某型轿车前车门装配公差分配的优化

由于轿车车门装配不仅关系到汽车外观质量,还关系到企业的制造成本。为了优化轿车车门装配公差分配,结合制造成本—公差分配模型,提出了采用粒子群算法对车门进行装配公差分配优化,并建立了基于田口质量定义的质量成本理论对其进行评价,最后以某型轿车前车门装配公差分配为例进行验证,结果表明该轿车前车门优化后10个测量点均能满足公差要求,装配质量明显提高,并且优化后总损失成本减少了7.33%,验证了该公差分配的合理性,为正确处理汽车外观质量和制造成本之间的矛盾提供一定的参考。     

改进遗传复合形算法及其在并行公差优化设计中的应用

提出了一种将遗传算法与复合形算法相结合而构成的遗传复合形算法．在遗传算法初始化之后，用复合形法选出较好的个体，再用遗传算法寻求最优解，并首次将加权制造成本和质量损失成本同时应用到公差并行设计的优化数学模型中．研制出面向公差并行设计的新的优化软件．经过试验验证较以前的算法有较大改进．     

基于最低制造成本的一种公差优化设计法

提出一种基于加工能力约束最低制造成本的公差优化设计方法。利用加工的标准偏差估计值和制造成本－公差关系模型，以装配功能公差链，加工合格率以及加工方法的经济公差最大极限为约束条件，通过分别建立和求解公差优化的初始模型和最终模型，来实现公差的优化设计。     

一种基于扰动和边界约束处理机制的萤火虫算法

针对萤火虫算法在求解优化问题时容易陷入局部最优,求解精度不高的缺点,提出了一种改进的萤火虫算法.该算法在萤火虫算法中引入新的扰动项,并利用有效的边界约束处理机制处理边界约束.函数优化问题的实验结果表明了该算法的可行性和有效性.     

面向过程的多工位薄板装配公差综合

针对多工位薄板装配过程,建立了一种新的公差综合方法.通过分析夹具定位偏差与公差的关系,利用偏差流传递的状态空间模型建立了公差综合的约束函数,以制造成本为目标函数,利用Matlab实现了优化的公差综合方法,同时研究了过程损失对产品质量的影响.结果表明,该方法在确保装配质量的前提下,显著降低了制造成本.     

基于合作博弈的公差稳健设计方法

结合合作博弈理论和装配产品公差稳健设计建模,提出一种基于Nash仲裁均衡的公差稳健设计方法.首先将考虑稳健设计要求的装配产品质量与成本视为多目标优化对象,通过建立博弈决策方、效用函数,对各博弈方策略进行归属分类,将装配质量和成本多目标优化问题转化为多目标博弈决策问题,并建立相应的博弈模型及效用矩阵,最后采用合作博弈中的Nash仲裁法进行优化求解.该方法应用于车身前端装配总成的公差设计案例,通过与单目标优化方法比较,说明了其工程应用的有效性.     

云制造环境下的演化博弈公差分配方法

针对云制造环境下复杂多样的制造资源对产品装配尺寸链公差分配的影响,提出了一种基于演化博弈的公差分配方法。首先以同属一个尺寸链中的各公差单元为博弈方,综合考虑公差设计方案的质量损失和资源价格两方面,将装配质量要求和成本转换为公差单元选择制造资源后的总支付,以公差单元对资源的选择为博弈策略,建立演化博弈模型;然后,构造模型的复制动力学方程,模拟不同用户的策略适应过程;最后,运用Lyapunov第二方法证明该模型能够收敛至演化均衡,并利用分布式迭代算法进行求解。以车身前端装配总成公差分配设计为例,验证该模型及算法的可行性与有效性,实验结果表明:质量损失系数对资源选择策略无影响,但会影响总支付;所提演化博弈方法与非合作博弈方法、线性加权方法相比,可降低公差分配方案的质量损失及总支付,平均降低了28.3%～54.0%和18.2%～63.6%。将该演化博弈方法应用于装配尺寸链公差分配设计,实现了云制造环境下依据公差设计进行制造资源的选择。     

求解布局问题的混合萤火虫群优化算法

为了充分发挥萤火虫算法的优点,将人工萤火虫群优化算法与启发式策略相结合,设计了一个新的求解布局问题的高效萤火虫优化算法.实例测试和实验对比结果表明:相对于已有文献中的算法,提出的混合布局方法更加有效.     

基于制造-质量损失成本的公差优化分配法

基于成本-公差函数和质量损失函数，构造了以制造成本和质量损失成本之和最小为目标函数、以概率边界为约束条件的公差优化分配数学模型，采用拉格朗日乘数法进行求解，实现了公差的定量优化分配。实例验证表明，该方法找到了制造成本与质量保证之间的1个平衡点，对实际应用具有一定的参考价值。     

多工序公差综合优化方法的研究

公差是机械制造过程中最重要的参数之一,其对加工成本和产品质量有很大影响,以最低加工成本为目标,根据成本与公差间的函数关系,建立了非线性的公差优化模型,并采用遗传算法解决了多零件多工序非线性公差综合优化问题。实例证明该优化模型正确,算法可靠。     

一种改进的求解聚类问题的萤火虫群优化算法

提出一种改进的求解聚类问题的萤火虫群优化算法,该算法借鉴粒子群优化算法的思想,对聚类中心采用实数编码和解码方法;用线性递减的移动步长代替固定步长,萤火虫的更新位置由动态决策域和全局最优位置共同决定代替仅由动态决策域决定;并加入孤立点的移动策略,使得孤立点可以向最优值方向移动.将该算法与粒子群优化算法、基本的萤火虫群优化算法在UCI数据集上进行对比试验,结果表明改进的萤火虫群优化算法可以取得较好的聚类效果.     

