基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于粒子群算法的双工位切削参数优化

本文研究了多工位专用机床的切削用量优化问题.以双工位同时工作的钢轨整形机为实例,建立了以进给速度和主轴转速为优化变量,以最低能耗为优化目标的数学模型,并使用粒子群算法进行优化求解,最后通过与现场使用经验参数的实际加工能耗对比,表明该优化方法获取的加工参数具有明显的节能效果.     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

基于粒子群优化算法的航天器惯性参数辨识

在地面上精确测量航天器的惯性参数是困难的,并且由于燃料的消耗、航天器的交会对接、载荷及姿态的变化等因素将会使航天器的惯性参数在轨发生变化。因而航天器的控制系统、状态估计系统将会受到航天器惯性参数变化的影响。在轨辨识出航天器的惯性参数,可以为更加优化、实时的控制航天器服务。文中提出了一种基于粒子群优化算法的航天器惯性参数辨识算法。建立了引入带有模型误差以及由于航天器惯性参数变化引起的误差的航天器姿态运动学与动力学模型,基于模型误差最小准则建立目标函数,利用改进的粒子群优化算法对模型误差进行实时估计,从而实现对航天器惯性参数的辨识,并将其应用到航天器的姿态控制中,并通过仿真实验证明了该算法的有效性以及实用性。     

基于遗传算法的插电式串联混合动力汽车动力参数优化

针对插电式串联混合动力汽车(PSHEV)动力参数优化问题的多目标、有约束和高度非线性的特点,应用遗传算法工具箱和ADVISOR的非GUI函数,以整车设计要求的动力性能指标为约束条件,以整车百公里燃油消耗量和排放性能为目标函数,建立了PSHEV动力参数优化的仿真模型,实现了对PSHEV动力系统部件参数和控制策略参数的同时优化。最后应用该优化模型对某PSHEV进行仿真分析,结果表明该优化仿真模型能够显著降低PSHEV的百公里燃油消耗量,在保证动力性能的前提下,整车的燃油经济性和排放性能也得到了提高。     

基于神经网络和粒子群算法的管材弯曲工艺参数优化

针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。     

基于粒子群算法的滚齿切削参数优化研究

为了在滚齿加工过程中,能够实现滚齿切削参数优化,提高生产效率,本研究提出了一种基于粒子群算法的滚齿切削参数优化研究方法。该研究综合考虑了生产效率、加工成本等重要因素,引入了生产效率和加工成本等目标函数,建立了滚齿切削参数的多目标优化模型,并引入了协调系数,使其多目标优化模型转化为单目标优化模型。通过案例分析,优化得到的加工工艺参数与经验加工参数相比,其生产效率提高了2.44倍,工艺加工成本降低了56.7%。而在较大程度上为车间或企业的滚齿加工提高了生产效率,降低了成本。因此,该研究对于车间或企业的滚齿加工参数的确定与选择起着重要的参考作用。     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于遗传算法的HEV控制策略优化

混合动力汽车控制策略参数的选取对系统性能有重大的影响。为此,建立了以动力性能为约束指标、以燃油消耗率和排放为评价指标的混合动力汽车控制策略参数优化模型,并对控制策略参数进行优化。利用加权系数法整合评价指标,结合遗传算法工具箱GATBX对控制策略参数进行多目标优化,并利用ADVISOR对优化前后的性能进行仿真。仿真结果表明:在保证动力性的前提下有效降低了混合动力汽车燃料消耗量和排放,其中油耗和NOx降低了17%,HC和CO降低了大约7%。     

基于粒子群算法的电力电子电路参数辨识方法

针对传统的电力电子电路参数辨识仅对部分器件进行辨识,未辨识到所有器件特征参数值,无法准确判断电路当前状态的问题,建立了基于电感电流与输出电压的电路混杂系统模型,使用粒子群优化算法将参数辨识问题转化为目标函数优化问题,求解得到电路中所有关键元器件的特征参数值,以更好地表征电路的健康状态。仿真实验结果表明该方法的辨识精度达到98%以上,有较好的辨识效果。     

