面向机械制造专业的人工智能概论教学设计探究

文章研究了面向机械设计制造及其自动化专业的人工智能概论教学方法。该方法以培养学生对人工智能的基本理解和实践能力为目标,以人工智能在机械制造业中的应用为主线,以案例教学为主要教学手段,教学资源包括教学课件、实验平台和参考书籍等。教学内容包括人工智能基础概念、机器学习、深度学习、自然语言处理、计算机视觉等。教学重点包括人工智能在机械设计制造及其自动化领域中的应用,以及基于案例教学培养学生的实践能力。该方法可以有效提高学生对人工智能的认识和理解,增强学生在机械制造业中的应用能力和竞争力。

基于信息素差异分布策略的路径规划蚁群改进算法

针对传统蚁群算法用于移动机器人路径规划时存在初期盲目性搜索、收敛速度慢以及容易陷入局部最优的问题,提出一种蚁群改进算法。首先根据各节点相对于起始点和目标点连线之间的距离,对初始信息素不平均分配,使其呈正态分布,降低算法搜索初期的盲目性,加快最优解的搜索;其次改进挥发因子,采用双挥发因子原则,控制信息素的挥发,既降低局部最优的可能,又能加快收敛速度;对冗余路径作进一步优化处理,使得路径更优。仿真结果表明,本文蚁群改进算法相对比传统蚁群算法以及其他蚁群改进算法收敛速度更快,收敛性更稳定。

多目标混合流水车间调度问题求解算法

针对多目标不相关并行机混合流水车间调度问题,建立以最小化最大完工时间、机器总能耗和机器加工成本为目标的多目标数学模型。提出一种改进的基于分解的多目标进化算法(Improved multi-objective evolution algorithm based on decomposition,IMOEAD),采用均匀设计表生成初始权重向量,提高种群多样性,利用正态分布交叉并设计了自适应高斯变异来提高算法的全局搜索能力和局部搜索能力,在权重向量邻域中选择个体产生新解,运用非支配等级和拥挤距离更新外部档案。以反世代距离、世代距离和非支配解个数为性能指标,通过大量案例仿真,与非支配排序遗传算法Ⅱ和基于分解的多目标进化算法进行对比,结果验证了该算法的有效性。

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。

改进人工蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题(PFSP),以最小化最大完工时间为优化目标建立数学模型,设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群,为使算法能够求解离散的调度问题,采用LRV规则将位置数值映射成工件排列顺序;在雇佣蜂阶段,融入差分进化算法的思想,加入高斯变异算子,使收敛速度加快;在跟随蜂阶段,加入自适应策略,将算法的勘探和开发能力进行平衡;在侦察蜂阶段,加入柯西变异算子,避免陷入局部极值。最后通过比较几种不同的算法,对Car算例以及部分Rec标准算例集进行仿真测试,验证该算法的有效性和优越性。

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题,以最大完工时间为目标建立数学模型,提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量,用遗传算法进行初步搜索,将搜索的结果通过迭代贪婪策略进一步搜索,以提高解的质量,再对关键路径进行邻域搜索,设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构,加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试,实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。

改进遗传算法在移动机器人路径规划中的应用研究

针对基本遗传算法解决移动机器人路径规划问题存在收敛速度慢等不足,对遗传算法进行了改进,提出了一种改进自适应遗传算法。根据进化过程中个体适应度值的大小自动调节交叉概率和变异概率,从而使算法能够跳出局部最优解,克服早熟的缺点。同时采用栅格法对机器人工作空间进行建模。对移动机器人路径规划进行仿真实验,对比结果表明:该改进的遗传算法是有效可行的,能够有效的提高机器人路径规划的质量。

基于改进遗传算法的多目标柔性作业车间节能调度问题

为降低柔性作业车间调度中的能耗,在分析柔性作业车间调度问题研究现状和不足的基础上,以完工时间、机器能耗和工人操作机器的舒适度作为柔性作业车间调度问题的多目标函数。利用改进遗传算法对其进行优化研究。算法中采用权重法对种群进行初始化处理以获得较好的解;采用快速解码获得需要的总适应度值;利用改进的交叉及变异操作,避免非法解的产生;利用精英保留策略保留优秀基因,提高求解效率和求解质量。通过对具体案例仿真验证算法的有效性。

基于正交试验的遗传算法参数优化

基本遗传算法求解优化问题的过程中存在着收敛缓慢、早熟现象以及求解的质量不高等问题.为了解决上述存在的问题,提高遗传算法的求解质量,提出使用正交试验法优化遗传算法中的主要参数,即:种群规模N、交叉概率p_c和变异概率p_m.通过使用正交试验法确定遗传参数,大大提高了算法的收敛性和求解质量.仿真结果也表明采用正交试验法设计参数的科学性和有效性.

