基于公差推理的零件聚类装夹规划方法研究

针对计算机辅助工艺设计中的装夹规划问题,提出一种面向制造特征的基于公差推理的装夹聚类规划方法.通过分析零件的制造过程,对加工单元进行定义,建立零件的装夹规划数学模型.随机生成装夹规划的初始解,计算加工单元之间的装夹相异度,通过进行反复迭代的聚类分析获取最少的装夹分组.基于公差的推理方法,获得加工单元的加工顺序约束关系,进行装夹的组间及组内排序,生成最优装夹规划方案.同时,基于CATIA设计平台实现了零件的装夹规划原型系统,通过实例对所提算法进行了验证.      

制造单元快速构建技术研究

针对制造单元的快速构建和提高可实施性的问题,提出了一种采用聚类分析与启发式算法相结合的解决方案. 在零件存在多工艺路线、工序存在多可选设备的基础上,综合考虑加工时间、加工顺序、生产批量、设备能力、任务交货期等实际生产约束条件,以最短加工时间、最佳设备及单元平衡、最少跨单元加工等作为重构优化目标,重视生产瓶颈环节的识别和处理,采用设备单元构建、资源优化分配和单元负荷均衡的三阶段处理技术,实现了制造单元的快速构建,导出了零件族、设备集合以及瓶颈问题的解决方案,并通过实例验证了算法的有效性.     

基于特征单元的设备选型状态空间理论与方法

提出零件特征单元加工过程的状态空间理论,并将之用于解决零件加工的工艺设备选型问题.基于复杂零件特征具有多样性和复合性的特点,定义特征单元,以便于分析零件特征.针对单一特征单元,提取特征单元加工前和加工后两个状态,通过分析两个状态变换原因,构建状态变换矩阵,得出状态变换矩阵代表工艺设备加工能力的结论.通过构建状态变换方程描述加工过程.建立状态空间,将工艺设备选型问题转换为加工前和加工后两个状态在状态空间中的路径规划问题.在实际生产的约束条件下,将状态空间中路径规划问题转化为现有工艺路线的优化问题,并且建立工艺设备选型优化模型,优选出较理想的工艺路线,从而选出与该条工艺路线对应的一套工艺设备.应用算例验证了该方法的可行性.     

面向工艺分工规划的多目标蚁群算法

为解决计算机辅助工艺规划中工艺分工的优化问题,提出一种基于多目标蚁群算法的工艺分工路线优化算法.在引入逻辑加工路线、逻辑制造单元、物理制造单元、可执行加工路线等概念基础上建立工艺分工规划过程模型.在过程模型中,运用多目标蚁群算法对物理制造单元集合实现优化.在求解过程中,以加工时间和所耗成本为目标函数,在求解空间中对物理制造单元进行遍历,最终寻找到最优化的可执行加工路线.通过实例验证了该方法的可行性和有效性.     

基于模糊聚类的可重构制造工艺规划方法

可重构制造是未来解决批量加工中高效、低成本与生产柔性之间矛盾的新型制造模式,建立与可重构机床设计紧密联系的零件族加工工艺方案对实现可重构制造具有重要意义。首先建立面向零件族的加工信息矩阵,进而形成零件的加工工序单元序列及工序单元顺序矩阵;依据零件可并行加工的方位组合,基于模糊聚类多层次分析法,将零件间相似的工序单元序列组配成工序段序列,再由零件间相似的工序段序列创成出零件工艺方案;最终通过零件间工艺方案的模糊聚类相似度计算,得到零件族中零件间最为相似的加工工艺方案,实现零件间加工工艺的快速转换。以某汽车变速箱体零件族的加工为例,验证了该方法的可行性。     

一种基于数据流聚类的动态目标分群框架

为了解决动态目标分群问题,提出了一种基于数据流聚类的动态目标分群框架.该框架分为在线和离线两部分.在线部分采用临时存储结构和金字塔时间框架保存侦察数据集的概要信息;离线部分采用CNM算法对时间框架的信息进行聚类,最终得到分群结果.实验表明,该框架具有灵活的精度和效率平衡性,能够较好地满足决策辅助系统处理实时信息的需要.     

