基于BIM技术与模拟退火算法的村镇轻钢框架结构智能设计方法

传统村镇住宅结构设计需要进行大量的人工试算与重复建模,而受制于建设成本,村镇住宅无法像城镇住宅一样通过设计师进行专业的结构设计与验算,其安全性与经济性均难以满足要求。为此,提出一种村镇轻钢框架结构智能设计方法,包括智能建模与智能优化两个环节。基于图层自动识别算法、光学字符识别技术、自适应分块算法提出村镇轻钢框架结构BIM智能建模方法,包括图层识别、轴文本数据提取、墙体轮廓提取等,智能建模结果基本满足实际工程要求。基于提出的两阶段模拟退火算法给出村镇轻钢框架结构的智能优化方法,优化速度较快,优化效果良好。通过实际工程案例对提出的智能设计方法进行验证,结果表明,提出的村镇轻钢框架结构智能设计方法具有可行性,与传统的人工设计方法相比,设计周期可缩短70%以上,材料用量、结构设计指标接近人工设计结果。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

基于模拟退火算法的智能有轨制导车辆的调度优化模型研究

为了解决单、双工序系统作业问题,基于启发式算法中的模拟退火算法来求解RGV(有轨制导车辆)的最优路径.通过模拟真实的系统作业场景,增强了RGV调度策略的稳定性,并构建了带有故障处理机制的RGV调度优化模型.研究结果表明,基于模拟退火算法的智能RGV调度优化模型能够有效满足预期工况下的目标需求.

基于自适应邻域模拟退火算法的零部件接收与转运优化

现代混线生产对于多品种小批量零部件物流的准确度和准时性提出更高要求,其中零部件接收与转运是管理者面临的首要难题,需要考虑三种情形,一是供应商的卡车交付与装配线需求均具有时间窗口;二是车辆调度问题,即决定每个仓库门服务的车辆的处理顺序;三是车辆分配问题,即每辆牵引车承载的需求,这大大提升了问题的复杂性。为优化零部件接收与转运,本文建立一套考虑准时制的零部件超市物流模式,将交叉转运应用于工厂物流管理,研究了中心仓侧的车辆分配与调度问题(Vehicle Assignment and Scheduling Problem,VASP),并对问题进行了建模和线性化处理。由于该类问题的内在复杂性,本文设计一种自适应邻域模拟退火算法(Adaptive Neighborhood Simulated Annealing,ANSA),并将其与先进的商业优化求解器进行比较。本文开展了大量计算数值实验,结果表明ANSA算法在不同规模的算例上均有较好表现。

模拟退火遗传算法在自由曲面数控加工中的实验

在自由曲面的加工中,一直面临着加工时间长的问题,本研究以提高加工效率为目的,通过分析待加工自由曲面的面曲率、残余高度等参数,计算出合理的加工步长和行距,并以此为依据将待加工曲面离散成点云即为刀触点。将刀具路径规划问题转化为求解TSP问题的最优解,为避免遗传算法早熟陷入局部最优解,引入了模拟退火算法进行改进,使用改进后的混合算法进行刀具路径寻优。对优化方法进行了仿真加工、实验加工及测量,结果表明优化方法相比传统方法刀路长度最多减少303.4mm,相对缩短了12.3%,加工效率提升较为明显,并且加工表面也取得了较好的加工效果。

基于等几何法和模拟退火的复杂壳结构分析及优化

本文提出了一种基于等几何法和模拟退火的壳结构分析及优化算法,旨在提高复杂壳结构的CAD与CAE一体化设计效率。首先基于NURBS技术对薄壳结构进行适分析参数化建模,然后基于Kirchhoff-Love壳理论实现等几何分析。接着,基于模拟退火算法以壳体的几何参数为设计变量,以多项力学性能为目标函数进行优化,实现了等几何分析与智能优化算法相结合的壳结构分析与优化。最后,通过2个算例验证了该算法的有效性。相对于传统有限元方法,该算法具有高精度、高效率的优势。

自适应状态转移模拟退火算法及其应用

状态转移模拟退火算法(STASA)作为解决复杂优化问题的有效方法,其搜索效率依赖于搜索算子和参数值的选择,在一些高维复杂问题上出现效率低下的问题。提出一种自适应状态转移模拟退火算法(ASTSA),通过自适应算子和参数选择策略来提高算法的适用性和求解效率;借鉴群智能算法的均值更新方法对平移算子进行改进,增强算子的搜索特性。通过23个基准测试函数和8个工程设计问题进行实验验证并与其他算法对比,证明了ASTSA算法和改进策略的有效性。

