基于多目标遗传算法的电梯井道钻孔机器人轨迹规划

针对电梯导轨安装过程中繁多的钻孔操作，使用钻孔机器人代替人工作业。为提高钻孔机器人的作业效率和减少作业过程中的冲击振动，提出一种使用多目标遗传算法来优化钻孔机器人关节空间轨迹的方法。首先，使用七阶B样条曲线在钻孔机器人关节空间中进行插值；其次，以时间和冲击性能为优化目标，通过使用带约束处理的NSGA-Ⅱ算法对B样条的插值轨迹进行优化；最后，设计一种“综合比较算子”的轨迹方案选择标准来获取综合最优解。结果表明，使用带约束处理的NSGA-Ⅱ的轨迹优化方法获得的Pareto解集分布性和收敛性较好。与时间性能最优解和冲击性能最优解相比，综合最优解分别在冲击性能和时间性能上提升了66.7%和22.26%,表明使用综合比较算子获得的最优解在时间性能和冲击性能上都较为优良。     

多目标置换流水车间调度的改进食物链算法

针对目标函数为最小化最大完成时间和总延迟时间的多目标置换流水车间调度问题,提出了一种改进的食物链算法。该算法在食物链算法的基础上,引入基于Pareto最优解的快速非支配性排序和个体拥挤距离计算,增强了算法的寻优性能。对OR-Library三个典型算例的优化比较表明,该算法在解的质量上明显超越NSGA-Ⅱ算法。     

喷漆机器人喷漆工艺分析及优化研究

根据现今汽车行业的质量标准,分析了汽车喷涂工艺过程中的实际工作条件,建立带约束条件的多目标优化问题的数学模型,并选取用时最短和漆膜厚度方差最小为目标函数,利用非劣排序遗传算法（NSGA-Ⅱ）的优化方法,得到pareto最优解集。结果表明该优化算法能有效地解决多目标非线性约束优化问题。     

基于粒子群算法的工业机器人多目标最优轨迹规划

轨迹规划是机器人运动控制的基础,考虑以时间、能耗和脉动三方面为多目标最优,对工业机器人AUBO-i10的轨迹规划问题进行研究。基于D-H法建立机器人正运动学方程,并仿真验证正运动学方程的正确性,同时利用蒙特卡洛法对机器人工作空间仿真分析。针对运行时间、能量消耗和轨迹脉动多目标综合最优问题,根据五次多项式插值方法,在保证运动学约束下,提出多目标粒子群算法(particle swarm optimization,PSO)对机械臂轨迹规划进行优化,并进行仿真分析。仿真结果表明,提出的五次多项式插值方法在准确地构造平滑轨迹的同时,又能通过粒子群算法完成运动学约束下的多目标优化,得到理想的Pareto分布。最后,构造目标函数,获得符合要求的优化轨迹,解决了运行时间过长,能量消耗过多和脉动冲击过大的问题,从而保证机器人高效运动。     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法.采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进...     

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明：该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

多品种分批量冲压车间的耦合选择NSGA-Ⅱ调度优化

为了对多品种分批量生产的冲压车间调度方案进行优化,减少冲压车间的完工时间、加工成本和换模次数,提出了基于耦合选择NSGA-Ⅱ算法的冲压车间调度优化方法。对冲压车间的调度优化问题进行了数学描述,建立了多目标、多限制条件的优化模型。通过构造4基因链缠绕的染色体,将冲压车间调度优化问题转化为遗传算法的多目标搜索问题。在传统NSGA-Ⅱ算法基础上,将耦合选择策略引入到算法中,兼顾了染色体的优越性和多样性,从而提出了基于耦合选择NSGA-Ⅱ算法的调度优化方法。经验证,耦合选择NSGA-Ⅱ算法所得Pareto前沿解质量高于传统NSGA-Ⅱ算法所得Pareto前沿解质量。使用等权重系数法从Pareto解集中确定了最优解,与优化前相比,换模次数减少了52.2%,加工成本减少了18.4%,最大完工时间减少了40.0%,以上数据验证了耦合选择NSGA-Ⅱ算法在冲压车间调度优化中的可行性。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