汽车减振器底盖装配模具的优化设计

贮油缸组件是轿车减振器的三大组件之一,传统结构是在贮油缸底部过盈压装一个底盖并焊接密封,以便密封内部的油液和气体。传统工艺在完成该工序的产品往往因过盈压装而产生难以清除的铁屑,影响减振器的清洁度;同时因压装难以保证底盖端面与贮油缸的垂直度,致使减振器使用过程中发生活塞杆偏磨,过早漏油失效而降低其使用寿命。针对以上存在的问题,通过对产品工装模具优化设计,具体包括:优化底盖和贮油缸配合关系,将原过盈配合关系变为间隙配合;优化设计底盖缩固工装等,从而杜绝在装配过程中铁屑的产生和提高底盖与贮油缸垂直度,最终达到降低减振器异响故障率,延长产品使用寿命的目的。具体的应用及产品质量检验的结果表明本模具优化设计方案是合理、可行的。

考虑准备时间的分布式两阶段混合流水车间调度

针对准备时间依赖于顺序的分布式两阶段混合流水车间调度问题(DTHFSP),提出一种双变邻域搜索(DVNS)算法以同时最小化总延迟时间和最大完成时间。由于该问题子问题较多,将工厂分配和第一阶段的机器分配合并以减少子问题的数量。DVNS包含两个相互协作的变邻域结构,每个变邻域结构都加入全局搜索算子,并应用了邻域搜索和全局搜索协调、邻域结构的合理配置以及当前解的周期性更新等策略。通过大量实例的对比实验表明,DVNS在求解DTHFSP方面具有较强的优势。

基于Fluid SIM的装载机液压系统建模与仿真

以ZL50轮式装载机为研究对象,首先对轮式装载机液压系统进行分析与改进设计,完成液压系统原理图的拟定,最后在Fluid SIM仿真软件中实现液压动作的仿真和回路控制,验证了设计的正确性。

基于A13型减振器的胀包模具自动脱料机构优化设计研究

鉴于现有A13型后减振器的胀包模具完成胀包后只有自动退出内模动作,无外模退开动作,造成胀包后的工件被卡在胀包限位套上,取出非常困难.针对这些不足,通过对自动脱料机构进行优化设计,达到胀包后能轻松取下工件,以降低劳动强度和提高生产效率的目的.具体的实施效果也表明了新设计方案改进的合理性和可行性.

制造系统的健康评估与协调控制

为了准确及时地对制造系统健康状态进行评估和协调控制,以实现制造过程的整体优化,分析了内分泌系统调控的工作机理,给出了内分泌系统与健康状态监测评估系统相似性,构建了制造系统的内分泌免疫监测结构模型;提出了设备健康状态监测与处理方法,利用模糊层次分析法,对制造系统健康状态进行有效的评估;以现有的柔性制造单元平台为背景,对其健康状态评估与协调控制进行了评价研究,评价结果表明制造单元的总体健康值为0.588,属于较差状态,应在短时间内对设备进行停机检修;给出了温度参数变化情况下加工设备m1健康值的实时试验结果,试验结果与计算结果一致,表明该方法具有有效性和可行性.

肥皂盒底盖注塑模具设计及数控加工仿真

对肥皂盒底盖注塑模具设计及数控加工仿真进行研究。首先,利用UG进行零件造型及模具结构设计,并给出了模具的整个装配图。然后,分别对零件、型腔及型芯的加工参数进行了设置。最后,通过几何建模、确定走刀路线轨迹和后置处理等,实现了对肥皂盒底盖模具的数控加工仿真,得到了NC代码加工程序。该产品注塑模具的设计对相关产品的模具设计具有一定的指导意义。

基于改进遗传算法的柔性作业车间调度

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。首先,针对此问题,建立了有AGV约束的柔性作业车间调度数学模型。其次,提出一种多段式编码,可以使得一些对进化没有帮助的基因直接被淘汰掉;提出一种分阶段的自适应交叉和变异概率公式及多种群进化机制以实现快速收敛及全局优化的效果。最后,仿真实例验证了本文提出算法的有效性和可行性。

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。

基于改进遗传算法的作业车间调度

针对作业车间调度问题,利用改进遗传算法进行求解以优化调度结果。建立了以完工时间为目标的作业车间调度模型,通过编码、解码,以及复制、交叉、变异等操作,并利用精英保留策略及改进的自适应交叉和变异概率解决作业车间调度问题。通过对MT06基准案例的仿真实验,得到优化调度方案和进化曲线,结果验证了该方法的有效性和可行性。

基于蛙跳算法的分布式装配混合流水车间调度

为了降低延迟交货率,针对以总延迟时间为优化目标的分布式装配混合流水车间调度问题,提出基于Q-学习的蛙跳算法.设计了问题的三串编码方法,并给出解码过程.将Q-学习嵌入到蛙跳算法的模因组搜索过程中,Q-学习算法包括由全局搜索、邻域搜索和解的接收准则组成的动作集合,和基于种群精英解和离散度而构建的6种状态.在算法运行过程中,根据种群的状态,利用Q-学习动态地选择执行的模因组搜索策略.实验结果表明:与现有算法相比,基于Q-学习的蛙跳算法在112个实例中均能获得更好或者相同的结果,表明基于Q-学习的蛙跳算法在求解考虑运输和装配的分布式混合流水车间调度问题方面具有较强优势.