基于改进成本公差模型的并行公差优化设计

在总结传统成本公差模型的基础上,从资金的时间价值角度对传统成本公差模型进行改进,提出了改进后的成本公差模型.利用改进后的成本公差模型,并将制造成本和质量损失成本同时应用到并行公差设计的目标函数中,实现公差的优化设计.最后通过工程实例验证所提出的方法.结果表明:改进的成本-公差模型更贴近现实,计算出的总成本更合理,有效反映了资金的时间价值、物价上涨等现实因素.     

基于免疫二进制萤火虫算法的主动配电网低碳目标网架规划

主动配电网(ADS)网架规划是一个非常复杂的大规模组合优化问题.萤火虫算法(FA)是一种新型的智能优化算法,全局搜索能力强、算法结构简单,而且收敛速度快.在此基础上借鉴生物免疫机制,群体更新时考虑抗体浓度,进一步提高种群的多样性和算法全局寻优能力,提出了一种免疫二进制萤火虫算法(IBFA)进行主动配电网网架规划.以线路投资、运行维护、网损和碳排放环境成本最小为目标,考虑分布式电源(DG)与柔性负荷(FL),建立了主动配电网网架规划模型.通过与二进制粒子群优化(BPSO)算法对比求解IEEE-14节点算例,验证了免疫萤火虫算法在全局寻优能力和收敛性方面的优越性,同时证明分布式电源和柔性负荷是抑制碳排放、提高系统整体效益的有效方式.     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

随机学习萤火虫算法优化的模糊软子空间聚类算法

传统软子空间聚类算法在利用局部搜索策略解决等式约束的连续非线性的变量加权问题时,易陷入局部最优导致聚类效果不佳.针对该问题,该文提出了一种随机学习萤火虫算法优化的模糊软子空间聚类算法.该算法利用具有全局搜索能力的萤火虫算法对新算法的目标函数进行优化,同时,为弥补萤火虫算法易提前收敛和寻优精度较低的缺陷,对萤火虫种群进化方式和全局最优粒子的学习方式进行了改进.新算法将权值矩阵拟化成萤火虫种群,使变量加权的等式约束变为界约束,通过萤火虫位置的更新搜索最优权重并发掘子空间中隐藏的簇类.在人工数据集、UCI标准数据集和癌症基因表达数据集上的实验结果表明:该算法具有较好的聚类效果.     

二进制自适应步长萤火虫优化算法

基本萤火虫优化算法(GSO)存在着易陷入局部最优、后期收敛速度慢和适应函数值震荡等缺陷,引起这些问题的一大原因是算法中设置的固定移动步长。而在一些自适应步长萤火虫优化算法(AGSO)中,算法收敛精度和速度虽较基本萤火虫算法有所优化,但其迭代过程中出现的不稳定性仍需改进。为此,设计了二进制自适应步长萤火虫优化算法(BAGSO),此算法将移动步长转换为各萤火虫位置编码之间的码距,使萤火虫的收敛方向更具全局性,不易陷入局部最优,且进一步提高了收敛精度和稳定性。通过标准测试函数测试,表明在3种算法中BAGSO算法于各性能指标上通常是最优的。     

板材冲压成形CAE分析软件KMAS在汽车覆盖件模具设计中的应用

阐述了汽车覆盖件模具设计及制造的特点和技术要求,冲压成形CAE技术在车身设计及生产工艺设计分析中的重要作用.以某货车纵梁应用CAE软件KMAS进行产品设计及工艺优化为例,提出了在进行车身件产品设计及模具设计中如何在最短时间得到最优化的工艺方案的方式和实施过程.该方案对解决车身零部件生产中常见的破裂和回弹两种缺陷具有指导意义,可以有效降低模具制造乃至整车制造成本.     

基于单增量和全局维度学习策略的萤火虫算法

萤火虫算法的搜索过程较依赖于最优萤火虫，而最优萤火虫并不进行有导向的寻优移动，算法易陷入局部最优.为此，提出了一种基于单增量和全局维度学习策略的萤火虫算法.在萤火虫个体移动时，该算法并不叠加萤火虫个体的当前位置，而是将累加的位置增量作为新的搜索方向，用于更新萤火虫的位置.该算法大大降低了萤火虫当前位置对搜索过程的影响，有利于算法更快的跳出当前局部最优，进行更大范围的寻优；其次，对最优萤火虫进行一定次数的单维度学习，将学习后的萤火虫引导种群进化.在基准测试函数上的实验结果表明，该算法优于其他几种改进的群智能优化算法，具有良好的跳出局部最优的能力.     

基于现值质量损失的相关特征产品的公差设计

考虑产品质量特征随着时间退化的影响.用多变量质量损失函数在连续复利条件下,把产品特征的退化作为一个连续的现金流量函数建模,从而建立了相关特征产品的期望质量损失现值与其公差的函数关系;在此基础上把质量损失的现值和产品随时间退化的影响集成到总成本模型中.提出了相关特征产品公差设计新的优化模型.产品的优化公差通过使总成本(制造成本与期望质量损失现值之和)最小化而获得,一个板簧公差设计的实例验证了该模型的有效性.     

一种混沌多样性控制的萤火虫优化算法

针对基本萤火虫算法存在早熟停滞现象,提出了一种混沌多样性控制的萤火虫优化算法.运用混沌映射产生均匀分布的萤火虫初始位置,获得质量较好的初始解;在搜索过程中对适应值低的部分萤火虫进行混沌扰动,以保持群体活性,减小陷入局部最优的可能性;同时利用真实物理反弹理论对超越边界萤火虫位置进行控制,提高种群的多样性.用标准测试函数测试,实验结果表明,该算法能有效地提高了算法的全局搜索和局部开发能力,寻优精度和收敛速度明显提高.