基于模糊技术的制造单元构建方法研究

针对制造单元构建的问题特征,提出基于模糊C均值逻辑的制造单元构建算法。采用改进的减法聚类法产生初始聚类中心,防止陷入局部优化;提出制造单元构建专用的距离函数测定零件的相似性,避免欧几里德距离函数造成的对零件的错误聚类;采用最优迭代方案选择算法,避免因停止参数选择不当造成算法最终迭代方案不可行。通过对10组文献数据和90组随机产生数据的大规模测试和比较分析,表明了算法性能的优越性。     

基于遗传算法的可重构制造单元布局研究

可重构制造单元是可重构制造系统研究的重点,而单元的设施布局对制造单元的性能有着很大的影响.针对可重构制造单元布局提出了其特点与设计目标,建立多行设备布局的数学模型,最后对生产实际问题,通过遗传算法进行求解,证明方法的正确性.     

基于改进粒子群算法的制造单元构建方法研究

针对制造单元构建问题的特征,构建了以最小化单元内部及单元之间物流费用为优化目标,综合考虑设备单元分组和单元内设备具体排序的制造单元模型。同时,针对模型求解的复杂性,设计了改进粒子群算法,通过两种编码方式实现单元分割点和位置的有序统一,并对交叉算子进行非线性设计,使交叉概率随种群中个体适应度值的变化而自适应修正,防止了算法的局部最优。最后通过实际案例,验证了模型和算法的有效性。     

遗传算法在单元制造系统集成设计中的应用

本文基于单元制造系统集成优化模型,提出了实现单元地系统集成设计的遗传算法设计方案,并通过仿真实验验证了所设计算法的有效性。     

单元制造系统集成建模研究

单元制造作为一种先进制造模式包括单元构建、单元设计和单元管理三个方面。本文首先总结现有单元制造领域的研究现状和存在的问题。在此基础上 ,建立了同步优化单元构建、设备布置与成组排产的非线性规划模型 ,给出了基于遗传算法的模型求解方案。最后指出了今后研究的方向。     

基于遗传算法的网络化制造单元选择问题研究

为解决网络化协同制造过程中物理制造单元选择问题,提出一种改进的基于遗传算法的物理制造单元优化选择算法。算法采用整数编码,每个染色体代表一条可执行加工路线;为获取最优的可执行加工路线,以总的运行成本、运行时间和加工质量为优化目标构造目标函数;求解过程中,在每一代种群中计算出与每个染色体相对应的成本、时间、质量指标及目标非标准化对决策的影响度,进而利用影响度因子确定群体中每个染色体对最小运行成本、最小运行时间及最优加工质量的相对优属度,再利用相对优属度构造相对适应度函数,并求取相应的适应度函数值,减小了目标非标准化对优化结果的影响。最后给出了应用该算法处理复杂零件协同制造中制造单元选择的一个实例,以证明算法的可行性与有效性。     

基于制造单元的车间制造资源能力计算方法研究

为解决工艺规划过程中只能选取某一类型资源,而车间调度时无法获取资源动态能力造成资源负荷失衡的问题,提出基于制造单元的车间制造资源能力计算方法.该方法以制造资源能力模型为基础,采用"工时映射"和加工能力抽象方法,获得物理制造单元能力值,同时采用特征映射技术对逻辑制造单元进行规范化,最终通过物理制造单元和逻辑制造单元的匹配得到候选资源集.该方法对工艺变动和车间调度有良好适应性.     

基于专家系统的制造单元构建研究

提出基于专家系统构建制造单元的方案.在零件存在多工艺路线、工序存在多可选设备的基础上,综合考虑加工成本,加工时间、加工顺序、设备能力、物流最小等实际生产约束条件,以最短加工时间、最佳设备及单元平衡、最少跨单元加工、最小成本等作为重构优化目标,采用四轮分配设备、单元负荷平衡计算、跨单元物流成本计算的处理技术,实现了制造单元的快速构建,导出了零件集合及设备集合,并通过实例验证了算法的有效性.     

智能制造单元生产调度算法研究

针对智能制造单元的调度问题,建立了相关的数学模型,并提出了一种改进的遗传算法来求解该问题。在算法的初始过程中加入爬山算法来提高初始解的质量,并在交叉操作时,对机器选择部分染色体采用一种由当前种群最优个体指导交叉的方法来改进交叉算子,以扩大算法的搜索能力。最后采用一个实例对该算法进行仿真验证,结果表明其性能比传统遗传算法更优。     

制造单元平衡设计研究

文章阐述了制造单元的概念和布置形式,建立了用于储气桶制造单元平衡设计的数学模型.进而将数学模型转化成Excel表格的形式,在Evolver软件中设置目标函数及约束条件,并设定交叉算子及变异算子,通过遗传算法求解得到作业分配的最佳方案.     

