基于遗传算法的ZL205A铝合金切削参数多目标优化

为了研究ZL205A铝合金铸件的理论最优切削参数,采用正交试验法分析切削参数对切削力、刀尖温度的影响,并对正交试验结果进行极差分析;以切削参数为优化变量,以最低切削力、最低刀尖温度、最高材料去除率为目标,构建切削参数的多目标优化模型;并基于遗传算法对多目标参数进行优化求解;最后进行切削加工试验验证。结果表明:用正交试验法得到优化后的切削参数使切削速度降低40%,切削力降低12.84%,大幅降低机床主轴功率;用遗传算法得到优化后的切削参数Pareto解集,在切削速度相近的情况下,改变背吃刀量、进给量,在保护机床主轴的前提下,提高了切削效率。

基于分期设权理想点法的水文模型参数多目标优化

针对水文模型参数多目标优化问题中计算复杂且多目标之间存在相互矛盾的问题,提出了基于分期设权理想点法的水文模型参数多目标优化方法.以ABCD水文模型为月径流预报模型,构建径流总水量误差、平均相对误差、高水流量纳什效率系数和低水流量纳什效率系数4种目标函数,采用分期设权理想点法将多目标函数转化为单目标,并采用粒子群优化算法求解目标函数.以泾河流域月径流为例,设置全时期(A)、丰水期(B)、枯水期(C)、分期模拟-组合(D)4种模拟方案,分析不同方案下模型模拟效果,结果表明:在全时期模拟方案中,相较于单目标优化方案A1~A4,多目标优化方案A5能有效地表征多个水文过程特征,协调目标函数间的互斥关系,模拟效果更优;在分期模拟方案中,目标权重为0.75时的子方案B3、C3既能合理体现目标函数表征的水文特征,又能兼顾其他目标函数,模拟效果相对最佳;丰、平、枯水期分期模拟-组合方案D对高水流量与低水流量过程模拟效果较全时期多目标优化方案的模拟效果更优,评价指标决定系数R2、效率系数Ens均达到0.8以上,平均绝对百分误差APE小于1%,说明分期模拟-组合方案D能有效提高模型模拟精度.

参数多目标规划的最优多值函数的K－拟凸性

讨论了一般参数多目标规划问题的最优多值函的Ｋ－拟凸性及其它一些性质。

参数多目标规划的最优多值函数的广义凸性

讨论了参数多目标规划问题P(u) :minf(x ,u)s .t.x∈R(u)其最优多值函数H (u) =E[f(x ,u) |x∈R(u) ]的K—凹性、锥类凸、锥次类凸性、锥次似凸性及其它一些广义凸性性质。借助于它 ,我们可以找到一种解决二层多目标问题的方法 。

参数多目标优化问题敏感分析

对于参数向量优化问题minK{f(ω,x)x∈G(ω)},其中f:W×X→Y是从赋范空间W和X的积到另一个赋范空间Y的Hadamard可微的单值映射,G:W→X是一个集值映射,K?Y是一个尖闭凸锥。应用集值映射的余切上图导数进行了灵敏度分析。

参数多目标规划αk-较多有效性的稳定性

把Rm空间的αk-较多锥分解成有限个内部非空的尖凸锥之并,用2个集合的差的形式给出了Pareto有效点集和αk-较多有效点集的新的表达式,由此得到了αk-较多有效性与Pareto有效性之间的关系;进而讨论并得到了当目标函数为集值映射时参数多目标最优化问题αk-较多有效点集和有效解集在半连续意义下的稳定性结果.

基于NSGA-Ⅱ的水文模型参数多目标优化研究

为了对水文模型中难以直接测算的参数进行调试和优化,将带精英策略的非支配排序遗传算法(NSGA-Ⅱ)应用于水文模型(HYMOD)参数多目标优化计算中,得到最优解Pareto集合。通过多目标距离函数法从Pareto集中求出一组协调集。采用非支配解集覆盖度和非支配解的空间分布两个性能度量指标,对NSGA-Ⅱ算法与多目标粒子群算法(MOPSO)的优化结果进行比较分析。结果表明,NSGA-Ⅱ优化得到的非支配集比MOPSO算法得到的支配比例高;但前者的非支配解的空间分布较MOPSO算法相对均匀。

基于能耗效率的SiCp/Al复合材料切削参数多目标优化

为了提高加工质量,降低切削过程中的能源消耗,开展SiCp/Al复合材料切削加工参数的多目标优化研究。首先,确立以刀尖圆弧半径、切削深度、进给量、切削速度和刀具主偏角为输入参数,以最小表面粗糙度和最大功率系数为优化目标的优化方案。然后,通过仪器采集表面粗糙度、切削力和功率的实验数据,基于加权灰色关联和最小二乘拟合方法进行多目标优化,建立多目标预测模型。最后,利用主效应分析法来确定加工参数对功率系数、表面粗糙度和多目标模型的影响。研究结果表明:多目标预测模型能够获得最优参数组合,优化后可显著提高加工质量和功率系数。

过热汽温系统的Smith预估器参数多目标优化控制

文中详细分析Smith预估模型参数对控制系统性能的影响,提出一种Smith预估模型参数多目标优化整定的控制方案,利用模型失配有效改善控制系统的性能.针对火电厂过热汽温系统高阶、大惯性及非线性特点,设计一种基于串级PID的Smith预估器参数多目标自调整优化控制系统.对某600MW超临界火电机组过热汽温系统进行仿真控制,结果表明,该方案具有良好的鲁棒性,可有效克服系统的非线性,控制效果明显优于常规的串级PID控制和参数匹配的Smith预估控制系统.