基于驾驶性能优化的混合动力车辆动态控制策略研究

针对混合动力车辆在动态过程中的最优控制问题,提出了一种基于驾驶性能优化的动态控制策略。根据功率分流混合动力系统的结构特点,建立了面向控制问题的功率流动态分配模型。根据驾驶员的期望状态与车辆的实际状态,提出了驾驶性能的指标函数。阐述了优先满足驾驶性能的综合控制策略,在优化模型中充分考虑了各部件的动态响应特性和发动机的转速跟踪要求,并且提出了驾驶性能实时优化算法。仿真结果表明,与传统的优化策略相比,该控制策略在不牺牲燃油经济性的同时显著提升了驾驶性能。     

基于工况影响的插电式混合动力汽车控制策略优化

根据其城市公交车的运营线路、运行类型及线路覆盖区域,选取20条代表性公交线路上对应的20辆公交车,采集一个月的行驶数据,利用短行程分析法结合主成分分析及优化的K均值聚类算法实现各片段的合理分类,从而拟合出反映这一城市公交车运行特点的行驶工况。利用AVL-Cruise整车仿真平台验证该工况合成的有效性和必要性,同时引入Isight优化平台实现针对该城市公交车整车控制策略关键参数的优化标定。结果表明,控制参数优化后整车综合油耗降低8.7%,与RCP测试的仿真结果相对误差仅为2%,验证了优化后的控制策略的有效性。     

基于工况识别的混合动力汽车能量管理策略优化

针对现有基于工况识别的能量管理策略在车辆行驶过程中未全面考虑动力电池荷电状态(SOC)在某些工况片段下降过快的问题,从ADVISOR中选取23个典型的循环工况,用聚类分析方法将其划分为五类,以燃油消耗最小为目标,采用模拟退火粒子群算法对各类工况下能量管理策略中的关键参数进行离线优化,并建立优化参数数据库,提出了一种基于工况识别的能量管理策略优化方法。利用构建的综合测试工况对所制定的能量管理策略进行仿真分析。结果表明,所制定的基于工况识别的能量管理策略与未采用工况识别的能量管理策略相比,综合油耗降低了12.77%;同时,所制定的基于工况识别的能量管理策略可使汽车在行驶过程中动力电池SOC下降速度大为减小。     

HEV再生制动控制策略的研究与优化

制动能量回收是HEV的一个重要特性,也是HEV能实现燃油经济性和提高续驶里程的关键技术.针对目前再生制动静态分配控制策略存在的问题,通过对制动动力学和约束问题研究,建立系统的数学模型,在保证车辆安全性能的条件下,提出了再生制动力和机械摩擦制动力的动态协同分配控制策略,并在汽车仿真软件advisor平台上对典型行驶循环下进行仿真分析和修正.结果表明,在这种新控制策略制动时,前轮和后轮能够充分利用地面附着系数,既可以满足制动安全性的要求又可以回收更多的制动能量.     

基于QPSO的数控加工切削参数优化

QPSO是基于PSO的改进算法,具有全局搜索能力强,收敛速度快、鲁棒性高等特点。现利用QPSO对根据数控加工中机床和刀具的实际约束而建立的以进给量和切削速度为变量的数学模型进行优化,仿真结果表明经过QPSO优化得到的进给量和切削速度的值比经验值更能满足生产率最大化和生产成本最小化的要求,同时也明显优于PSO。     

基于量子粒子群算法的数控加工切削参数优化

在数控加工中,为实现生产率最大化和生产成本最小化,根据机床和刀具的实际约束条件建立了以进给量和切削速度为变量的数学模型,并利用具有全局搜索能力强、收敛速度快和鲁棒性高的量子粒子群算法(QPSO)进行优化,仿真结果表明其效果远远优于经验值,也优于粒子群算法(PSO)优化结果。     

基于动力驱动微粒群算法的液压矫直机PID控制参数优化

为兼顾微粒群算法收敛速度与跳出局部解的能力，利用阶段性搜索方式将算法搜索过程分为前、后两个不同阶段。在算法的前期搜索阶段，当前微粒受个体最优微粒与全局最优微粒的引力作用，在算法的后期搜索阶段引入中值导向加速度，提出一种动力驱动微粒群算法。最后，针对液压矫直机PID控制的参数优化问题，考虑控制信号、上升时间和误差量的关系，建立液压矫直机PID控制参数优化模型，利用动力驱动微粒群算法优化得到更好的参数组合，实现PID控制参数优化。