基于RSM和MOPSO的轴承沟道磨削工艺参数优化

探究角接触球轴承内圈沟道精磨工艺参数与加工质量的响应关系,确定最优工艺参数组,提高沟道加工质量。采用响应面法(RSM)与多目标粒子群优化(MOPSO)算法优化影响沟道加工质量的磨削深度、砂轮线速度和工件转速。首先利用RSM建立以沟道表面粗糙度和圆度误差为响应的显著不失拟模型;然后通过方差分析和响应曲面图研究工艺参数对响应的交互影响规律;最后采用MOPSO算法对模型进行多目标优化,利用K-means聚类法求解最优解集的折衷解,并进行试验验证。结果表明,磨削深度和砂轮线速度对沟道表面粗糙度和圆度误差影响极显著,工件转速对圆度误差的影响极显著,对表面粗糙度的影响显著;磨削深度与工件转速的交互作用对表面粗糙度影响显著,砂轮线速度与工件转速、磨削深度的交互作用对圆度误差影响显著。最优工艺参数组经试验验证,表面粗糙度和圆度误差较优化前分别减小了8.14%和16.03%。基于RSM和MOPSO算法结合的回归模型整体和单个变量显著,且有较高的预测精度,寻优后的工艺参数组可获得良好的优化效果。

基于MOPSO的斜齿轮传动几何参数多目标优化设计

斜齿轮作为机械设备传动装置中的主要零/部件,应用较为广泛。为了避免在使用过程中斜齿轮部分轮齿因强度低而发生提前失效的情况,综合考虑变位系数、齿数和模数等对齿轮强度的影响,建立以斜齿轮几何参数为设计变量,以斜齿轮副满足强度、重合度和齿顶厚度要求等为约束条件,以斜齿轮副齿根最大弯曲应力的差值最小、齿面接触应力最小为优化目标的数学模型,利用多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法编写相应的Matlab程序,对所建立的数学模型进行优化求解,并通过MASTA软件对优化前、后齿轮副进行仿真分析。结果表明,在满足设计条件的情况下,斜齿轮副弯曲强度差值与齿面承载能力均有所改善。该研究为斜齿轮宏观几何参数的优化设计提供了参考。

基于多目标粒子群算法的隔膜压缩机膜腔曲线优化

膜腔曲线直接影响着隔膜压缩机排气量与膜片可靠性,原始膜腔曲线不能较好满足今后加氢站隔膜压缩机高压力、大流量工况需求。针对此问题,依据隔膜压缩机工作原理,采用多目标粒子群算法对膜腔曲线进行面积与弧长的双目标优化计算,得到了一种新曲线。同时,结合压缩机工程实际对膜腔曲线进行了改进,并对改进后的膜腔曲线与原始曲线进行容积计算与有限元应力对比。研究结果表明:在给定新曲线内参数m=0.95、n=2.5且膜腔半径与膜片厚度不变的情况下,新曲线膜腔下膜片气侧最大径向应力较原始曲线降低了13.89%,膜腔容积较原始曲线增加13.72%。

往复泵进液阀阀球运动特性研究及多目标优化

为了研究往复泵泵阀内阀球运动特性并优化其性能,借助动网格及UDF技术,对往复泵进液过程中阀球运动与泵阀流场进行耦合计算和试验验证,得到阀球运动规律,并分析阀球质量、阀导套导流孔结构以及阀套限位高度等对泵阀运动及性能的影响。为进一步优化模型,寻找到最优泵阀结构组合方案,提出构建径向基神经网络(RBFNN)代理模型,借助多目标粒子群(MOPSO)算法得到其Pareto最优解集的优化框架并验证分析。结果表明:阀球运动升程整体呈现先增大后减小的变化规律,受阀隙流速和液动力影响很大;阀球质量、阀导套导流孔对数以及阀套限位高度等与阀球最大升程和落座速度均存在非线性关系;基于RBFNN代理模型结合MOPSO算法寻找到最优组合模型,优化后阀球最大升程提高了8.12 mm,阀球落座速度减小了31.4%,优化效果显著。研究结果可为往复泵的优化设计提供参考。

