基于多目标遗传算法的直升机总体参数优化设计

应用多目标优化问题中Pareto最优解集的概念,提出了一种基于多目标遗传算法的直升机总体参数优化设计方法。算法引入了个体的序和密度的概念,改进了变异操作算子,使用精英策略,确保能够搜索到具有较高贴近性、均匀性和完整性的Pareto解集。以UH-1H直升机为优化算例的计算结果表明:多目标遗传算法适用于解决多目标优化问题,能够改善Pareto解的质量和均匀性分布。     

基于多目标非支配解提取法的电力系统无功优化

针对传统的电力系统多目标粒子群优化算法采用权重系数法将多目标转化为单目标,从而忽视了各目标函数间的竞争关系这一问题,提出将非支配解提取法运用到电力系统多目标无功优化中,并设定了一套提取规则,以电力系统中的有功网损、电压偏差和电压稳定裕度为目标,使目标在充分竞争的情况下得出Pareto最优解,利用IEEE-14节点系统对多目标非支配解提取法的电力系统无功优化进行了仿真测试。研究结果表明,该算法一次运行可以得出多组非支配解,既有偏向单个目标的解也有兼顾所有目标的解,克服了权重系数法的盲目性和单一性,可使电力决策者根据实际问题选择最优解,具有较好的灵活性与多样性。     

基于改进的非支配排序遗传算法的模块化产品多目标配置优化研究

在产品族模块化设计的基础上,应用模糊数学评价理论与最小二乘法,构建了以产品性能、成本及出货期为目标函数的配置优化数学模型,并采用基于改进的非支配排序遗传算法对三者进行并行优化.由此获得一系列基于Pareto最优集的配置方案来满足不同客户对产品性能、成本及出货期的要求,解决了客户需求侧重点对产品设计结果的适应性处理.最后,结合项目实施,给出该方法在机床制造业中的典型应用实例,验证了文中提出方法的有效性和适应性.     

基于GA的多约束的多目标排序优化

主要论述了一种解决多约束多目标排序优化的方法.采用在Pareto遗传算法中嵌入优先级约束的检索和调整程序,以保证参与变异和交叉的染色体的有效性.研究结果表明此方法可提高寻优效率.     

基于改进非支配排序遗传算法的涡旋压缩机动静盘选配

涡旋压缩机的装配质量的好坏,最终由动静盘的装配间隙来体现,现有的装配方法无法同时满足轴向和径向的间隙要求,导致压缩机的装配率低,装配质量不佳。为了解决这一问题,将快速非支配排序遗传算法(NSGA-Ⅱ)应用于动盘与静盘的选择装配。根据各装配要求建立了多个目标函数,设计了动静盘选配算法。该算法能够实现多目标优化,运行一次可以得到多个分布均匀的Pareto最优解,决策者可以根据实际需要进行选择。实例证明:该方法实现了轴向间隙和径向间隙的同时优化,也能够使得剩余零件最小化,很好地完成各装配目标。     

基于iSIGHT的鼓式制动器多目标优化设计

以鼓式制动器效能因素最大和制动鼓体积最小为目标,对鼓式制动器进行多目标优化设计,利用iSIGHT集成的多目标优化遗传算法,得到多目标优化问题的Pareto最优解集,再利用Pareto最优解集专用后处理工具EDM,找到最合适的折衷解.     

基于改进非支配排序遗传算法的多目标柔性作业车间低碳调度

为解决以设备能耗、刀具磨损和切削液消耗为碳排放来源,能耗和人工费用为加工成本的多目标柔性作业车间低碳调度问题,建立以最小化碳排放量、最长完工时间和加工成本为目标的低碳调度模型,提出一种改进带精英策略的非支配遗传算法(NSGA-Ⅱ)并进行求解。首先通过基于Tent混沌映射的编码与融合了层次分析法(AHP)的贪婪解码来动态调整染色体组成,提高初始种群质量;然后提出了一种基于遗传参数的自适应遗传策略,根据种群进化阶段与种群非支配状态动态调整交叉、变异率;最后设计了一种基于外部档案集的改进精英保留策略,提高了算法后期的种群多样性并保留了进化过程中的优质个体。通过标准调度算例与实际案例验证了改进算法的有效性。     

梯度蜂窝力学行为及其多目标优化设计

梯度蜂窝因具有优异的力学性能及耐撞性受到了广泛的关注。以蜂窝的耐撞性指标为优化目标,在梯度蜂窝的设计空间内,直接采用多目标优化算法确定梯度蜂窝每层的具体参数。采用多目标优化设计方法将会得到多组最优的蜂窝梯度参数,这些参数形成一个解集,根据蜂窝不同的应用场景,可以选取合适的梯度参数。以正六边形蜂窝为研究对象,将均质蜂窝分成4层进行梯度优化设计。将NSGA-Ⅱ算法推荐的梯度蜂窝与均质蜂窝进行对比研究,结果表明,梯度蜂窝可以在小幅提高总吸能(E_EA)与比吸能(S_SEA)的同时大幅改善初始峰值力(P_PCF),最大的改善程度达到78.51%,证明了采用这种方法进行梯度设计的优势。     

响应面和多目标遗传算法结合的副车架优化

为实现副车架设计过程中,质量和第一阶模态频率同时达到最优,在模态分析和三种工况副车架强度分析的基础上,首先应用Hyperworks进行了副车架参数化,建立了11个厚度尺寸变量。然后应用试验设计分析方法对尺寸变量进行筛选,去掉了3个对质量、最大应力和第一阶模态频率影响都不显著的因子,将基于移动最小二乘法构建响应面近似模型引入到副车架优化设计的复杂系统中。最后,基于副车架近似模型利用多目标遗传算法进行多目标优化,获得了副车架质量和第一阶模态频率的Pareto最优解。研究结果表明:通过获得的Pareto最优解的边界,可以指导副车架优化设计,将大幅缩减产品开发周期、降低产品开发成本。     