面向高效低碳的数控加工参数多目标优化模型

数控的全称是数字控制的简称。随着当下数字化的快速发展,某种程度上也推动了数控技术的不断进步。数控的主要功能是利用数字化信息,对机械运动及加工过程进行控制的技术。目前来看数控技术的发展,已经成为高新技术产业和尖端工业最基本的必备要素。本文主要探究面向高效低碳的数控加工参数多目标优化模型的相关问题,通过探讨,可以为数控技术的研究提供相关的参考。

纵扭超声振动辅助铣削60%SiC_(p)/Al多目标参数优化研究

针对高体积分数碳化硅颗粒增强型铝基复合材料(SiC_(p)/Al)在铣削过程中加工难度大、表面质量差等问题,提出了纵扭超声振动辅助铣削复合工艺。以超声振幅、切削速度、每齿进给量和切削深度为变量,设计了四因素五水平正交试验。通过响应曲面法和人工神经网络,建立了切削力、切削温度和表面粗糙度的预测模型,分析了4个参数变量中两个指标的交互影响作用,并对预测模型的准确性进行了对比验证。最后,采用遗传算法对切削力、切削温度和表面粗糙度进行了多目标参数优化。结果表明,响应曲面法与人工神经网络建立的模型均有较好的预测能力,但人工神经网络准确性更高。采用遗传算法优选出的最佳参数组合为超声振幅A=1.84μm,切削速度v_(c)=20 m/min,每齿进给量f_(z)=0.015 mm/z,切削深度a_(p)=0.8 mm,经过验证试验后发现,采用优选参数有效降低了切削力、切削温度和表面粗糙度,各值分别为切削力F_(t)=7.23 N,切削温度T=40.18℃,表面粗糙度R_(a)=2.4673μm,预测误差分别为6.91%、6.53%、2.53%,证明了预测模型的准确性与优化参数的有效性。

矿用带式输送机多目标参数协同优化控制储能方法

利用超级电容储能是实现矿用带式输送机节能的有效方法,但仅靠负载功率预测控制存在能量利用率低的问题。为此,提出了一种多目标参数协同优化控制策略。在负载功率预测基础上,综合考虑储能单元和电机能量流传递规律,设计了不同运行工况下的功率优化算法,实现了储能单元和电机能量的优化传递,实时求解约束条件下超级电容的目标电流和电机的目标转速,从而实现多目标参数协同优化。研究表明,采用提出的策略能有效提高矿用带式输送机的能量利用率。

面向绿色高表面质量制造的硬态车削工艺多目标参数优化

目的为了进行硬态车削绿色制造与工艺性能协同优化研究,提出一种同时考虑碳排放量和表面粗糙度的多目标优化方法。方法首先,通过分析硬态车削过程中切削参数、工件材料、刀具材料等因素对切削功率的影响建立碳排放目标函数,针对工件的表面粗糙度受到切削条件、工件材料、刀具材料等诸多因素的影响,利用正交试验和广义回归神经网络建立轴承硬态车削表面粗糙度目标函数。然后,考虑加工过程中机床特性和硬车实际工况等约束条件,建立以切削参数为优化变量,以碳排放量和表面粗糙度为优化目标的多目标优化模型,引入权重系数将其转化为单目标优化模型。最后,利用遗传算法对优化模型进行优化求解,深入分析切削参数对优化目标的影响。结果在工厂实际轴承产品硬车试验中验证了优化模型的有效性,结果表明,切削速度为225 m/min、进给量为0.08 mm/r、背吃刀量为0.10 mm时,碳排放量和表面粗糙度的综合优化指标最低。相比优化前,虽然碳排放量上升了13.05%,但表面质量提升了34.44%。结论研究结果对面向绿色制造的轴承硬车工艺参数优化提供理论方法有重要意义。

