基于最优拉丁超立方抽样方法和NSGA–Ⅱ算法的注射成型多目标优化

提出应用最优拉丁超立方抽样的方法并结合响应面模型和带精英策略的非支配排序遗传算法(NSGA-II算法)实现注射工艺多目标优化,缩短寻找最优工艺参数的时间,提高塑件生产效率。以充电宝上盖塑件的体积收缩率、缩痕指数为优化目标,以模具温度、熔体温度、保压时间、保压压力、冷却时间作为影响因素。通过模流分析获得优化目标值;建立体积收缩率、缩痕指数与影响因素之间的响应面模型并通过复相关系数评价了响应面模型的有效性;基于NSGA-II算法在响应面模型内自主寻优,获得了满足塑件注塑成型质量的一组最优工艺参数组合。优化后的体积收缩率为5.584%,比优化前的体积收缩率6.337%降低了11.88%;优化后的缩痕指数为1.458%,比优化前的缩痕指数1.681%降低了13.27%,优化效果明显。

船体总纵极限强度可靠性分析的拉丁超立方抽样法(英文)

本文将拉丁超立方抽样法与条件期望和对偶变数方差减缩技术组合用于分析船体总纵极限强度可靠性。在一系列不同的极限状态函数条件下 ,对随机抽样法和拉丁超立方抽样法以及是否使用方差减缩技术进行了比较研究。使用组合方法获得了稳定的结果和较大的方差减缩。最后 ,基于极限强度 。

基于最优拉丁超立方设计的糖尿病足鞋垫优化设计

目的提出一种鞋材弹性模量与厚度联合优化设计糖尿病足鞋垫的方法,以降低足底压力和软组织内部应力。方法通过逆向工程方法建立足部有限元模型,基于足底压力分布特征划分鞋垫压力区域,采用有限元法对接触力学进行研究,为优化过程中调整不同区域内材料的弹性模量和鞋垫前后足厚度奠定基础,使用最优拉丁超立方设计得到最优参数组合。结果设计的鞋垫增加约37.55%的足底接触面积,跖骨区和足跟区的压力峰值分别降低15.07%、36.96%,足跟处软组织内部应力降低20.83%,足底筋膜张力降低约60%。结论所提出的方法可用于设计定制鞋垫,设计的个性化鞋垫具有更大的接触面积和降低糖尿病足底溃疡的良好潜力。

基于最优拉丁超立方抽样的动车组轴箱弹簧稳健设计

传统的动车组轴箱弹簧设计方法不易确定其性能的主要影响因素,设计盲目性较大,且不能较好反映各关键技术参数波动对弹簧性能的影响。为此,引入权重系数,将弹簧刚度和疲劳强度同时作为考核弹簧性能的综合指标,建立其望小特性的稳健设计模型,采用最优拉丁超立方抽样的方法求出各设计参数对综合性能指标的贡献率,以此提高弹簧的设计质量。分析结果表明:簧条直径对弹簧综合性能指标影响最大;当权重系数选择在0.5~0.65,并且簧条直径变异系数控制在0.5~1.2%时,弹簧综合性能影响最小。

一种基于拉丁超立方采样的概率最优潮流算法

在概率最优潮流的求解技术中,随机采样的蒙特卡罗法因其在大规模采样的情况下求解精确度高,而被广泛应用。本文采用拉丁超立方采样和蒙特卡罗法相结合的技术处理含多随机变量因素的概率最优潮流问题,并将其运用于分析随机变量的波动对系统发电成本影响的计算中。通过IEEE-14和IEEE-118节点测试算例的分析表明,采用拉丁超立方采样能改善采样值的分布空间,在采样规模较低的情况下能够给出精确的统计结果,较随机采样的蒙特卡罗法具有应用优势,可以替代随机采样的蒙特卡罗法,作为评价其他算法优劣的标准。

基于阿基米德Copula和拉丁超立方采样的概率最优潮流计算

提出一种考虑随机变量相关性的概率最优潮流算法。选用广义lambda分布拟合最优潮流模型中的随机变量,建立逆累积分布函数;基于Clayton、Gumbel、Frank、Joe生成元,构筑4种部分嵌套式阿基米德Copula模型对随机变量的相关性结构建模;选取Kendall秩相关系数描述随机变量的相关性,采用相关系数匹配法求取Copula模型的参数;基于生成元的拉普拉斯逆变换,将阿基米德Copula与拉丁超立方采样相结合,生成相关的随机样本用于概率最优潮流计算。对某地区10个风电场风速样本的建模和分析,验证了广义lambda分布和部分嵌套式阿基米德Copula模型的有效性。基于IEEE 118节点系统对2种拉丁超立方采样法进行了对比。

