用GAAA优化多阶段装配过程中的夹具布局

改进了遗传算法与蚁群算法的融合(GAAA)算法,利用它来解决多阶段装配过程中二维刚性零件的夹具布局优化问题,合理选择定位销的位置使得灵敏度指标最小化。通过改变遗传算法的变异算子,变异长度以及交叉、变异在蚁群算法中发生的位置,提高了GAAA的稳定性和收敛性。以汽车侧边装配为例验证了改进算法的有效性,结果表明改进后的GAAA比基本的GAAA和蚁群算法求得的结果要好,且收敛速度更快,稳定性更好。

基于改进GAAA算法的PID参数优化

针对PID参数优化问题,对蚁群算法进行改进,并与遗传算法相结合,提出了改进的GAAA算法;该算法先利用遗传算法获得初始信息,然后运行改进的蚁群算法,大大加快了蚁群算法的速度;对PID控制的参数优化与仿真结果表明,该优化方法无论在时间性能和优化性能上都取得了较好的效果。

基于改进GAAA算法的连采机外喷雾降尘参数优化

为提高连续采煤机外喷雾装置的降尘效率,改进安全技术和工作面环境,以雾化压力、喷雾有效作用区长度、喷雾扩散角、喷嘴直径、相邻喷雾截面圆重叠参数为设计变量,建立了降尘效率最大的目标函数,运用改进遗传算法和蚂蚁算法的混合算法(GAAA算法)对2~8μm不同粒径粉尘的降尘效率进行整体参数优化,并对降尘效果进行了分析和模拟验证。研究表明,随粉尘粒径增加,平均降尘效率先增大后减小,耗水量逐渐增大,最优降尘参数组可使平均降尘效率达90.9%,提高了7.5%,耗水量减少了6.0%,其对煤矿井下安全事故的预防有重要意义。

基于最优权阈值ELM算法的锂离子电池RUL预测

针对锂离子电池剩余使用寿命RUL(remaining useful life)预测结果不准确及极限学习机ELM(extreme learning machine)权阈值随机选取等问题,提出利用ELM模型间接预测锂离子电池RUL的方法 ,并利用遗传蚂蚁算法GAAA(genetic algorithm ant algorithm)选取ELM的最优权值与阈值,建立基于等压降放电时间间接寿命特征参数的最优GAAA-ELM锂离子电池RUL预测模型。基于NASA锂离子电池数据集预测和评估锂离子电池的RUL,并与BP模型预测方法、ELM模型预测方法和GA-ELM模型预测方法相比较,结果表明该方法能够更准确有效地实现锂离子电池RUL预测。

基于遗传蚁群算法的复杂产品装配顺序规划方法

合理的装配顺序能有效地提高装配效率,复杂产品的装配过程需要大量装配资源的支持,对其进行装配顺序规划需要充分考虑装配资源的角色作用且计算繁琐。文中提出一种在装配资源约束下基于遗传蚁群算法的复杂产品装配顺序规划方法,集成装配过程中的装配零(组)件以及相关装配资源信息,研究面向装配零(组)件与装配资源的基因染色体编码方式、适应度函数表达形式以及信息素更新机制,建立起了整个遗传蚁群算法应用在复杂产品装配规划过程中的流程。以某型飞机组件装配为例验证了技术的有效性。

四角旋流布置喷嘴负压集尘器的降尘效率优化

为了提高负压集尘器的降尘效率、进一步改善采掘工作面环境和安全状况,根据喷雾降尘过程中雾粒与粉尘相对运动特点,提出四角旋流布置喷嘴的新型负压集尘器结构,以集尘器喷嘴喷雾压力、喷雾有效作用区长度、喷嘴直径、喷嘴轴向偏转角及纵向偏转角为设计变量,建立目标函数（最大降尘效率）。采用改进的遗传算法和蚁群算法的混合算法（改进的GAAA）对2～8μm不同粒径粉尘的降尘效率进行参数优化,并对降尘效果进行分析和模拟验证。研究结果表明,随粉尘粒径增加,平均降尘效率先增大后减小,耗水量逐渐增大;最优降尘参数组使平均降尘效率达90.7%,提高了6.6%。

一种估算锂电池SOC的新型方法

SOC(荷电状态)的预测和估算是锂电池管理系统中的一个重要部分。根据GAAA算法充分利用了遗传算法和蚁群算法各自的优势,提出一种GAAA算法优化BP神经网络的SOC估算方法。使用MATLAB进行编程,将锂电池的实时工作电流、电压、温度、健康度、安时积分值作为输入,实现对SOC的估算。实验结果表明,该算法在估算精确度和运算速度上都优于传统的BP神经网络和基于遗传算法的BP神经网络。

一种混合蚂蚁算法及其在QoS多播路由中的应用

描述了多Q oS约束的多播路由问题的网络模型,提出了一种混合蚂蚁算法,该算法利用遗传算法快速全局的搜索能力,生成初始解,并转化为网络的初始信息素分布.利用蚂蚁算法的正反馈特性,迅速收敛到问题的最优解.仿真取得了非常好的效果,表明该算法是合理有效的.

求解Job-shop调度问题的遗传蚁群算法

描述了Job-shop调度问题,研究遗传算法和蚁群算法在解决Job-shop问题中的优点和不足,融合遗传算法和蚁群算法设计了遗传蚁群算法以求解Job-shop调度问题,并对算法进行了仿真实验,通过与遗传算法、蚁群算法及已有的遗传算法和蚁群算法的融合算法结果的对比,验证了该算法的有效性。