一种基于模拟退火的LUT结构FPGA工艺映射算法

SoPC中提供给FPGA IP核的有限面积使面积优化成为工艺映射的关键目标之一．减少实现电路功能的可编程逻辑单元数可以有效地减小所需芯片面积,还能降低对布线资源的需求．利用模拟退火算法从全局范围对LUT结构FPGA的工艺映射过程进行考虑,针对减少所用LUT数目的目标得出映射结果,实验结果表明用该算法可以快速地得出非常优化的结果．     

ISO18000-6C标准的防冲突改进算法

对超高频RFID系统中ISO18000-6C标准使用的时隙Aloha算法进行改进,并用仿真试验来检验系统的性能。改进的算法运用切比雪夫不等式估计现场未识别的标签数目,根据最优帧长原理动态地调整帧时隙数和分群数。在标签数目相同情况下,改进算法后系统的吞吐率与信道利用率都有所增高。     

战术Ad hoc网络的一种分群方法

战术Ad boc网群是按一定编制组成,其群首及成员相对固定.传统的Ad hoc网分群算法对群首和群成员的确立存在随机性,对战术Ad hoc网分群缺乏针对性.提出基于指挥员节点的战术Ad hoc网分群算法,通过规划保证指挥员节点具有最大逻辑编制连接度.群首用递归算法对节点进行相关度计算,其他节点执行跟随算法,确保指挥员节点在成群和运动过程中保持实际上最大连接度,实现战术Ad hoc网的层次结构的划分.     

基于波前法的球面三角剖分算法

鉴于现有球面三角剖分算法不能同时兼顾算法简单有效、剖分单元变形小和网格信息易于管理等特性,基于波前法层层推进原理,提出一种非层次递归剖分的球面三角剖分算法.并针对相邻波前剖分段数相等,其剖分单元几何变形比较大的情况,提出了网格优化方案.通过与QTM(quaternarytriangularmesh)算法比较,从剖分网格质量与剖分单元数两方面,分析了该算法球面三角网格的性能.分析结果表明:剖分所得的网格几何变形小、相似程度高、剖分单元数少,该剖分算法是一种有效的高精度球面三角剖分算法.     

一种改进的粒子群优化算法及其在盲信号分离中的应用

首先对粒子群优化算法进行了改进,用粒子群中所有粒子最优位置的加权平均值替代速度更新式中的粒子最优位置,并根据粒子群中粒子的浓度自适应地调整加速系数．这种改进的粒子群优化算法利用了粒子群中所有粒子最优位置的信息,并在进化过程中自适应地调整“认知”部分和“社会”部分对粒子的影响,从而提高了算法的收敛速度和精度．然后,针对盲...     

基于模糊聚类的粒子群优化算法

粒子群优化算法(PSO)的基础上,提出了基于模糊C-均值聚类(FCM)算法的粒子群优化算法.该算法在每次迭代过程中首先通过FCM算法把粒子群体分成若干个子群体,然后粒子群中的粒子根据其个体极值和子群中的最优粒子更新自己的速度和位置值.通过典型复杂函数测试表明,基于模糊C-均值(FCM)的粒子群优化算法的优化性能和效率远远超过基本粒子群优化算法.     

基于MPSO粒子滤波的单通道扰信盲分离算法

针对单通道接收情况下通信信号与干扰盲分离的难题,提出了一种基于变异粒子群优化粒子滤波的单通道扰信盲分离新算法。首先建立了受扰通信信号的状态空间模型,并利用变异粒子群重采样粒子滤波进行通信码元和未知参数的联合最大后验估计,有效改善了标准粒子滤波中存在的粒子退化现象,在减少所需粒子数量的同时,又保持了序贯估计过程中粒子集合的多样性和优质性,使新算法在干信比较大时也能保持较好的分离性能。仿真实验表明,对单音干扰,在干信比等于30 dB,信噪比大于15 dB的条件下,新算法可以有效地从单路接收的受扰信号中分离出通信信号与干扰。     