基于改进模拟退火遗传算法的配电网动态故障恢复策略

计及分布式电源出力波动性对故障恢复效果带来的不利影响,提出1种利用光伏出力预测的配电网动态故障恢复方案。故障发生后,首先对动态变化的光伏系统输出功率进行预测,并研究了负荷动态特性;其次,以配电网恢复重要负荷总量最大、故障恢复成本最小和故障停电损失最少为目标函数,构建基于动态树背包模型的最优故障恢复模型,该模型可快速适应配电网拓扑变化情况。采用改进模拟退火遗传算法求解最优故障恢复方案,提高了算法的收敛速度与稳定性。最后,在IEEE69节点系统进行仿真,结果表明所提算法可适应复杂配电网的故障恢复,提高配电网供电可靠性,并降低配电网故障带来的恢复成本与停电损失。

基于模拟退火-蚁群算法的输油管道碳排放量优化研究

为实现输油管道的节能降耗,以碳排放量最小为目标函数,在水力约束和热力约束的条件下,采用模拟退火-蚁群算法的机器学习方法对加热炉、外输泵的组合方式及运行参数进行求解,并在考虑设备运行可靠性的基础上,设计了全年运维方案。结果表明:优化后单日耗油量和耗电量均有所下降,单日碳排放量降低20%左右;对外输泵进行了可靠性分析,依据概率密度函数可知泵的正常检修周期应为1650 h(68 d),在连续运行1120 h(46 d)后应进行预防性保养;环境温度与碳排放量的优化效果呈负相关,全年运维方案中7—9月的碳排放优化效果较差,全年可减少碳排量185.61 t。研究结果可为油气田企业双碳目标的实现提供技术支撑。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

基于改进离散模拟退火遗传算法的雷达网协同干扰资源分配模型

针对分布式干扰机掩护目标突防雷达网背景下的干扰资源分配问题,提出了一种引入随机密钥的改进离散模拟退火遗传算法(improved discrete simulated annealing genetic algorithm,IDSA-GA)对资源分配过程进行优化。基于雷达网融合检测概率构建干扰效果评估函数,利用IDSA-GA对函数寻优求解。IDSA-GA在模拟退火遗传算法(simulated annealing genetic algorithm,SA-GA)的基础上引入随机密钥,完成算法的离散化;并在迭代的过程中增加记忆功能,克服了过早收敛的现象。仿真结果表明,与GA相比,提出的IDSA-GA收敛迅速,寻优能力强,能有效解决干扰资源优化分配问题。

基于改进模拟退火-粒子群的配电网分布式光伏承载力评估

大规模分布式光伏并网给中压配电网带来严重功率反送,导致中压配电网出现节点电压越限和配电变压器反向过载问题.以系统潮流平衡、节点电压偏差、配电变压器反向负载率和线路载流量为约束条件,以分布式光伏并网容量与系统网络损耗之差的分布式光伏等效并网容量为目标函数,建立中压配电网分布式光伏承载力评估模型,并提出改进模拟退火-粒子群(SA-PSO)算法.对IEEE33系统和实际中压配电网进行分布式光伏承载力计算,结果表明,所建立的分布式光伏承载力评估模型适用于中压配电网节点电压稳定性与配电变压器安全运行问题评估;相较于其他算法,改进SA-PSO算法提高了评估模型计算的收敛速度与寻优能力,在相同约束条件限值下,所得线路分布式光伏承载力更高,且系统网络损耗更低.

基于模拟退火法与多层感知机的变压器故障诊断模型及其泛化性能研究

为诊断电力变压器内部的潜伏性故障,以溶解气体分析(DGA)数据为特征量,提出了一种基于多层感知机(MLP)的变压器故障诊断模型。以实际运行变压器的故障数据为学习样本,利用模拟退火法实现多层感知机内部节点之间的连接权重优化。以不同特征组合作为MLP的输入,对比、分析了MLP诊断故障类型的正确率;研究了MLP拓扑结构、参数正则化等对诊断模型泛化性能的影响。使用训练数据以外的变压器故障数据测试学习完成的诊断模型,获得较高的测试准确率。

模拟退火算法用于蒸汽吞吐井流入动态研究

随着油气田开发技术的发展,利用复杂结构井、体积压裂、多元及复杂热力法开采石油时,渗流过程越来越复杂,油井流入动态难以通过统一方程得到。本文提出利用非数值算法的模拟退火算法进行油井流入动态计算,以蒸汽吞吐井为实例,首先分析合理的工作制度,然后把模拟退火算法预测的产量结果与利用数值模拟所得的产量结果进行比较。结果表明,两种方法对比误差非常小,模拟退火算法不需要将单相流和多相流分开讨论,且无任何假设条件,适用范围广,利用该算法研究油井流入动态非常可行。

基于模拟退火粒子群算法与小冲杆试验确定材料塑性性能的方法

为了能够准确合理地从小冲杆试验曲线中获取材料的塑性参数,提出了一种基于模拟退火粒子群算法和有限元模拟获得材料断后伸长率及断面收缩率的方法。首先通过小冲杆试验获取X65、X70管线钢的载荷-位移曲线;其次利用模拟退火粒子群算法和有限元模拟相结合的方法,使得小冲杆模拟曲线逼近试验曲线,进而识别Johnson-Cook(J-C)本构模型参数;最后将识别的参数用于模拟单轴拉伸试验,从而获取材料断后伸长率和断面收缩率。该方法所获得的两种管线钢的断后伸长率、断面收缩率与单轴拉伸试验结果的最大相对误差分别为23.58%、3.70%。