基于遗传算法的信号识别技术

将遗传算法应用于识别气浮式动平衡测量装置准静态信号的参数 ,提出了二次磨光法的数据预处理方法。首先采用二次磨光法消除坏点并进行快速傅立叶变换以确定信号的频率成分 ,并设定各频率成分信号的幅值和初相位的取值范围 ,然后以实测信号与识别结果的差值定义适应度 ,最后经过基本遗传操作和迭代得出最优解。仿真结果和试验实例表明 ,提出的方法精度很高 ,幅值识别误差不超过 1% ,初相位误差小于 2° ,满足了实际工程需求。     

基于混合遗传算法的车间调度问题的研究

作业车间调度问题是最困难的组合优化问题之一，也是计算机集成制造系统中的一个关键环节，在实际生产中具有广泛应用。为此，提出了实现车间调度的混合遗传算法的设计方案，把遗传算法与模拟退火算法相结合，充分发挥遗传算法良好的全局搜索能力和模拟退火算法有效避免陷入局部极小的特性。通过实验验证了基于GASA混合算法的作业车间调度方法显著提高了搜索效率，改进了收敛性能。     

基于遗传算法的RGV动态调度研究

在巷道式自动化立体仓库中,环形轨道式导引小车系统(RGV)的效率是瓶颈.针对大物流量下RGV的动态调度问题,提出分组运输的方法,运用遗传算法把任务分配给各RGV,并针对具体问题提出了实用的编码方法.通过物流仿真软件eM-Plant比较了分组方法和先来先服务(First-come-first-serve)方法的效果,验证了模型的有效性.最后研究了RGV数量、出入货站台的数量以及每组任务数对产出量的影响,得到了相关的仿真数据,为环形轨道式导引小车系统的实际规划建设提供了可靠的依据.     

基于改进遗传算法的机床主轴径向回转误差分离技术研究

以提高精密机床主轴回转误差的测量精度为研究目标,基于四点法矩阵算法,采用多圈重合式方法对主轴回转误差测量中的传感器输出数据进行处理。为提高传统遗传算法的收敛速度,降低优化结果对初始值的依赖性,对交叉和变异概率因子列式进行更新,并使用改进遗传算法对传感器安装角度和输出权值系数进行优化。使用改进遗传算法,收敛速率较传统遗传算法提高50%左右。利用多功能斜轨数控车床进行主轴径向回转误差测量及分离实验,分离后的标准芯棒形状误差值与标定值相比,误差在5%以内,且误差重复性低于5%。结果表明分离的结果精度较高,从而验证提出的算法的正确性和可行性。     

基于多岛遗传算法的轴承精超工艺多目标优化

为提高角接触球轴承内圈沟道精超加工精度及效率,利用ISIGHT优化软件对角接触球轴承内圈沟道精超工艺进行了多目标优化研究.首先通过正交试验得到一组样本点;然后采用二次多项式响应面法建立以工件转速、油石压力、油石摆动频率及超精时间等主要工艺参数为输入变量,以轴承内圈沟道表面粗糙度和沟道圆度误差为输出变量的多目标优化代理模型;最后,基于多岛遗传算法对多目标优化代理模型进行优化,得到一组最优精超工艺参数组合及结果预测值.试验结果表明:经过优化得到的表面粗糙度值比优化前的表面粗糙度值降低了15.244％,沟道圆度误差值比优化前的圆度误差值降低了14.87％,并且加工效率提升了21.43％,优化效果显著.     

基于混合遗传算法的Job-Shop调度问题的研究

Job-Shop调度问题是最困难的组合优化问题之一,由于其固有的计算复杂性,一般无法利用经典解析算法求出最优解。结合实际生产情况,建立了Job-Shop调度问题的模型,并基于遗传算法与局部搜索启发式算法相结合的混合遗传算法的思想给出了求解此模型的算法过程。     

基于改进遗传算法的电极优化方法的研究

针对经典遗传算法在实际优化计算中由于早熟导致种群中个体样本多样性下降,影响优化进程及最优解质量等弊端,提出改进的遗传算法。通过引入种群秩的定义,从而实现对种群多样性的定量评估。通过综合判断函数的引入,实现了对早熟的准确判断。通过优秀个体选择策略及对种群等参数进行合理的处理,实现了优化效率的整体提升。通过电极优化的实例验证,证明该算法的正确性、可行性。     

基于混合遗传算法的车间调度问题研究

利用遗传算法(GA)和模拟退火算法(SA)求解该问题近优解的有效性和实用性,提出一种实现车间调度的混合遗传算法(GASA),给出了一个新的编码方法,并建立了相应编码的解码规则.对初始温度的确定方法和获得适应度函数的方法进行了探讨.基于LA16调度问题,分别利用该方法和单纯遗传算法及模拟退火算法进行了模拟仿真计算,计算结果表明该混合算法克服了单纯遗传算法和模拟退火算法在车间调度优化方面的不足,具有较高的鲁棒性.     

基于面向对象遗传算法的柔性车问调度研究

针对柔性车间作业调度问题,基于面向对象思想设计了一种遗传算法.该算法将实际操作封装成基因类,工件封装成工件类,机床封装成机床类,调度方案封装成染色体类,基于堆栈思想设计了染色体的创建方式,提出了全新的染色体解码方式及变异方式.通过仿真实例证明了该算法的有效性和实用性.