为解决现有柔性制造系统排产效率低的问题,提出一种基于时延Petri网模型的柔性制造系统排产优化方法。首先,根据柔性制造系统生产模式的特点,为其建立包含生产路径约束信息的时延Petri网模型。其次,设计遗传算法与模拟退火算法的混合算法,快速搜寻时延Petri网模型最优或次优变迁发生序列,从而得到系统加工优化路径。最后,通过算例仿真与分析,表明该算法具有较高的准确率,且有较强的跳出陷阱能力,证明了其在基于时延Petri网模型的柔性制造系统排产优化方面的有效性。

针对人工势场法算法存在复杂障碍物环境中易陷入局部最小值无法运动的问题,本文提出了一种适用于静态环境中机械臂路径规划改进的人工势场法,通过在引力场中添加引力安全阈值,在斥力场中添加路径搜索当前点与目标点的欧式距离,引入自适应大步长的模拟退火算法对局部最小值进行逃逸。首先,修改势场函数模型;然后,当搜索路径陷入局部最小值时,采用自适应大步长的模拟退火算法往障碍物最少的空间逃逸;最后,在规划出来的路径上提出一种冗余节点删除策略与拐点消除算法,对规划出来的路径进行平滑处理。仿真和实验验证了本文提出的六自由度机械臂避障路径规划策略有效性。

为了提高数控铣削加工的生产效率,降低生产成本,同时改善生产工件的加工质量,根据最优化思想,建立以铣削加工参数为优化变量,以铣削力、机床主轴转速和加工面粗糙度等为约束条件,以最短加工时间和最低生产成本为目标的优化函数。在标准粒子群算法的基础之上,引入惩罚函数,将多约束优化问题转变为无约束优化问题,改善了求解过程的复杂性;同时,针对粒子群算法容易陷入局部最优的问题,将其与模拟退火算法结合,增强粒子的全局搜索能力,改善粒子的局部收敛性。通过仿真实例验证了改进粒子群算法的有效性和优越性,改善了工件的加工时间与生产成本。

为了高效地检测镀镍矩形铜线圈的表面粗糙度,通过由工业相机、显微镜头、点光源等设备构成的硬件系统获取线圈表面图像,采用基于灰度共生矩阵的视觉检测方式,根据图像处理技术提取8个基于灰度共生矩阵的纹理特征参数,结合实际粗糙度值建立实验数据库,分析了特征参数与实际粗糙度值的变化规律;针对BP神经网络容易使权值与阈值陷入局部最优解,导致检测结果不准确等问题,采用SA算法优化了BP神经网络的初始权值与阈值,构建了SA-BP神经网络检测模型;根据训练结果,训练MSE由BP模型的0.000139降到0.000023,迭代次数降低22,说明SA-BP模型拥有更快的收敛速度与更优的网络模型;根据检测结果,检测最大误差幅度由BP模型的0.21μm降到了0.13μm,相对误差均值由5.41%降到3.45%,说明SA-BP模型具有更高的检测稳定性与准确性。

应用模拟退火算法优化遗传算法实现了露天矿卡车的实时优化调度。首先,针对所建卡车调度模型的单目标、多约束、非线性优化的特点,应用求解此类问题表现优越的遗传算法进行求解。其次,针对遗传算法局部搜索能力不足的特点,应用局部搜素能力强的模拟退火算法对其进行优化并详细阐述了模拟退火算法优化遗传算法的基本思想和算法流程。接着,应用典型的TSP问题对模拟退火优化遗传算法进行了验证。最终,应用Mtlab编程软件编制了基于SA-GA算法的露天矿卡车调度程序,并以实际生产数据进行了实验验证。

为提高数控机床的精度,基于模拟退火算法设计数控机床热误差补偿方法,分别建立机床内部零件沿X轴、Y轴、Z轴方向做平移与旋转运动时的变化矩阵,计算电动机与轴承的发热量,二者相加后就可以得到高速运动下机床发热量。基于模拟退火算法建立热误差偏移补偿模型,获得系统温度的状态参量,得到温度下降后求和单元的传递函数,计算偏移补偿模型内X轴、Y轴、Z轴上经过多次迭代后的位置。设计数控机床热误差补偿算法,得到数控机床热误差补偿结果。实验结果显示,该数控机床在Y轴上的热误差值较小,但是在X轴与Y轴上的热误差较大,经过误差补偿后,其热误差分别降低至1~2 m m和0~1 m m,可见该热误差补偿方法效果较好。

采用人工神经网络技术分析了DHP40-4型离心式压缩机辐射噪声声功率级及其噪声频谱分布规律,应用模拟退火算法对压缩机噪声最大值进行了预测,结果表明该型压缩机噪声最大值在2000Hz附近.

结构参数误差是影响关节臂式坐标测量机精度的主要因素之一,精确辨识其结构参数可以有效地提高测量机的精度。本文基于Denavit-Hartenberg模型建立了六自由度关节臂式坐标测量机坐标变换方程,分析了基于锥孔的参数辨识原理,提出了一种改进的模拟退火算法用于测量机的结构参数辨识。该算法在接近最优解时将减小搜索范围以提高搜索效率和求解精度,并保留中间过程的最优解。以单点重复精度为目标函数,利用改进的模拟退火算法对研制的六自由度关节臂式坐标测量机的结构参数进行辨识。实验结果表明,经过参数辨识后,测量机的单点重复精度提高了7.87倍,长度测量精度提高了5.59倍。

为获得最优的PID控制器参数及探寻更好的PID整定方法,针对模拟退火算法(SAA)全局寻优能力、收敛性、鲁棒性强的特点,提出了一种基于SAA的PID参数优化方法。针对工业过程中的无时滞过程、小时滞过程、大时滞过程、高阶过程模型,分别将综合性能指标ITAE、ITSE、IAE、ISE作为目标函数,借助MATLAB的.m程序和Simulink进行PID参数优化研究,充分验证了基于模拟退火算法的PID参数优化方法的可行性和有效性;并将优化结果与Z-N法、C-C法、ISTE最优设定法三者的整定结果进行对比分析,结果也表明基于模拟退火算法的PID参数优化相对于传统常规方法具有显著的优越性。

当生产车间设备数目较多（超过15个设备）的情况下使用传统的方法不能有效解决。针对该问题以物流运输费用最小和车间面积利用率最大为原则,建立数学模型。使用模拟退火算法中的并行性和遗传算法中收敛速度快的特点结合完成算法设计,即通过模拟退火算法和遗传算法的交替使用,避免遗传算法陷入局部最优,又能迅速得到最佳结果。实例化到16工位大型零件车间。结果表明该算法具有很快的收敛速度和较好结果,改善了遗传算法过早收敛和模拟退火算法收敛较慢的缺点,是一个行之有效的方法。