基于PDJI-MOPSO算法的多连杆悬架硬点优化

基于刚体运动学理论建立了多连杆悬架的数学模型,并通过运用多体系统动力学理论建立的仿真模型对其进行了验证。采用扰动法对影响悬架K&C特性较大的关键硬点进行了多因素灵敏度分析。结合加入比例分布及跳数操作的多目标粒子群优化(PDJI-MOPSO)算法对硬点进行多目标优化,获得硬点的Pareto最优解集。结果表明,优化后的多连杆悬架在车轮跳动过程中,车轮前束角、外倾角和轮距变化范围更小,有利于减小轮胎磨损,提高汽车操纵稳定性。

基于多目标粒子群优化算法的动力电池仿生冷板结构优化设计

为了提高锂离子电池的冷却效果,提出一种高度对称的仿生网状流道冷板。首先,利用单因子分析法分析了冷板结构参数对其性能的影响,然后,以冷板的平均温度、温度标准差和冷却液压力损失为性能指标,采用多目标粒子群优化(MOPSO)算法对冷板的结构参数进行了优化,得到性能最优时的流道宽度、流道深度和冷板壁厚分别为9.0 mm、1.5 mm和1.4 mm,对应的平均温度、温度标准差和压力损失分别为33.20℃、1.33℃和65.63 Pa,相比于初始结构参数,优化后的平均温度和温度标准差分别下降1.92℃和0.02℃,但压力损失增大27.10 Pa。最后,在电池模组层面验证了优化结果。

基于NSGA-Ⅱ和MOPSO融合的一种多目标优化算法

用多目标粒子群优化(MOPSO)算法的粒子位置更新模式替代NSGA-Ⅱ的交叉操作,获得一个新的算法(NSGA-Ⅱ-MOPSO)。为使这两种差异较大的算法实现无缝融合,在NSGA-Ⅱ算法范围内对MOPSO中特有的概念粒子及其速度、Pbest、引导者进行处理:1)粒子对应于NSGA-Ⅱ中子代群体的个体;2)不再使用粒子速度概念;3)不再使用粒子Pbest概念,代之以从父代群体中为每个粒子的每一维寻找一个最近的该粒子非支配个体;4)每一个粒子的引导者可以是父代群体中稀疏程度最大的个体或者是按照二进制随机竞赛选择方法从父代群体中选择的一个个体,具体哪一种方式发挥作用依赖于预先设定的概率。另外,引入稀疏程度概念来评价粒子在目标函数空间的分布。6个算例的结果表明,与NSGA-Ⅱ及最新的两种MOPSO算法(CLMOPSO和EM-MOPSO)相比,新算法是一个有效、稳定的算法。

NSGA-II与MOPSO算法的多工序车削节能优化比较分析

在实际加工约束条件下,建立以表面粗糙度和能量消耗为目标的多工序车削优化模型的切削参数优化选择十分必要。运用NSGA-II算法和MOPSO算法对多工序车削模型进行优化比较。优化实例表明:NSGA-II算法能够获得了比MOPSO算法更优的表面粗糙度、能量消耗的Pareto最优解集以及相应的粗、精切削参数,为多工序车削参数优化选择提供了依据。

基于改进多目标粒子群的大型设备群检测策略优化方法

在大型履带起重机群(大型设备群)检验检测中,存在检测工期紧、检测质量和人员安全要求高、经济效益最大化等多目标约束下的最优检测策略制定问题,为此,提出了一种基于改进多目标粒子群的大型设备群检测策略优化方法(MOPSO)。首先,利用变异算子对传统的多目标粒子群算法优化方法进行了改进;然后,根据大型设备群检测项目的实际需求构建了检测工期、检测成本、检测质量与安全的多目标优化模型,并确定了各子目标的约束条件;最后,将该优化算法和构建的模型应用于大型履带起重机群的检测项目中,对该方法的有效性进行了验证。研究结果表明:与传统检测策略相比,在保证质量和安全的前提下,利用该方法得到最优的检测策略,其检测周期仅需3/4,检测单位成本节省了14%,受检单位成本节约了32.8%,极大地提升了检测效率,降低了企业和检验单位人力、经济和时间成本。因此,该方法具有良好的实用性和推广应用价值。