基于改进模拟退火算法的齿轮热锻参数优化

为提升面齿轮热锻成形的材料利用率,建立了以热锻过程中的“突耳”体积为优化目标,以最大应力为约束的直齿面齿轮热锻工艺参数优化模型。该模型选择关键热锻参数(变形温度、摩擦因子、模具预热温度和锻造打击速度)为设计变量。为获取不同工艺参数下的突耳体积和最大应力,利用继承拉丁质心Voronoi(inherited latinized centroidal Voronoi tessellation, ILCVT)采样方法采集包含初始设计点的训练样本,并通过deform-3D软件对直齿面齿轮的热锻过程进行仿真模拟。引入Kriging模型拟合设计变量与性能响应间的隐式关系。利用模拟退火算法改进了扰动模型、退火温度的衰减方式以及温度变化策略,以提升算法搜索效率。优化得到的锻造工艺参数组合为工件变形温度1 049℃、摩擦因子0.32、模具预热温度206℃、锻造打击速度249 mm/s。在优化后的参数条件下,结合模拟仿真和试验的方法以验证优化结果的有效性。结果表明:优化的工艺参数有效降低了“突耳”体积。

基于自适应模拟退火算法的整经准备车间排产模型

为解决织造企业整经准备车间在多约束条件下的生产效率低下及经轴利用率低的问题,在考虑经纱总根数、订单米数、经轴绕卷纱线长度、经轴绕卷纱线根数等约束条件的情况下,以开轴数和加工时间为目标函数,建立满足拼缸条件的整经准备车间生产关系主从优化关联模型。提出了基于自适应模拟退火算法的整经准备车间生产调度方案,通过引入自适应退火因子有效解决传统模拟退火算法计算效率低及容易陷入局部最优解的缺点,并根据企业实际生产案例进行仿真实验。结果表明:该自适应模拟退火算法能够有效地提升纺织企业整经生产调度效率,提升经轴利用率;且该方法提升整经准备车间运行效率和经轴利用率的能力要优于其它算法。

基于模拟退火粒子群算法的甚高频台站补盲

目前中国西藏地区甚高频(very high frequency,VHF)通信台站在7000 m及以上高空航路通信信号覆盖存在覆盖盲区,但是并没有针对VHF通信信号盲区补盲方面的研究及对应的解决办法。为了解决以上问题,提出了一种以西藏地区的实际地形为优化算法搜索对象,以拉萨管制区管辖范围内航路通信信号的单重覆盖率、双重覆盖率及管制区的冗余度为指标的补盲部署数学模型。接着,在不改变西藏地区原有VHF通信台站数量和位置的基础上,利用模拟退火粒子群算法,采用最小频率最少台站个数寻找一个最优台站对未覆盖的一段航路进行VHF通信信号覆盖研究。仿真结果表明,该算法不仅实现了采用最小频率最少台站个数解决航路通信信号覆盖盲区的目标,而且克服了粒子群算法在寻优过程中易陷入局部最优解的缺点,同时也证明了提出的补盲部署数学模型的正确性及改进的粒子群算法的高效性。该算法和模型可以为航线网路规划、台站部署优化及最终通过该方法解决频谱资源匮乏问题提供理论支撑和技术支持。

基于模拟退火的多无人机路网巡边路径规划

研究了多无人机路网巡边路径规划问题,以路线分配最均衡为目标建立多无人机路径规划模型。对于路网中路段的分配问题,提出使用基本割集原理对图进行分割划分的方法,采用欧拉回路算法作为单无人机路径规划的基础。结合划分结果和单机路径设计了初始解的构造策略以及相应的邻域变换规则,使用模拟退火算法进行求解。通过仿真分析,表明了算法设计的可行性与合理性。

基于模拟退火量子遗传算法的焊接机器人轨迹规划

针对焊接机器人在焊接过程中经常出现的轨迹规划问题,以六自由度机械臂PUMA 560为研究对象,采用笛卡尔空间规划轨迹,并利用混合算法,以关节惯性力矩变化量最小为优化目标,对不同末端位置的各个关节惯性力矩进行优化,从而消除了机械臂焊接过程中的运行不稳定、关节运动不平稳等问题。克服了模拟退火算法收敛速度慢及量子遗传算法局部寻优能力差等问题,成功规划出机械臂关节惯性力矩最优轨迹。MATLAB仿真结果表明,模拟退火量子遗传算法收敛时间相比传统遗传算法缩短30.56%,并且优化了关节惯性力矩,验证了该算法的可行性,可为后续研究奠定基础。