基于改进遗传算法的数控机床加工铣削参数优化方法
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。
复杂装备数字孪生跨域高效协同建模平台与应用
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。
基于改进遗传算法和LVQ网络的刀具故障诊断
针对叠层材料钻削加工特点,提出一种通过改进遗传算法(SAMGA)优化学习向量量化(LVQ)网络的刀具磨损在线监测方法。该方法在刀具磨损监测实验过程中,采集制孔过程中的声发射信号与红外温度信号,利用小波包分解与主元分析法对采集到的信号进行滤波与降维处理,将处理后的信号特征作为输入特征向量导入到LVQ网络模型中,并通过改进遗传算法优化其初始权值与阈值。结果表明SAMGA-LVQ模型相比BP网络对于刀具磨损的预测识别精度更高,改进遗传算法对LVQ网络优化后训练速度有明显提升,更适用于刀具磨损在线监测系统。
改进遗传算法与拟随机序列结合评定自由曲线轮廓度误差
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。
基于改进遗传算法评定圆柱度误差
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.
基于改进遗传算法的高速永磁无刷直流电动机优化设计
基于改进遗传算法对高速永磁无刷直流电动机进行了优化设计,在该算法中,交叉率和变异率为进化代数和适应度的函数,把遗传算法与模式搜索法(爬山法)相结合使用形成一种混合遗传算法。通过无刷直流电动机的优化实例计算以及实验结果,证明该文对遗传算法的改进是行之有效的。
基于改进遗传算法优化的双步进电机伺服阀控制研究
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。
转子系统支承松动故障非线性参数识别
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...
改进遗传算法对实际Job Shop问题的解决
针对标准遗传算法收敛速度慢以及易陷入局部最优的问题,采用基于工序的编码和活动解码方式,采用自适应策略设计交叉算子和变异算子,并将极值优化算法作为一种新的变异算子对标准遗传算法进行了改进,最后通过实验验证了改进后算法的有效性.
IGA在DEH调节系统参数优化中的应用
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。