针对摆线马达摆线副基本参数优化问题,提出了基于多目标遗传算法的优化方法。并根据模糊隶属度函数从Pareto最优解集中选取最优折衷解作为摆线马达摆线副基本尺寸参数。结果表明,该方法能使马达排量提高21.14%,流量脉动率降22.6%。

为更好地反映实际拆卸作业时间的不确定性,建立了考虑随机作业时间的多目标U型拆卸线平衡问题的数学模型,并针对传统方法求解多目标问题时求解结果单一、无法均衡各目标等不足,提出一种基于Pareto解集的多目标混合人工鱼群算法。算法采用自适应视野串行觅食方式,以减少并行觅食时出现重复搜索现象,并根据多目标拆卸序列之间的支配关系得到Pareto非劣解集,实现了鱼群寻优结果的多样性。对鱼群觅食得到的拆卸序列进行模拟退火操作,增强了算法跳出局部最优的能力。采用拥挤距离机制筛选非劣解,实现了拆卸序列的精英保留,进而将非劣解添加到下次迭代的种群中,加快了算法的收敛速度。将所提算法应用于具有55项任务的某打印机拆卸实例,经与基本人工鱼群算法、模拟退火算法对比,验证了所提算法的有效性和优越性。

针对已有研究中忽略拆卸工具的不足，基于多目标拆卸线平衡模型，考虑了作业过程中的工具更换因素，建立了包含最小化工具更换次数的多目标拆卸线平衡问题数学模型，并设计了一种多目标猫群模拟退火算法进行求解。提出基于序列交换的离散跟踪模式；将猫群优化算法与模拟退火算法相结合，以增强算法的全局寻优能力；引入拥挤距离筛选，提高算法运行效率的同时有效的保证外部档案集的多样性；采用精英保留策略加速算法的收敛。通过对已有算例进行求解，并与其他算法对比分析，验证了所提算法的有效性和高效性。最后，将所提模型和算法应用于某型号打印机拆卸线的设计，为决策者提供了多种平衡方案。

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.

最大钻速是判定本安型液压车载钻机工作能力的关键指标。基于二次回归模型,考虑二次交互效应,将最大钻速作为优化目标,将钻刀扭矩、钻杆推力、刀盘转速和螺旋机转速等工作参数作为设计变量构建优化数学模型,根据拟合误差判定近似模型具有较高的精度和稳定性。针对不同的样本数目,采用二次规划算法搜索Pareto最优解集。结果表明,性能优化后的钻机最大钻速为1.16m/h,相比于工程经验法,在满足连续工作温度和噪声条件下提升了23.4%以上。