分段式微粒群优化算法

提出一种分段式微粒群优化算法。该算法将所要搜索的区域分成若干段,首先在每一区段内搜索出区段的最优位置,然后将各区段的最优位置组成一微粒群,继续搜索全局最优位置。通过对5个常用标准测试函数进行优化计算,仿真结果表明:分段式微粒群优化算法能有效地搜索到全局最优解,具有比基本微粒群优化算法更快的搜索速度和更好的优化性能。     

用于多指数拟合的一种混沌免疫粒子群优化

为了更好地逼近真实物理场景,对传统的多指数模型作了一些改进,将权因子设置为噪声方差平方的倒数,提出一种基于循环矩阵(CM)的算法用于估计衰减项数.为了求解上述改进模型,提出一种混沌免疫粒子群优化(CIPSO)算法.该算法将人工免疫系统中的克隆、交叉、变异和接收器修正算法嵌入粒子群算法中,并采用混沌算子实现变异,然后将惯性因子改为自适应变化.实验表明:提出的权因子设置更符合实际;用于估计项数的CM算法在估计精度与运行时间上均优于传统的ILS算法;CIPSO算法在收敛精度与运行时间上也优于传统的优化算法,如可信域法、LM法、高斯-牛顿法、差分进化算法和粒子群算法等.     

具有遗传特性的粒子群优化算法及在非线性盲分离中的应用

粒子群优化算法是一种新的基于群智能的随机优化进化算法.文章将变异和交叉思想引入到粒子群优化算法中,其基本思想是利用粒子群优化算法每次迭代的最优粒子位置及速度为基础对部分粒子进行变异,然后对变异前后粒子的分量进行随机交叉操作,从而产生新一代粒子群.通过这种处理使得粒子群体的进化速度加快,从而提高了算法的收敛速度和精度.该算法应用于盲信号分离中而获得一种非线性盲信号分离算法.计算机仿真结果表明该算法的收敛性能优于粒子群优化算法,并且在非线性盲信号分离中是有效的.     

基于扰动的自适应粒子群优化算法

【目的】针对标准粒子群优化算法在应用中暴露出的缺点,如在迭代后期收敛速度慢、搜索精度不高、容易陷入局部最优等,提出一种基于扰动的自适应粒子群优化算法。【方法】该算法将扰动因子加入速度更新公式中,使种群搜索范围扩大;采用自适应的惯性权重,以起到平衡全局和局部寻优能力的作用;对最优粒子进行自适应的柯西变异,拓展最优粒子的搜索空间,降低粒子陷入局部最优的可能性;最后对算法进行仿真实验。【结果】新算法能够增强全局搜索能力,有效避免局部最优,具有更快的收敛速度。【结论】新算法克服了标准粒子群优化算法的缺点,为进一步研究粒子群优化算法的改进和应用提供科学依据。     

引入四元数理论的改进粒子群算法

为了解决传统粒子群算法存在早熟收敛、搜索空间受限、精度不高等问题,通过四元数理论和粒子群算法,提出了一种改进粒子群算法.该算法以树状拓扑结构为基础建立邻域结构,速度公式中分别使用粒子三部分的记忆值,即自身最佳、局部最佳及全局最佳,同时在"社会"部分加入以四元数为模型的三者之间关系项,这样既能记录三者单纯的比较结果,又可以记录三者之间的关联关系.最后,分别从理论证明、实验仿真和实际物理实验三个方面验证算法的收敛性及有效性.结果表明:提出的新算法在某些测试函数中可收敛于全局最优值,在其余的几种测试函数中,该方法的平均值也要比其他三种算法更接近于全局最优,同时在图像的对比度增强的应用上具有很明显的优势.     

基于独立权重和分级变异策略的粒子群算法

针对粒子群优化算法中存在的局部收敛问题,提出一种融合惯性权重调整和群体最佳位置变异两种策略的粒子群优化算法.该算法将个体粒子的状态信息引入惯性权重策略,独立调整每个粒子的惯性权值,体现个体粒子对权重需求的差异.在最佳位置变异策略中采用分级思想,根据粒子群的搜索状态选择相应的极值变异方式,使变异操作更具针对性.实验结果表明,该算法对多个测试函数都表现出良好的优化性能,能有效避免局部收敛问题,提高了粒子群的全局搜索能力.     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。