工业机器人时间-能量-脉动最优轨迹规划

针对工业机器人时间最优、能耗最优、脉动最优等多目标的轨迹优化问题,基于非均匀有理B样条(NURBS)曲线矩阵表示法,提出一种最优轨迹规划方法。建立五次NURBS曲线数学模型,构造端点运动参数均可指定的高阶连续的关节运动轨迹,确保机器人的运动性能;在考虑机器人运动学约束的条件下,采用多目标粒子群优化算法(MOPSO)以工业机器人运行时间、能量消耗和轨迹脉动为目标对其运动轨迹进行优化,获得Pareto最优解集。对六自由度STANFORD机器人的仿真结果表明,提出的轨迹规划方法可以很好地构造平滑轨迹,MOPSO算法能够实现满足约束条件的运动轨迹多目标优化,得到理想的Pareto分布。最后,为方便期望解的选择,构造归一化权重目标函数,获得高阶连续的优化轨迹。     

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法（快速非支配排序遗传算法）来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
     

基于NSGA-Ⅱ算法的机械臂多目标轨迹优化

以HSR-JR612型机械臂为研究对象，针对机械臂运动过程中需满足时间消耗少、能量消耗低、平滑冲击小的问题，对其进行多目标轨迹优化研究。机械臂关节空间轨迹采用七次B样条曲线构造，采用具有精英策略的非支配排序遗传算法(NSGA-Ⅱ)，结合对机械臂的关节位移、速度、加速度和加加速度作出限制得到的约束条件，对机械臂轨迹进行优化，得到一组Pareto最优解集合。仿真结果表明，七次B样条曲线构造的机械臂关节空间轨迹速度、加速度和加加速度都连续平滑，保证了机械臂运动性能。在满足约束条件的前提下，NSGA-Ⅱ算法可对机械臂运动轨迹实现有效的多目标优化，获得一组理想的Pareto最优解集，并从中选取一个各项优化目标较为均衡的解作为多目标优化的最终解。     

基于NSGA-Ⅱ的刚柔耦合机械臂振动抑制轨迹规划

为抑制柔性臂的弹性振动及获得能耗较低的运动轨迹,提出一种多目标遗传优化算法和3-5-5-3多项式函数插值的轨迹规划方法。采用模态假设法建立刚柔耦合机械臂的动力学方程,获得运动轨迹与残余振动的关系。依据刚性二连杆机械臂的动力学方程计算系统的能耗。在轨迹优化过程中,以轨迹基准点的位移浮动值作为待优化变量,由初始、终止条件和中间插值点连续的关系,得出多项式的系数。运用NSGA-Ⅱ算法,获得待定变量的最优值,使得运动结束后机械臂残余振动和能耗达到最小值,通过数值仿真验证了这种抑制振动方法的有效性。     

基于动态加点Kriging模型的机床立柱多目标优化

为改善机床性能,提出一种将拉丁超立方实验设计、动态加点准则Kriging模型、NSGA-Ⅱ遗传算法相结合的多目标优化方法.通过特性分析表明机床立柱是整机静动态特性的薄弱环节,选取立柱尺寸参数为设计变量,通过拉丁超立方实验设计法抽取样本点构建机床立柱多目标优化的动态加点Kriging代理模型,利用NSGA-Ⅱ遗传算法对响应面模型进行寻优逼近得到Pareto最优解集,选择符合权重要求的一组数据作为优化结果.验证表明,机床整机前两阶固有频率显著提高,整机刚度得到加强.     

工业机器人最小代价的轨迹规划

提出了一种工业机器人的最小代价轨迹规划方法.将机器人的轨迹视为由机器人关节空间中一系列的关键点构成,关键点的两点之间通过3次样条曲线进行连接.使用加权系数法定义代价函数,从而使机器人在运动过程中的运动时间、消耗能量、奇异点的避让、关节加速度和关节二次加速度在某种程度上达到综合最优,同时考虑关节位置、速度、加速度、二次加速度以及力或力矩的约束条件.采用差分进化算法(DE)和基于精英策略的非支配排序遗传算法(NSGA-Ⅱ)来处理非线性约束的优化问题.斯坦福机器人(捡拾操作)的仿真结果显示,两种算法运行良好,然而DE算法比NSGA-Ⅱ收敛速度更快,解的质量更好.     