基于多目标优化MCKD的轴承微弱故障诊断研究

针对最大相关峭度反褶积(MCKD)算法中滤波步长对轴承微弱故障信号处理准确性的影响较为严重这一缺陷,提出基于多目标优化MCKD的自适应轴承微弱故障诊断方法。首先针对多尺度极差熵(MRE)对故障信号中的有用信息不能全面反映的缺陷,对其进行均值化处理形成多尺度均值极差熵(MMRE);随后以MMRE和符号动态熵(SDE)为目标函数,采用多目标粒子群优化(MOPSO)算法对MCKD算法中的滤波步长进行优化选取,使得MCKD算法可以自适应地处理轴承微弱故障信号。通过试验数据对该方法进行验证并与单目标优化法进行对比,证明了该方法的有效性及可靠性。

300M超高强度钢铣削力模型构建及MOPSO优化

用正交试验法对300M超高强度钢进行铣削加工,用直观分析和方差分析探究铣削力随铣削用量的变化规律,建立铣削力的经验指数模型与GA-BP神经网络预测模型,用多目标粒子群优化算法基于铣削力和材料去除率优化铣削参数。结果表明:300M超高强度钢铣削力随铣削速度增大和每齿进给量降低得到有效改善;经优化后的BP神经网络模型预测误差显著降低,两种预测模型对铣削力均有较高预测精度,但后者误差相对较低;使用经优化后的参数,铣削力有效改善。

基于MOPSO的电力变换器多目标优化

为克服电力变换器优化设计中各种目标的相互冲突,以效率、物理尺寸(体积、质量和面积)和成本为优化目标建立电力变换器多目标优化模型,采用多目标粒子群优化(MOPSO)算法对建立的模型进行求解,决策者可在最终提供的最优解集中找到不同折衷的最优解。本文以Vienna整流器和Buck变换器作为研究对象,分别建立各自的多目标优化函数,导入器件数据库,在Matlab上实现了MOPSO算法。仿真实验结果表明了MOPSO算法的可行性、覆盖性和收敛性,并能在比较短的时间里收敛到最优解集。

一种基于拉丁超立方抽样和聚类分析的改进MOPSO算法

针对基本的MOPSO算法的可能导致局部最优和难以输出代表性非支配解的问题,在MOPSO算法的基础上,运用拉丁超立方抽样和聚类分析对算法进行改进。应用拉丁超立方抽样指导MOPSO算法种群初始化,使初始化种群可以均匀遍布整个空间,避免了基本的MOPSO算法可能会导致的局部最优等问题。为了加强非支配解集的分布性和多样性,同时考虑在众多非支配解中自动挑拣代表性非支配解,增加聚类分析环节,对输出解集进行聚类处理,以挑选代表性非支配解。与基本的MOPSO算法相比较,改进的MOPSO算法求解的Pareto解集在寻优效果及代表性解筛选方面具有一定优势。

基于MOPSO算法的孤岛微电网优化调度

针对微电网微电源和需求侧负荷不确定性,意在使孤岛微电网运行成本最低,同时风光消纳比例最大,建立了孤岛模式的微电网多目标优化调度模型。构建了含风光发电和储能等微电源模型,并采用多目标MOPSO算法对调度模型进行求解。以某地区典型日孤岛微电网24h系统为算例,算例结果表明该调度方案可减少孤岛微电网成本,同时提高可再生能源风光发电的消纳能力。

基于MOPSO-NSGA2算法的测试优化选择方法

测试优化选择是测试性设计至关重要的一个步骤,主要针对测试不可靠条件下的测试优化选择问题进行了研究。首先将该问题还原为多目标问题来分析,在此基础上以测试数量、测试成本、虚警率为目标,故障检测率、隔离率为约束条件建立了问题的数学模型;然后以贝叶斯网络测试性模型为基础,利用提出的MOPSO-NSGA2算法求解该问题;最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计,并与MOPSO算法、NSGA-2算法进行对比,验证了方法的有效性与实用性。

基于MOPSO算法的工业机器人运行轨迹优化

针对工业机器人末端执行器,对其运行轨迹进行优化处理。采用五次B样条曲线函数得到了关节空间机械臂的运行轨迹曲线,考虑到多目标粒子群优化算法(MOPSO)计算简便、参数易调等优点,利用多目标粒子群优化算法实现了对上述五次B样条运行轨迹的多目标优化,最后得到了优化后的各关节的运动角度、角加速度和角加加速度的运动曲线,获得了加工时间更短、加工过程更加平稳、能量消耗更少和加工中冲击更小的运行轨迹,进一步证明了多目标粒子群算法对运动轨迹优化的可行性。