基于最优拉丁超立方设计的高速列车流线型头型减阻优化研究

为研究流线型头型对高速列车气动阻力性能的影响特性,利用B-Spline曲面建立高速列车流线型头型三维参数化模型,并提取5个头型设计变量。在此基础上,结合最优拉丁超立方设计和计算流体力学方法,研究高速列车流线型头型控制型线对高速列车气动阻力的影响特性,确定出关键控制型线。计算结果表明:随着流线型头型控制型线的变化,高速列车气动阻力发生明显改变,变化范围为3183~3509 N,相对变化量约为10.2%。最优设计点头型下的气动阻力较原始头型降低3.5%。对高速列车气动阻力影响最为显著的控制型线为纵向对称线,其次是车底最大轮廓线和水平最大轮廓线,而鼻尖高度控制线和中部辅助控制线对高速列车气动阻力的影响相对较小。

基于拉丁超立方仿真试验设计的双涡轮变矩器性能分析

针对双涡轮变矩器在变量空间难以模型化设计的问题,基于台架试验数据与流体仿真技术,以第一涡轮叶片角为设计变量,研究其对双涡轮变矩器性能的影响;采用最优拉丁超立方设计仿真试验,对双涡轮变矩器性能进行分析;以上述仿真试验数据进行灵敏度分析,研究了设计变量与变矩器性能的关系,并建立了响应曲面模型进行优化.研究表明:第一涡轮出口角对双涡轮变矩器性能影响显著,而入口角基本无影响,优化后的双涡轮变矩器性能有显著提升.

ENLHS:一种基于抽样的Kafka自适应调优方法

Kafka应用在生产环境中时,除机器的硬件环境和系统平台影响其性能外,Kafka自身的配置项决定着其能否在硬件资源有限的情况下达到理想的性能,但人为修改和调优配置项的效率极差。海量数据发送到Kafka后,如果不针对实际资源环境进行调优,Kafka使用默认的配置参数无法保证其在每个生产环境下的性能。因为Kafka自身的配置项非常大,传统的自适应算法在大规模生产系统中的性能较差。为了提高Kafka的自适应能力,消除系统中的复杂性,获得更好的运行性能,提出一种针对Kafka的自适应性能调优方法。该方法充分考虑了Kafka特征参数与性能的影响权值,并使用抽样的原理来提高数据集的生成效率并优化数据选取范围,提高建模的效率并降低优化方法的复杂度。实验结果显示,该算法对开源版本Kafka的吞吐率和时延进行了优化,提高了Kafka在给定的系统资源下的吞吐性能,并降低了时延。

超高速碰撞下蜂窝夹层板结构优化设计研究

为掌握航天器常用的结构材料蜂窝夹层板的超高速碰撞特性与进行结构优化设计,采用光滑质点流体动力学和有限元耦合算法进行数值模拟研究。基于最优拉丁超立方法进行试验设计获得了样本空间,通过仿真结果构建Kriging近似模型并进行验证,利用AMGA算法进行迭代计算得到Pareto解集的4个优解。结果表明:优化后的蜂窝夹层板结构可提高蜂窝夹层板的吸能能力,满足轻量化要求。

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。

基于改进凸松弛的新能源电网概率最优潮流快速计算方法

现有概率最优潮流计算侧重于概率计算方法的设计和改进,难以从本质上提高概率最优潮流的计算效率。为此,以交直流新能源电网为研究对象,考虑风电、光伏发电的不确定性,建立交直流互联新能源电网概率最优潮流模型。首先,提出一种改进凸松弛技术处理非线性非凸潮流方法,将其转化为凸规划形式下的概率最优潮流模型;其次,利用Nataf变换处理非正态分布随机变量间的相关性,进而采用结合拉丁超立方采样技术的蒙特卡罗模拟法(monte carlo simulation,MCS)进行求解以降低MCS的计算量;最后,通过改进的IEEE 39节点、118节点以及500节点系统验证所提方法的有效性。

基于Isight的动力电池液冷板流道结构优化设计

基于某动力电池液冷板结构,以质量流量分配均匀为目标,对液冷板进行结构优化.通过Isight优化平台集成建模软件CATIA和计算流体动力学仿真软件STAR-CCM+,采用试验设计中的最优拉丁超立方方法在设计空间中生成样本点,在此基础上,建立各流道质量流量的响应面近似模型.针对目标,采用多岛遗传算法与序列二次规划法相结合的组合优化策略,对响应面模型进行优化,得到最优设计.建立液冷板电池组联合模型进行热仿真验证,验证了所建立的优化模型的有效性.结果表明:液冷板各流道质量流量分配与目标质量流量误差均小于5%,优化后的电池模组最高温度降低了约2℃.

基于NCGA的汽车外饰件注塑成型工艺参数多目标优化

针对汽车外饰薄壁零件生产中的多个工艺目标优化难题,本文以汽车B柱外饰件为分析对象进行研究。通过Moldflow软件建立零件仿真模型,并进行最优拉丁超立方试验采样数据,利用Kringing方法建立代理模型,以翘曲变形量和体积收缩率为注塑工艺的多个优化目标,通过邻域培植遗传算法(NCGA)对所建代理模型进行参数优化,并获得平衡了翘曲变形量和体积收缩率这2个目标的最优工艺参数组合:模具温度44.43℃,熔体温度205.36℃,注射时间1.99 s,保压压力38.71 MPa,保压时间27.47 s。与原有工艺参数相比,翘曲变形量降低了18.56%,体积收缩率降低了50.94%,注塑件质量得到显著提高。