基于复化Cotes积分和神经网络的稳定铣削工艺参数多目标优化方法

铣削过程再生颤振严重影响工件表面质量和生产效率,准确高效地识别铣削颤振稳定域并合理选择工艺参数是抑制颤振、提高生产效率的关键步骤。当前对考虑稳定性约束下的多目标铣削工艺参数优化研究仍然缺乏系统且完整的解决方案。为此,基于复化Cotes积分和神经网络并结合NSGA-Ⅱ遗传算法建立一种稳定铣削工艺参数多目标优化方法。其中基于复化Cotes积分法提出了一种新的铣削稳定域预测方法来获得二维稳定性叶瓣图(Stability lobe diagram,SLD),收敛性分析表明新方法具有更快的收敛速度。考虑径向切深不确定性得到由离散三维SLD曲面构建的铣削稳定域神经网络预测模型。最后,分别以材料去除率、刀具寿命作为效率、成本目标,采用NSGA-Ⅱ遗传算法建立稳定铣削工艺参数的优化模型。与经验方法对比显示,优化后的铣削方案可以提高8.4%的材料去除率和16.3%的刀具寿命。结果表明不仅可以通过更加准确地判断铣削稳定性来保证加工质量,而且能够为高效率低成本的铣削确定工艺参数提供科学理论指导。

响应面模型与多目标遗传算法相结合的机床立柱参数优化

针对传统方法在复杂机械结构优化设计中的低效性和局限性,提出了一种将响应面模型与多目标遗传算法相结合的优化设计方法.采用拉丁超立方试验的设计方法,在设计空间抽取样本点并进行数值模拟,建立了由7个设计参数所决定的立柱最大变形、首阶固有频率及质量的初始二阶响应面模型.利用多目标遗传算法对响应面模型进行循环逼近优化,得到了Pareto最优解集.仿真结果表明,在质量不变的条件下,优化解可使立柱首阶固有频率增加15.9%,导轨处最大变形减小7.7%,可通过有限次数的数值模拟计算获得设计空间内的近似最优解,因此较适用于机床及类似复杂结构的多目标多参数的优化设计.

基于仿真数据的数控铣削加工多目标变参数优化

针对加工过程中切削用量变化较大的复杂零件铣削加工工艺参数优化问题,提出了基于仿真数据的数控铣削加工多目标变参数优化方法 通过引入时段组合的概念,将连续问题转化成离散问题,将变参数优化问题转化成多参数优化问题,建立了相应的数学模型;然后根据优化目标函数以及设计参数的性质,将多参数优化问题分解成若干独立的子问题,以简化问题的求解;

插电式混合动力汽车动力系统的成本、油耗和排放多目标参数优化

动力系统部件参数与控制策略参数相互耦合,共同影响整车的动力性能、经济性和排放性能。本文旨在对某一插电式混合动力汽车的动力系统进行成本、油耗和排放多目标参数优化。首先提出使整车动力系统效率最优为目标的瞬时能量管理控制策略,然后以最小化动力系统成本、考虑发动机热状况的油耗和排放为优化目标,采用多目标遗传算法对动力系统部件参数和控制参数进行同时优化,从而获得该优化问题的Pareto最优解集。结果表明:与原始车型相比,除了个别方案NOx略有增加外,Pareto最优解集所对应的燃油经济性和排放性能都有明显提高。同时Pareto解集提供了多组可行的参数优化方案,设计人员可以根据对动力系统成本、燃油经济性和排放的重视程度不同而选择所需的参数组合。

基于GT-Power DoE的柴油机进气系统多目标多参数优化

为进一步提升某船用柴油机的动力性、经济性和运行的可靠性,对柴油机的进气系统开展了多目标多参数的优化设计。基于柴油机工作过程及冷却系统耦合仿真模型,采用DoE中D-optimal抽样方法,以普通最小二乘法建立起多个变量因子的响应面模型,并采用多目标优化方法进行非归一化求解,得到额定工况下进气系统结构参数及运行参数的优化解集和最优解。仿真结果表明:优化后整机的输出功率及扭矩分别提升了3.8 kW和14.3 N·m;涡前排温、峰值缸压以及燃油消耗率分别降低了40℃,2.5 bar和2.1 g/(kW·h)。

Smith预估模型参数仿真分析及多目标优化

由于对象的非线性和不确定性,Smith预估补偿器在应用中不可避免地要受到模型失配的限制。通过仿真研究,详细分析了Smith预估模型参数对控制系统性能的影响,提出了一种Smith预估模型参数多目标优化整定的控制方案,利用模型失配改善了控制系统的性能。只要选取适当的PI控制器参数,使得控制系统标称化参数K?在合适范围内,就可以依据工业控制指标对Smith预估器的多个参数同时进行优化,进而达到改善控制系统性能的目的。仿真分析表明,该方案具有良好的鲁棒性能,可以有效克服系统的非线性,控制效果明显好于常规的串级PID控制和参数匹配的Smith预估控制系统。

附加气室容积可调空气悬架多目标参数匹配

将二次寻优方法应用于附加气室容积可调空气悬架系统参数匹配中,构建附加气室容积可调空气悬架系统的1/4车辆模型,并通过台架试验对模型进行验证。利用遗传算法,以不同工况下的车辆行驶平顺性为目标,渐进完成附加气室容积、减振器阻尼的参数匹配。分析匹配后的车辆综合性能表明,簧上质量垂向加速度得到有效抑制,轮胎动载荷及悬架动行程控制在允许范围内,车辆在多种工况下的综合力学性能改善。