基于微型多目标遗传算法的薄板冲压成形变压边力优化

提出一种高效的薄板冲压成形变压边力多目标优化方法，该方法以减少冲压件的成形缺陷为优化目标，以变压边力曲线的特征参数为优化变量，采用自主开发的微型多目标遗传算法作为优化算法，并在优化过程中引入神经网络近似模型以减少数值模拟的次数，提高优化效率。通过NUMISHEET’93的U形弯曲标准模型和某车型前地板角支撑板冲压成形模型两个变压边力优化实例对该方法进行了验证。结果表明，该方法既能高效率地解决薄板冲压成形变压边力优化问题，又能仅通过一次计算就提供多组方案以满足对冲压件成形质量控制的不同需要。     

基于多目标遗传算法的水陆两栖可变形机器人结构参数设计方法

水陆两栖可变形机器人是一种兼具变形能力与两栖环境适应能力的新型移动机器人。在其机构设计中,结构参数直接影响该机器人在任务环境中的各项机动性能。针对水陆两栖可变形机器人工作环境复杂性和任务多变性,提出一种基于多目标遗传算法的机器人结构参数设计方法,以得到该型机器人在两栖环境中的最优的综合性能。在水陆两栖可变形机器人陆地环境和水环境中运动学和动力学模型基础上,建立两栖环境中机器人的机动性能指标函数与结构参数的映射关系,并在此基础之上构建面向水陆两栖可变形机器人的结构参数设计的多目标优化问题。利用多目标遗传算法得到该多目标机构参数设计问题的Pareto最优解集,并且通过组合赋权方法确定各目标决策属性的权重,从Pareto最优解集中得到符合设计要求的水陆两栖可变形机器人的各项机构参数最优解,进而指导机器人最终结构参数设计。根据最终得到的结构参数研制出水陆两栖可变形机器人样机Amoeba-II,并在两栖环境下进行样机的各项性能试验,最终验证了基于多目标遗传算法的机器人结构参数设计方法的有效性以及在机器人设计中的适用性。     

基于多目标遗传算法的双机器人协调焊接路径规划

对双机器人协调焊接复杂空间焊缝路径规划问题进行研究,提出了一种基于多目标遗传算法的焊接路径规划方案。通过分析影响焊缝质量及机器人运动平稳性的各 参数,建立了评价焊接路径的目标函数：焊接质量函数、机器人运动平稳性函数以及双机器人碰撞函数。利用多目标遗传算法对协调焊接路径进行求解,实现对双机器人最佳焊接路径的规划。以"马鞍形"空间焊缝为例,对双机器人协调焊接路径进行了试验验证。结果表明,该方案可实现双机器人协调焊接路径的规划。     

多目标遗传算法的混合动力传动系参数优化

对基于超级电容的混合动力客车(hybrid  electric bus,HEB)进行了混合动力传动系多目标参数优化设计。通过CRUISE建立HEB整车仿真模型和传动系多目标参数优化模型,以等效燃油消耗量和加速时间为优化目标,同时运用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)和iSIGHT优化软件对HEB传动系参数进行多目标优化,并进行了HEB性能仿真分析。结果表明,与优化前相比,优化后的等效燃油消耗量降低了
7.8%,连续换挡加速时间减少了6.5%。
     

基于遗传算法的制造网格资源调度方法研究

为有效地解决制造网格中的资源调度问题，提出了以任务流程时间、加工质量、流程成本和服务质量为目标的多目标优化数学模型。基于多目标优化数学模型，结合用户对目标权重的要求，设计了基于遗传算法的制造网格资源调度过程。同时，设计了基于影响度因子的相对适应度函数来消除目标非标准化误差。以一个复杂零件加工过程的资源优化调度为算例，验证了多目标优化算法的有效性。     

基于遗传算法的锻压机床多目标优化设计方法

提出了一种基于遗传算法的锻压机床优化设计方法,并基于该方法开发了一个以多目标参数优化系统为核心的优化设计平台。该设计平台综合运用了Pro/E的建模及分析计算能力和MATLAB的数学分析处理能力,使得在该优化平台上进行的优化设计既可以保证以精确的实体模型的分析结果为指导,又能基于遗传算法进行多参数多目标协同优化,从而提高了锻压机床的设计效率和优化效果。以某锻压机床为实例,验证了该平台的有效性和可靠性。     

基于模糊物元、遗传算法的行星齿轮传动多目标优化

作者采用模糊可靠性优化理论和物元分析法,以行星齿轮传动为研究对象,建立多目标模糊可靠性优化数学模型。通过改进遗传算子和模拟退火算法得到具有实值编码技术的改进型自适应遗传算法。在V isual C++环境下实现了行星齿轮传动参数优化。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

基于多目标遗传算法的扭转梁式后悬架分析与设计

通过推导扭转横梁的剪切中心,建立了某扭转梁式后悬架等效侧倾运动学模型,计算得到了前束角、轮距以及侧倾中心随侧倾运动时轮跳的变化关系。利用多目标遗传算法,将悬架横梁的位置、衬套中心位置作为设计变量,以车轮运动的前束角、轮胎侧向滑移量以及静态侧倾中心高度为目标函数对数学模型进行了优化,一次性获得了所有的非支配解。通过获得的Pareto解的边界,选择合适的悬架侧倾运动学特性,可以指导扭转梁式后悬架的设计,大幅提高扭转梁式后悬架的设计效率。