挖掘机多目标关节空间最优轨迹规划

为了确保挖掘机在作业过程中运动平稳、快速、节能,提出一种轨迹规划方法,即以挖掘机挖掘作业时间及挖掘作业能耗为优化目标,在关节空间分别对挖掘机各个关节采用4-3-3-3-4分段多项式插值,以确保各关节在运动过程中工作平稳,无较大冲击。以某型挖掘机为例,通过D-H法进行运动学逆解,将笛卡尔空间坐标转换至关节空间坐标,在满足约束的条件下,采用多目标粒子群优化(Multi-Objective Particle Swarm Optimization,MOPSO)算法对各个关节进行插值优化,并进行仿真。仿真结果证明,该轨迹规划方法能够准确地构造平滑轨迹,相比于仅仅以挖掘作业时间最短为目标进行规划,该轨迹规划方法在不同作业要求下对挖掘作业时间长、挖掘作业能耗大的问题都能起到一定的优化效果,为挖掘机的高效节能提供了保障。

基于多目标优化理论的耦合无关恒压输出型LCC/S补偿感应电能传输系统

基于传统完全谐振参数设计方法的感应电能传输(IPT)系统只有在发射线圈和接收线圈完全耦合时才能表现出最佳性能。实际的IPT系统多为变耦合系统,耦合系数变化可能导致输出电压大范围波动和效率降低等问题。该文提出一种基于多目标优化理论的补偿拓扑参数设计方法,在耦合系数和负载变化的情况下仍然可以获得相对恒定的输出电压且能够高效运行。首先,利用基波近似分析法建立LCC/S补偿IPT系统的系统方程。其次,以补偿参数为优化变量,以减小输出电压波动、提升系统效率为优化目标,以电感最大通过电流、电容最大承受电压和零电压开关为约束条件建立多目标优化模型。然后,利用多目标粒子群优化(MOPSO)算法求解所建立的多目标优化模型,并得到Pareto最优解集。最后,根据实际需要,从Pareto最优解集中选择合适的补偿方案,并进行仿真分析和实验验证。实验结果表明,优化方案的电压波动率(VFR)约为传统方案的45%,且优化方案的最低传输效率(87.5%)仍大于传统方案的最高传输效率(86.3%)。该方法可用于优化满足耦合和负载无关恒定输出、高效率、零电压开关等特性的补偿拓扑。

甲供非商品化资源约束下可中断项目群调度模型

不可更新资源的约束会导致项目群中各合同项目开工延误甚至施工中断。针对不可更新资源受限理论研究存在的局限性,开展了多种甲供非商品化资源(NCRPE)约束下可中断项目群调度问题的研究。首先,由于资源分配多样性会给项目群进度造成不确定性影响,围绕项目群工期—延误成本双目标优化模型展开研究,采用改进编码方式的多目标粒子群算法(MOPSO)进行求解,获取项目群的资源分配方案,利用串行调度生成机制(SSGS)得到项目群进度计划;其次,将MOPSO算法和NSGA-II算法进行对比,通过IGD和HV两个指标来衡量MOPSO算法求解该问题的有效性;最后,结合实际案例,对模型进行求解分析。在甲供非商品化资源约束和项目可中断情况下,构建的项目群调度模型能够有效地实现项目群工期和合同项目延误成本的双目标优化。研究成果为业主合理分配NCRPE以及进行项目群调度提供理论依据。

基于自适应增量Kriging模型的多目标稳健优化设计方法

提出了一种自适应增量Kriging模型的多目标稳健优化设计方法。依据结构特征及优化目标,构建了增量Kriging代理模型,并提出混合加点采样策略,提高增量Kriging代理模型的自适应性;提出了柯西变异多目标粒子群优化(CMMOPSO)算法,通过改进惯性权重因子、个体学习因子和社会学习因子,同时引入柯西变异策略,提高优化模型求解的效率和精度;构建以结构相关参数为设计变量、性能指标标准差为目标、3σ变量缩减区间为约束的优化模型,综合CMMOPSO算法和灰色关联分析获得多目标稳健优化最优解。算例分析结果表明,所提方法不仅能够以较少的性能函数调用次数获得高精度结构优化模型,而且优化结果与传统方法相比,收敛速度更快、稳健性更好。