基于GABP算法的车身装配分析

合理的车身装配公差分配可以在产品质量要求与生产成本限制之间得到平衡。文章提出了一种遗传算法(GA)BP神经网络的混合算法,用于生成和优化顺应组件的装配顺序。通过装配建模来描述其几何形状,其中包括三组零件,零件之间的关系和关节。装配序列被表示为个体,被分配评估函数,该评估函数由适应度和约束函数组成。适应度函数用于评估可行序列;此外,约束函数用于演化不可行的序列。混合算法从随机初始的染色体群开始,通过使用繁殖、交叉和变异操作进化新群体,并终止直到可接受的序列输出。描述了薄板组件的组装过程,提出混合算法以选择合适关键测量点(KMP)的最佳方案。

基于启发式PSO算法的新能源电池组串联充放电均衡优化

由于新能源电池串联成组后会出现性能参数上的差异,导致电池组能量利用率较低,提出基于启发式粒子群优化(Particle Swarm Optimization,PSO)算法的新能源电池组串联充放电均衡优化。构建以电池组内单体电池实际可充入电量一致为目标的均衡优化模型,以最劣粒子排斥作用为启发式规则应用于PSO算法,得到最佳新能源电池组串联充放电均衡优化方案。实验表明,设计方法优化电池组充放电均衡后,较优化前电池可充入与放出的容量有所增加,证实该方法可提高新能源电池组能量利用率。

基于改进粒子群算法的装配序列规划研究

针对装配序列易产生组合爆炸,传统单工位装配序列求解不足等缺点,提出基于改进的粒子群算法进行多工位装配序列规划研究。采用优先关系序列图设计优先关系矩阵;采用装配干涉矩阵描述零件装配几何关系;采用薄板装配公差分析设计评估可行的装配序列函数;采用改进的粒子群算法设计优化生成的装配序列。应用结果表明该改进算法方法可以有效地减小装配偏差,提高装配效率与产品装配质量。

基于BP神经网络遗传算法的薄板CMT点焊变形

焊接是汽车车身制造的一个关键环节,焊接质量的好坏严重影响汽车车身质量,所以焊接参数的选择至关重要.针对薄板焊接质量控制问题,论文利用BP神经网络解决非线性问题的优势,建立焊接变形量与工艺参数之间映射关系模型;结合遗传算法构建基于遗传神经网络焊接的工艺参数优化系统;同时设计正交试验,将该方法与正交试验法相对比.结果表明,该方法可以有效地实现CMT(cold metal transfer)点焊焊接变形预测与工艺参数优化.通过预测模型给出合理参数,指导钢薄板和铝合金薄板的CMT点焊变形试验,提高焊接的效率.

电动汽车对电力系统的影响及其调度与控制问题

随着全球生态环境的持续恶化,节能减排、生态环境保护已经成为当下全球关注的重点问题。传统的燃油汽车尾气排放不仅对生态环境产生了极其恶劣的影响,更对人们的身体健康产生了威胁,与此同时,全球能源危机的持续让人们对于电动汽车给予了更多的期望和关注。近年来,随着电动汽车数量的持续增多,已经给电力系统带来了一定的压力,而如何在保持电动汽车领域持续发展的前提下缓解电力系统的压力,这是值得全社会关注的焦点。本文分析了电动汽车对电力系统的影响,并就调度与控制问题提出一些建议。