为了提升车体结构可靠性,保证列车安全运行。运用子模型技术与响应面法相结合对车体进行可靠性优化。首先,根据静强度分析结果对车体应力集中位置建立子模型;其次,筛选对子模型应力影响较大的变量进行试验设计拟合响应面方程,建立可靠性优化数学模型;最后,以可靠度为约束条件,采用NSGA-Ⅱ算法优化求解。研究结果表明优化后改善了车体的应力集中,减轻了车质量,为车体的优化设计提供了参考。

使用机械化煤矿采集工具需要在煤矿采集工作中提供持续稳定的电力,而传统的供电设备通常会因负荷较大及不合理的供电方式而导致电网系统受到不同程度的冲击,该冲击会使电力供给的稳定性降低。针对该问题,提出一种全新的、更加稳定的设备供电方法,该方法基于相控投切技术,成本较低、可靠性强、稳定性强、抗电流冲击能力强,有助于提高机械化煤矿采集所需电力的稳定性。

基于一起软管泄漏故障,以金属软管为研究对象,通过对故障件断口进行宏观和微观检验、组织及成分分析,完成了故障机理分析,明确了故障发生原因。结果表明:泄漏原因为金属波纹管开裂,裂纹位于焊缝融合线附近的热影响区,波纹管开裂失效原因为疲劳损伤累积导致的结构强度退化,失效模式为弯曲疲劳开裂,断面未见材料缺陷及主成分异常。根据故障原因和失效分析结果,提出了高压金属软管的抗疲劳及可靠性优化措施。文中对高压金属软管开裂的故障分析过程及提出的优化措施,为类似故障的分析和预防以及可靠性提升提供了参考依据。

以锚绞机液压系统为研究对象,利用AMESim软件进行故障仿真分析,建立故障物理模型;应用可靠性仿真和优化设计等方法,进行液压系统稳定性优化建模,给出优化设计方案。考虑到液压响应非线性强,为提高优化计算效率和收敛性,采用试验设计和径向基函数相结合的响应面模型拟合方法。结果表明:相对于原方案,液压系统优化方案的可靠性、稳定性得到大幅度提升。系统的稳定性从68%提高到89%,可靠性从0.143和0.414提高到0.81以上。

针对液压支架在实际使用过程中购置成本与使用成本较高的问题,提出了基于疲劳寿命的液压支架可靠性优化方法,具体是通过箱型结构受力分析、液压支架各部件强度分析、强度优化分析、参数优化及基于疲劳寿命的液压支架可靠性优化设计,最终完成了液压支架的可靠性优化。实践应用表明,优化后的液压支架在保证满足支架疲劳强度与应力要求的前提下质量得以减轻,质量下降约8.7%,降低了企业生产成本,提高了企业经济效益。

为提高救援速度,研制一种集钳碎、剪切及抱抓为一体的新型多功能救援属具,节省救援作业中切换不同属具的时间,提出了改进的径向基核函数与梯度算法优化的加权最小二乘支持向量机（weighted least squares support vector machine,WLS-SVM）响应面法建立抱抓机构高精度的近似模型.在近似模型的基础上以抱抓机构最大等效应力、最大变形量和质量为性能指标,引入非支配排序遗传算法（non-dominated sorting genetic algorithm,NSGA-Ⅱ）进行多目标优化设计.为提高NSGA-Ⅱ算法的种群多样性和搜索能力,对精英策略、交叉算子和变异算子进行改进,应用NSGA-Ⅱ算法与改进算法对抱抓机构的优化问题进行求解.最后,通过径向坐标可视化（radial coordinate visualization,Rad Viz）将高维空间的Pareto解集可视化至二维平面并选出最满意方案进行比较.实验对比表明：改进算法的Pareto解集分布更加...

针对微粒群算法易于陷入局部最优解、早熟的缺点，将Lévy飞行引入微粒速度迭代公式中，并动态改变微粒群速度迭代公式中Lévy飞行的权重值，提出动态Lévy飞行微粒群算法。根据T－S故障树理论，建立液压支架液压系统的可靠性模型，进而得出可靠性费用目标函数。将提出的动态Lévy飞行微粒群算法应用于液压支架液压系统的可靠性优化中，并通过标准微粒群算法、布谷鸟搜索算法和基于Lévy飞行微粒群算法比较，验证所提出算法的优越性。

为解决湿式驱动桥壳结构传统优化中的低效性和不确定性,提出了一种将响应面模型与可靠性相结合的优化设计方法。该方法从建立全液压湿式驱动桥壳有限元模型出发,结合拉丁方试验设计方案,利用最小二乘法构建驱动桥壳的二阶响应面近似模型。在此基础上,以驱动桥壳最大应力最小为优化目标,以驱动桥壳结构几何参数为设计变量,建立可靠性优化模型。对某驱动桥壳的优化结果表明,优化后的桥壳最大应力降低了10.91%,桥壳质量降低了10.93%,在满足相应强度要求的条件下有效降低桥壳的质量,达到可靠性设计的目的。

文章以液压支架掩护梁结构为研究对象,分别在最大应力约束以及疲劳寿命约束条件下,对液压支架掩护梁结构强度可靠性优化设计方法展开分析,根据有限元分析结果,提出几组综合性能较好的优化组合方案,并通过对比分析,得出了最佳的优化设计,可在后续实践中进一步引起关注。

为降低构造复杂系统可靠性优化模型的难度，利用T—s故障树构造系统故障率函数，并结合可靠性费用函数构造可靠性优化模型。针对PSO算法局部收敛性差、ACO算法搜索初期积累信息素占用时间较长的不足，将PSO算法和ACO算法混合，并结合死亡罚函数法构造适应度函数，提出混合PSO．ACO算法。考虑不同的粒子个数和蚂蚁个数，将所提算法应用于液压工作系统的可靠性优化，通过与PSO算法、ACO算法及ACO．PSO算法的对比，验证混合PSO．ACO算法的优化结果更为理想。