对于数控机床加工铣削参数优化多采用常规的可信度近似模型,但该方法易受到材料失效应变系数的影响,导致优化后的加工效率较低,提出基于改进遗传算法的数控机床加工铣削参数优化方法。根据工件的本构模型,对切削刃进行采样抽取,确定最小铣削力波动位置;引入材料失效准则计算材料失效应变系数,基于此,以加工时间最短、加工成本最低和加工能耗消耗最小为目标建立铣削参数优化模型,并采用改进遗传算法求解模型,通过迭代适应度值,输出最佳铣削参数;最后,采用对比实验的形式对所提方法的优化性能进行测试。测试结果表明应用所提方法对数控机床加工铣削参数进行优化后,能够有效缩短切削时间,提高加工效率。

随着装备朝着复杂化、集成化、智能化方向发展,如何快速准确构建高保真数字孪生模型是复杂装备智能运维的基础性工作与最大技术障碍。提出依靠设计结构矩阵(DSM矩阵)进行任务耦合度优化与智能分发的策略,实现复杂装备数字孪生多点建模全方位动态监管;基于DSM矩阵特点提出一种改进遗传算法,改进优化流程并提高任务处理速度;最后,开发基于Web的分布式协同建模平台,实现了丝杠试验台数字孪生实体模型的协同构建。试验结果表明该试验台协同建模效率得到了显著提升,为复杂装备数字孪生模型快速构建提供了工程案例,为复杂装备智能运维提供了技术支撑。

为了高效率、高精度检测自由曲线和曲面零件并计算轮廓度误差,提出将改进遗传算法与拟随机序列结合来评定自由曲线轮廓度误差。首先,针对自由曲线因没有已知的解析表达式而常用离散点表示其轮廓的特点,采用非均匀有理B样条（NURBS）来表示自由曲线,并用改进遗传算法优化重建自由曲线;然后,应用拟随机Halton序列均匀产生参数值精确计算点到曲线最短距离。阐述了自由曲线重建时控制顶点及目标函数值的计算方法,确立了改进遗传算法重建自由曲线及采用拟随机序列生成参数值求解点到曲线最短距离的具体步骤。最后,针对仿真实例计算并实测零件曲线轮廓度误差。结果显示,自由曲线轮廓度误差评定精度高于99%,表明提出的方法算法简单、计算速度快、精度高,适于在工程计量中推广应用。

液压挖掘机的控制系统具有非线性、时变性以及强耦合的特点,传统的比例积分微分(Proportion integral differential,PID)控制器参数整定方法不能满足对挖掘机工作装置精确的位置控制要求。因此提出一种遗传萤火虫算法(Genetic Firefly Algorithm,GFA)整定方法,通过对目标函数、选择算子、交叉算子等改进之后再引入人工萤火虫算法来提高遗传算法的全局寻优能力和收敛速度。利用MATLAB仿真软件进行仿真,并分别与标准PID控制和标准遗传算法进行比较。仿真结果表明,基于GFA的控制系统具有较快的响应速度、无超调量、更强的鲁棒性以及较小的铲斗关节轨迹跟踪误差。所提算法具有更好的参数整定能力,改善了系统性能,可用于提高液压挖掘机铲斗位置控制的效果。

为识别数控机床运行过程中滚动轴承的运行状态,提高滚动轴承的故障状态诊断正确率,提出了一种基于小波包分解的改进遗传算法优化BP神经网络的滚动轴承故障识别方法。以滚动轴承的4种故障状态为研究对象,通过小波包分解振动信号,得到敏感特征向量;针对BP神经网络的缺点,运用改进遗传算法优化BP神经网络的阈值和权值,实现最优训练,建立更精确的滚动轴承IGA-BP状态预测模型。结果表明:IGA-BP预测模型收敛速度更快,预测准确率更高,证明了所提方法的有效性。

针对复杂零件加工特征多、加工工艺多样等问题,提出一种基于改进遗传算法的零件加工工序优化方法。该方法利用三维工步矩阵实现制造信息存储和表达,建立工步约束矩阵作为约束条件,以花费成本最低作为目标建立加工工序优化的数学模型;对基因进行分层编码,针对不同的决策层选择对应的交叉、变异算子,引入选择层编码实现加工车间加工方式和制造资源的动态决策;以箱体零件为例进行验证。结果表明:改进后的遗传算法提高了种群质量,加快了算法收

针对一端支承松动的转子一滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别.针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法.通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制.父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群.改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度.用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响.研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达 0.3 ,噪声不超过10%时能具有理想的识别精度.基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证...

以不确定工序加工时间为切入点, 使用区间数表征不确定工序加工时间, 研究了基于不确定工时的单目标柔性作业车间调度问题, 并设计了基于区间数理论的改进遗传算法对该问题进行求解.

针对提高冲压发动机可调尾喷管用电液伺服系统控制性能问题,通过定义负载流量与负载压力,利用小偏量法建立系统线性模型,并设计基于自适应改进遗传算法的控制器,从而提升系统控制性能。分别对经典PID控制中比例、积分、微分3个参数及智能模糊控制中隶属函数、控制规则的58个参数进行全局寻优,前者采用二进制编码,后者采用十进制编码,克服设计者在进行无优化算法控制器设计时的经验主观性及控制系统性能未达最优的缺点。利用MATLAB进行数字离散系统编程仿真,结果表明:较优化前,遗传算法优化后的PID控制调节时间与超调更小,优化后的模糊控制响应时间更短且无超调,且后者响应时间和超调皆小于前者,即非线性智能模糊控制较线性PID控制更具优化潜力。

遗传算法是模拟自然界生物进化过程和机制对优化问题进行求解。首先概述了遗传算法的基本原理、特点和存在的缺陷鉴于遗传算法易出现＂早熟＂现象对遗传算法进行改进后将其应用于汽轮机数字电液调节系统的参数优化并给出了参数优化过程。改进遗传算法提高了算法的全局搜索能力和局部搜索能力。仿真实验表明改进的算法效果明显优于经典优化算法能有效克服＂早熟＂现象、提高算法收敛精度具有良好的收敛性和寻优能力。