比在用的波纹管性能更佳,表明提出的波纹管结构完整性优化设计模型正确,使用PSO法求解波纹管结构优化设计高效、可行.     

基于诱导法曲率的非对称弧齿锥齿轮多目标优化

为提高非对称弧齿锥齿轮的设计效率及质量,依据微分几何、弹性流体动力润滑理论、弧齿锥齿轮设计理论与方法及可靠性设计理论,建立以齿间最小油膜厚度、可靠性及大小齿轮等强度原则为约束,以齿面诱导法曲率主值最小和锥齿轮传动总体积最小为目标函数的约束多目标优化设计数学模型;借助于粒子群多目标优化算法,利用Matlab编制优化程序,通过范例进行优化设计。根据齿轮啮合原理和现代磨擦学原理分析诱导法曲率主值对齿面接触强度和抗胶合承载能力的影响。研究结果表明,利用粒子群多目标优化算法和得到的设计参数,能有效地提高弧齿锥齿轮传动系统的承载能力,保证传动系统的可靠度,明显降低重量和体积,获得性价比较佳的弧齿锥齿轮传动产品。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

改进粒子群算法的行星齿轮系统多目标优化研究

在行星齿轮多目标优化中,传统粒子群算法(PSO)与自适应权重粒子群算法(APSO)在复杂约束下不易收敛或易陷入局部最优。为此,提出改进的自适应权重粒子群算法(D-APSO)并进行行星齿轮高功率密度的多目标优化设计,以最小体积、最大传动效率和最小中心距为多目标优化函数,综合考虑行星齿轮传动的边界协调条件,利用惩罚函数法处理约束条件,对目标进行D-APSO算法下的优化计算。结果表明:D-APSO算法在优化求解效果和速度上明显优于传统PSO算法和APSO算法,在满足行星齿轮系统承载性能的条件下,使行星齿轮系统具有更小的体积及中心距,并表现出更优的传动效率。     

扩展拉格朗日乘子粒子群算法解决工程优化问题

工程上很多优化问题,如容器设计、波纹管、板翅式换热器的结构优化设计等,皆为非线性约束优化设计问题,常采用惩罚函数法处理约束条件;为获得问题最优解,该方法需要合理确定初始惩罚因子,且需要动态惩罚因子无穷大。扩展拉格朗日乘子法是一种改进的惩罚函数法,可以克服惩罚函数法的不足,获得全局最优解,但目前对其研究和应用有限。对拉格朗日乘子法与粒子群算法相结合处理非线性约束问题进行研究,提出惩罚因子更新策略,确定扩展拉格朗日乘子粒子群算法合理的操作过程。标准测试函数结果显示：提出的方法及策略实现了扩展拉格朗日乘子粒子群算法解决非线性约束问题,并得到了问题的全局最优解;其在容器及波纹管系列优化设计中的应用进一步显示,提出的方法在处理非线性约束工程实际问题时,运行稳定可靠,可快捷获得问题的全局最优解或近似最优解。     

基于粒子群算法的永磁电机优化设计

将粒子群算法应用到永磁电机的多目标优化设计。利用Matlab脚本语言跨平台调用电磁场分析软件Ansoft Maxwell,建立永磁电机设计的参数化建模方式,实现多目标优化设计。实验表明脚本化建模及多目标优化的可行性,能直接应用到电机的设计制造中。     

微分进化多目标优化算法研究

对现有的微分进化多目标优化算法做了进一步的研究,揭示了其在机械工程领域中应用存在的问题。在此基础上,对现有的微分进化多目标优化算法进行了修正,给出了基于微分进化算法、适用于机械工程领域的约束多目标优化算法。与目前普遍采用的粒子群多目标优化算法进行了比较,并通过颇具典型意义的双圆弧齿轮传动约束多目标优化范例进行了验证。研究结果表明,该方法比粒子群多目标优化算法具有更好的非劣解的多样性和收敛性,快得多的收敛速度,且程序设计简单、易懂。为机械工程领域约束多目标优化设计提供了一种切实可行的设计算法。     

面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

企业资源优化与优化模型

讨论了企业资源优化问题的基本概念和特性，综述了学术界为实现企业资源优化所做的努力，提出了一个基于供应链结构、能够实现制造类企业资源优化的企业资源优化模型。该模型能描述制造企业复杂的物料清单关系，进行详细的物流与能力平衡，可对产品组合、库存控制、外协加工等进行优化。模型可以取代传统企业资源计划系统中的主生产计划、物料需求计划和能力需求计划模块，成为企业资源优化系统的核心模块。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

MATLAB优化工具箱在机械优化设计中的应用

研究了以人字架机构的质量最小为目标函数,应用现代优化设计理论技术建立其优化设计模型的方法,详细论述了MAT-LAB优化工具箱在机械优化设计中的应用,特别是对MATLAB优化工具箱中的有约束规划应用给出了比较详细的介绍。优化结果表明该设计方法对于解决机械优化设计问题非常有效。     

基于Labview非线性最优化的机械优化设计

采用Lab VIEW平台及最优化函数模块编程对机械轴销进行优化设计,介绍带约束的非线性最优化函数的使用方法和利用该函数编程优化的一般步骤,并用传统的优化工具验证结果,论述Lab VIEW在机械优化设计中的实用性。     

基于仿真优化的多种类型AGV数量配置优化方法

以生产线产能最大化为目标,以生产工艺、AGV路径、调度规则等为约束条件,建立了以AGV的数量为决策变量的数学模型来描述AGV的数量配置问题。针对该问题的复杂性,提出了基于仿真的优化方法。该方法利用仿真模型模拟AGV运行状态,并通过遗传算法确定AGV的配置数量,有效地提高了模拟的精确度与优化的速度。最后通过空调装配车间实例验证了该方法的有效性和可行性。     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

改进鲸鱼优化算法及涡轮盘结构优化

涡轮盘是航空发动机的核心零件,通过智能优化算法对涡轮盘结构进行优化,降低涡轮盘质量,有助于提升推重比。研究并改进了新型鲸鱼优化算法对涡轮盘截面进行结构尺寸优化。改进的鲸鱼优化算法中创新引入差分变异策略,交叉操作和常规变异策略以增强鲸鱼优化算法跳出局部最优解的能力。特别地,以改进的鲸鱼优化算法（Decomposition evolution based whale optimization algorithm,DEWOA）为例对Isight平台进行二次开发,与Isight平台中的五种算法和基本鲸鱼优化算法就八个单目标测试函数进行了对比,在均值和方差等指标验证了改进算法的稳定性和寻优性能。而且,将结合改进鲸鱼优化算法的Isight优化模块组件与有限元分析方法在Isight平台中集成为全自动化优化流程,对航空发动机涡轮盘进行结构优化,并与其他四种算法的涡轮盘结构优化结果进行对比。实验结果表明改进的鲸鱼优化算法对涡轮盘减重达26.09%,超过自适应模拟退火算法减重比2.24%,超过多岛遗传算法减重比5.29%,超过鲸鱼优化算法减重比1.94%,落后于指针自动优化算法减重比0.39%,但改进的鲸鱼优化算法收敛速度更快,达到最优解的代价更小,表明了改进鲸鱼优化算法在工程实际问题上的实用性和通用性。     

多目标优化方法在机构优化中的应用

介绍了多目标优化分类方法,并较详细的分析了几种典型多目标演化算法优缺点。列举了在机构分析中的应用实例。总结了各种算法在机构分析过程中的使用情况。在实际的优化过程中,各种算法都有其自身的缺陷,因此如何利用更有效的手段解决多目标优化问题具有非常重要的意义。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。