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。     

发动机异常检测多目标优化方法

针对柴油发动机异常检测中的特征选择和分类器参数与检测精度之间的耦合关系,提出了一种基于非支配排序粒子群优化的柴油发动机异常检测封装式多目标同步优化方法.利用双树复小波包的分解与重构,对发动机振动信号进行时域、频域和时频域多角度特征提取,构建了较完备的特征参数集,分析了故障诊断中特征选择与分类器参数优化对检测精度的影响,运用非支配排序粒子群优化算法对多个优化目标进行协调和折衷处理,同时追求特征参数子集维数最小化和分类正确率最大化.实验数据分析表明,该方法能够寻找出最优的特征子集和分类器参数,提高柴油发动机异常检测的精度和效率.     

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。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

结合性能评价的多目标价值链设计

企业间集成如供应链管理、虚拟企业、网络化制造等,都是旨在面向顾客的价值增值,减少产品或者服务的周期时间,降低成本．提高质量,以提高权益相关者的市场竞争力和运作性能,这些都需要有效的价值链设计。价值链的运作质量与价值链上节点的组织配置情况有密切关系。价值链配置质量是对价值链运作质量的预测,提出了价值链配置质量的解析描述方法,它由平均的理想配置贴近度和基于信息熵的配置均衡性两部分组成。建立了综合考虑时间、成本和质量的可量化和不可量化指标的多目标价值链优化模型,采用混合型NSGA算法,求解这类决策变量较多的多目标优化问题。计算结果表明,价值链配置质量的解析描述方法和混合型NSGA算法,对于按照经营性能需求动态设计价值链有较好的效果。     

集成供应商选择的产品族设计多目标方法

为避免将产品族设计和供应商选择过程分割而导致不可行或非最优的产品开发方案,以及从多角度对产品族优化设计方案进行评估和权衡,提出一个集成供应商选择的产品族设计多目标优化方法,并建立了一个以最大化产品族总利润和最小化产品族生产风险为多目标的优化模型。在该模型中考虑了产品情感属性对消费者选择行为的影响,以更准确地分析消费者的购买偏好、实现产品族的优化过程。针对优化问题,采用非支配排序遗传算法对模型进行求解。通过实际案例说明了所提优化方法和求解算法的可行性和合理性。     

升沉补偿系统多目标构型优化

升沉补偿系统是海洋作业的重要保障装备,影响着海洋作业的稳定性和安全性。随着多样性任务需求的增加,结构多样、适用于不同量级的升沉补偿系统从工厂走向市场,补偿效率不再是评价升沉补偿系统好坏的唯一标准。在对升沉补偿系统工作原理分析的基础上,确定了优化的对象为补偿装置构型、液压泵数量和蓄能器数量,并获得了基本解集。在多目标优化阶段,以可靠性、成本和补偿效率为目标函数,通过非支配排序获得Pareto优化解集,最后通过层次分析法对Pareto优化解集中的每个构型进行打分,获得最优构型。     

结构多目标拓扑优化设计

为了研究结构多目标拓扑优化设计方法,引入了数学规划法的相关理论,分别采用最短距离法、平方加权法、规范目标法、线性加权法和折衷规划法建立了五种不同的目标函数,将多目标拓扑优化问题转化为单目标拓扑优化问题。通过在一个优化实例中验证这五种方法,结果表明五种方法均能解决多目标拓扑优化问题,其中线性加权法在提高结构刚度方面贡献比较大,而折衷规划法更能提高结构的固有频率。     

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。     

水射流加工中过程参数的多目标优化设计研究

针对水射流切割工艺中过程参数的优化选择进行了研究,考虑切割速率和比能消耗两个目标函数,采用改进非支配排序遗传算法(NSGAII)研究了多目标优化设计问题。根据Pareto最优解形成决策矩阵,基于信息熵法得到属性的权重,利用逼近理想解的排序方法(TOPSIS)进行多属性决策。讨论了一个木材切割过程中参数优化的算例,分析了喷嘴直径、间隙、压力等参数对切割速率和比能消耗的影响。综合采用多目标优化和多属性决策技术,可以迅速选择生产过程中的系统参数。