针对圆柱度误差评定的特点,提出了一种基于实数编码的改进遗传算法同时实现圆柱度误差的最小区域法、最小外接圆柱法和最大内接圆柱法评定.同时建立了用遗传算法实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法.通过不同评价方法对圆柱度误差在不同初始值下进行多次评定,证明该方法都能收敛到全局最优解,而且计算结果稳定.该算法可以推广应用到其它形状误差评定中.

针对平面度误差计算的特点,提出了一种基于实数编码的改进遗传算法.该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略;交叉和变异概率根据个体适应度大小来自适应地确定;同时给出遗传算法评定平面度误差时适应度的计算方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.

为了提高盘式制动器的制动效果,建立起制动力矩的数学模型,并使用一种改进遗传算法进行优化设计。该方法较简单遗传算法作了改进,采用实数编码,在判断个体适应度时提出了最优保存策略。与简单遗传算法相比,改进后的遗传算法在解决有约束非线性问题时,表现出良好的速度和有效性。最后通过实例计算分析表明该方法高效可行,优化结果可直接作为工程设计的参考。

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。

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

针对工艺规划与调度集成（integrated process planning and scheduling,IPPS）问题中的顺序柔性调度问题,提出了基于简单顺序关系的顺序柔性描述模型及调度模型,并改进遗传算法设计了集成型的顺序柔性调度算法。染色体编码同时采用简单顺序关系编码和基于工序的编码,并为两种编码分别设计了多种交叉和变异操作。为避免遗传算子产生违背工序顺序优先关系的不可行解,提出了顺序约束修正策略;针对遗传算法易过早收敛的缺陷,设计了自适应调节变量以强化种群多样性,并引入变邻域搜索算法改变解的搜索邻域,进一步搜索最优调度方案。三种不同规模的实验仿真验证了问题描述模型及调度算法的有效性。

针对非线性摩擦力对精密Z轴伺服装配臂的动静态性能的影响,基于Lu Gre摩擦模型,提出了一种改进遗传算法对LuGre摩擦模型参数进行辨识,实现了由“分步辨识”到“一步辨识”的转变,并将辨识结果陷入局部最优的概率从0. 3左右降低到了0. 1以下,高效地获取了全局最优辨识结果,辨识误差也从10%左右降低到了3%以内,提高了辨识精度;同时,在Z轴伺服装配臂系统下对LuGre摩擦力设计了前馈补偿器进行补偿,仿真实验表明,基于LuGre摩擦模型的前馈补偿可有效消除非线性摩擦力对精密伺服系统的影响,从而提高精密Z轴伺服装配臂系统的动静态性能。

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。