基于组合优化算法的致动器安装位置与间隙优化设计

针对小口径火炮连续发射时的射击精度问题,基于使用以超磁致伸缩材料为核心的致动器对身管的振动抑制展开研究。基于最优拉丁超立方设计方法,开展了DOE试验设计,以身管振幅和致动器受力为目标函数,以致动器安装位置和致动器与身管的间隙为设计变量,采用多岛遗传算法与修正可行方向法形成组合优化算法,使用Isight多学科优化软件对近似模型进行了优化计算。优化后致动器受力降低了88%,同时身管振动幅值降低了52.1%。与仅使用全局优化算法相比较,使用组合优化算法得到最优解时迭代次数减少了47.6%,证明了多岛遗传算法与修正可行方向法形成组合优化算法具有较高的优化效率。

基于响应面代理模型的包装机吸尘口结构优化

基于FLUENT建立包装机吸尘口结构的有限元模型,得到吸附角与平均出口压力的关系,应用最优拉丁超立方抽样的方法进行试验设计,结合五阶响应面模型建立代理模型,利用自适应模拟退火算法(ASA)在代理模型内自主寻优,解决在平均出口负压-70Pa下求解最大吸附面积的吸尘结构设计的实际工程问题。

基于改进蜣螂优化算法优化BP的短期风电功率预测

为了提高短期风电功率预测精度,提出一种改进蜣螂优化算法优化BP神经网络的短期风电功率预测模型。针对蜣螂算法中存在易陷入局部最优解的问题,采用最优拉丁超立方方法初始化蜣螂种群,使蜣螂种群分布更为均匀,以提高算法跳出局部最优解的可能性。利用改进后的蜣螂优化算法对BP神经网络的权值和阈值进行优化,并以内蒙古某电厂的风电功率数据为研究对象,进行模型搭建和仿真测试。经仿真验证,预测模型能有效提高风电功率的预测精度。

基于RBF和LSGRG的滤芯托架注塑成型质量控制与优化

针对汽车用复杂交错薄壁格栅的滤芯托架体积收缩率大和生产能耗高的问题,采用有限元仿真分析方法,建立了复杂交错薄壁格栅的滤芯托架仿真分析的有限元模型,对塑件的体积收缩率和注塑过程中的最大锁模力进行了优化,以提高塑件成型质量和降低生产能耗。首先,基于最优拉丁超立方抽样(OLHS)方法和径向基函数(RBF)神经网络模型建立预测模型并对模型精度进行了验证;其次,通过分析20组计算数据并结合工程经验发现体积收缩率和最大锁模力呈相互冲突的关系,且对成型质量和能耗有较大的影响,为此采用大规模广义降阶梯度(LSGRG)技术对预测模型进行多目标寻优并得到最优的工艺参数组合,经过LSGRG方法优化的最大锁模力降低了10.30%,体积收缩率降低了27.61%,优化效果显著。最后,在注塑机上应用优化后的注塑工艺参数生产出了复杂交错薄壁格栅的滤芯托架,产品质量符合要求。提出的基于RBF神经网络模型和LSGRG技术的联合多目标优化方法可为同类型塑件的成型质量控制与优化提供借鉴。

基于SiO_(2)气凝胶的消防机器人一体化防火隔热结构设计优化

围绕消防机器人工作时机体外表面热防护问题,建立以SiO_(2)气凝胶为隔热材料的一体化热防护结构。通过设置热防护结构传热模型,利用ANSYS软件模拟计算一体化结构在不同工况下的温度分布,以此分析防火隔热性能和传热机理;并对不同的隔热材料进行比较,使用最优拉丁超立方方法对一体化热防护结构进行敏感性分析,在满足约束的前提下选用遗传算法对结构进行厚度优化设计。结果表明:以SiO_(2)气凝胶作为隔热材料相比于其他隔热材料,防火隔热性能更好。其与隔热性能比较接近的玻璃纤维相比,同一厚度下隔热能力提升57%,同时面密度和厚度优化分别增加了9.1%和8.3%,且机体结构冷面温度最大值降低56.5%,一体化热防护结构防火隔热性能提升明显。

基于响应面和ASA的抑爆球注塑质量多目标优化

建立了抑爆球一模八腔仿真分析的有限元模型,基于注塑试验对模型进行验证,采用仿真分析可知,最大锁模力和隔片收缩率对成型质量的影响较大,但两者呈负相关,将其作为优化目标,以5种注塑参数作为影响因素,应用最优拉丁超立方抽样法和不同阶响应面模型建立两者的数学关系。通过计算复相关系数可知,四阶响应面模型的精度最高,并且将其作为代理模型。利用自适应模拟退火算法(ASA)对代理模型进行自主寻优,得到满足注塑质量要求的最优工艺参数组合,使提高抑爆球的生产效率显著提高。优化后最大锁模力为535.53 k N,与优化前相比,降低了12.15%;优化后隔片收缩率为4.449%,与优化前相比,降低了20.04%,这表明,提出的优化方法效果显著。