为解决小尺寸涡轮钻具扭矩小带来的弊端,建立一种基于BP神经网络和非支配排序多目标遗传算法(NSGA-II)优化模型,通过对涡轮结构尺寸进行优化,得到高效率下扭矩更大的涡轮。采用权重估算和Garson算法,对涡轮的扭矩和效率进行敏感性分析,再通过比较多种机器学习算法构建回归模型的拟合度,选用反向传播神经网络(BPNN)建立扭矩和效率与设计参数之间的回归模型,最后结合非支配排序多目标遗传算法(NSGA-II)寻求Pareto最优解集。结果表明安装角对输出扭矩的影响最大,叶片数对输出效率的影响最大;采用BP神经网络构建的回归模型最为准确;优化后的涡轮与初始涡轮相比,扭矩提高1.2倍,效率提升1.35%。

针对国内金属锯切过程中,变锯深工况下带锯床加工效率低、加工振动大的问题,提出基于恒定锯切力约束的进给速度优化方法。基于锯切力动力学模型,以提高圆柱零件加工效率和降低最大锯切力为优化目标,以恒定锯切力范围、临界锯切力、机床进给速度、机床功率为约束条件,建立进给速度优化模型,并采用基于精英控制的非支配排序遗传算法(NSGA-II算法)对锯切过程中的进给速度进行优化。实例验证了恒定锯切力约束的进给速度优化模型的有效性,达到了恒定锯切力约束目标,提高了加工效率,降低了最大锯切力。最后,通过ANSYS有限元分析软件对锯条的瞬态响应进行动力学分析,验证了变进给速度锯切的加工稳定性。

针对早期设计的桥式起重机数字化开发系统存在开发环境兼容性差、流通范围小、开发语言落后、设计思路具有局限性的问题,结合网络协同的设计思想,使用Visual Studio 2013中的ASP.Net.Core作为开发框架,C#作为开发语言,进行桥式起重机云平台开发,完成桥式起重机三维模型驱动与机构的尺寸排布校核;根据NSGA-II算法验证主梁的设计可行性并给出轻量化设计方案,然后快速生成工程图纸并调整;最后使用云开发的SaaS服务模式,实现多租户在网络浏览器端对桥式起重机的协同化与定制化设计。该数字化系统兼容多开发环境下的服务,为传统起重机行业从数字化向智能化发展提供参考。

目的实现大型船舶外板表面喷涂的自动化作业,开展表面漆膜厚度分布规律研究,优化平面喷涂轨迹,求出最佳喷涂搭接参数。方法以喷嘴雾幅宽度、距离、喷枪移动速度三个喷涂工艺参数为因素进行正交实验,获得漆膜厚度分布数据,使用P分布函数进行实验数据表征,运用遗传算法优化拟合P分布模型的三个关键参数。基于BP神经网络算法建立漆膜厚度分布预测模型,并对预测结果进行合理性分析。在此基础上,研究每道漆膜之间的搭接规律,运用NSGA-II算法求解最优漆膜搭接宽度。结果计算得到15组实验数据对应β分布模型的Tmax、w及β构建的漆膜厚度分布预测模型能准确预测在不同喷涂工艺参数下的漆膜厚度分布。以第16组实验为例,计算得到了最优的漆膜搭接宽度为41.76cm。结论建立了喷涂工艺参数和膜厚分布规律之间的映射模型,该模型可以准确预测不同工艺...