数控速度规划中的时间最优凸优化方法

针对数控高速高精加工中的速度规划问题,考虑速度、电机力矩和轮廓误差等约束条件,对以时间最优为目标的凸优化方法进行了研究。建立了包含轮廓误差等约束与速度平滑因子的完整速度规划模型,通过参数离散化使问题转化为静态最优问题。为改善求解效率并保证全局最优解,将离散规划模型中的复杂非凸目标函数和约束通过数学变换最终转化为凸优化问题,得到多项式时间的全局最优解。通过数值仿真实验验证了该方法的有效性,分析了平滑因子的影响与计算效率。     

基于惩罚函数法的时间最优机械臂轨迹规划

基于多项式插值的机械臂轨迹规划具有阶次高、凸包性质不够好以及计算复杂特点,传统优化方法难以对其进行优化,提出了基于惩罚函数法的时间最优机械臂轨迹规划方法。该方法首先以机械臂在静态环境下点到点的运动时间最短作为优化目标,以机械臂关节的角度、角速度、角加速度作为约束参数,利用5-5-7-5次多项式对关节空间轨迹进行插值,然后运用惩罚函数法计算多项式插值时间,最后得到关节的运动角度曲线、运动速度曲线、运动加速度曲线。将该方法应用于6自由度PUMA560机器人,结果表明,相较于优化前,优化后在关节的运动角度曲线、运动速度曲线、运动加速度曲线的平顺性变化不明显的情况下,关节运行时间明显缩短了,机械臂的运行效率提高了。     

基于NSGA-Ⅱ的多目标车间设备布局

车间设备布局问题具有多目标、多约束的特点。文中以物流搬运费用、非物流关系以及面积利用率作为优化目标,构建了车间设备布局的多目标优化模型。采用带精英策略的非支配遗传算法(NSGA-Ⅱ)进行模型求解,克服了传统加权法求解多目标问题时加权系数难以确定,无法保证多个目标同时优化的缺点。基于AHP和TOPSIS相结合的方法,从NSGA-Ⅱ求得的Pareto解集中,选出了最适合企业实际情况的布局方案,以一个实例证明了本方法的有效性。     

基于GABP和改进NSGA-Ⅱ的高速干切滚齿工艺参数多目标优化决策#br#

针对高速干切滚齿过程中的工艺参数优化决策问题,提出一种基于加工工艺样本预测和多目标遗传优化算法的工艺参数优化决策方法。基于实际加工工艺样本集,以改进的多目标遗传算法（improved NSGA-Ⅱ）为主体模型,以最大刀具寿命、最小加工能耗为优化目标,以加工质量、加工时间为约束条件,利用遗传反向传播算法（GABP）神经网络建立关于加工优化目标的预测模型,将其作为多目标优化模型的适应度函数;通过DBSCAN算法获取待优化滚齿工艺问题的相似样本集,建立多目标优化问题输入区间;构建面向待优化滚齿工艺问题的多目标优化模型,迭代搜索最优工艺参数集。     

基于自适应变换蝙蝠算法的机械臂轨迹优化

为了提高机械臂工作效率,同时减少能量损耗及所受冲击,提出了一种基于自适应变换蝙蝠算法（Adaptive transformation bat algorithm,ATBA）的轨迹优化方法。利用5次多项式插值建立机械臂轨迹模型,通过在标准蝙蝠算法（Bat algorithm,BA）的局部搜索中加入动态扰动系数,同时改进全局搜索与局部搜索的变换策略,得到了ATBA;将时间、能耗和冲击设为优化目标,对机械臂运动轨迹进行优化。对6自由度机械臂进行仿真分析,结果表明,该轨迹优化方法能有效地进行多目标寻优,得到理想的Pareto最优解集,通过实际工况构造归一化权重目标函数,选择期望解,较好地提高了轨迹、速度、加速度的平滑性及机械臂的运行效率。