减小螺旋锥齿轮齿面加工误差的参数修正方法

针对螺旋锥齿轮加工过程中因无法避免误差而导致齿面加工精度难以保证的问题，提出螺旋锥齿轮加工误差控制模型及加工参数修正方法。首先，基于实际加工中的刀具与工件相对位置与相对运动关系，依据坐标齐次变换与啮合原理，确定加工参数与加工曲面之间的函数关系，建立螺旋锥齿轮精确齿面模型；然后，计算实际加工齿面与理论齿面的法向距离，从而建立由加工参数驱动的齿面几何误差控制模型；接着，对加工参数进行敏感性分析，选取敏感性较高的加工参数作为误差补偿模型优化变量，以提高优化效率；最后，将齿面误差最小化问题转化为最小二乘法问题，基于改进的L-M算法进行求解，得到加工参数补偿量，以此对加工参数进行修正达到减小齿面加工误差的目的。采用一对由双重螺旋法磨削加工得到的螺旋锥齿轮副作为应用实例，对该方法进行实际加工验证，结果表明：加工参数调整后，螺旋锥齿轮齿面加工误差降低了65%以上，实际测量的齿面绝对误差均不超过0.005 mm,能够满足工程实际需求，证明该方法能够有效提升齿面加工精度。该方法可为螺旋锥齿轮乃至其他复杂曲面零件加工提供一种加工误差补偿思路。     

行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.     

基于一维数据逐段均匀条件下的参考分布研究

聚类分析中一个重要的问题是估计聚类数,GS方法通过参考分布对聚类数进行合理的估计,解决了其他聚类方法无法对应分为一类的数据进行分类的问题,具有更好的分类效果;目前已通过理论证明得出,在分布为对数凹且一维情况下,GS方法的参考分布为均匀分布,而有关其在其他条件下的参考分布研究较少;针对这一情况,提出解决一维且逐段均匀条件下GS方法的参考分布问题,以类内平方和为评价标准,通过拉格朗日乘数法求解与问题等价的优化问题,理论证出条件下总体均匀分布是类内平方和最大的情况,进而得出对于一维数据,逐段均匀条件下的参考分布仍为均匀分布的结论。     

基于用户偏好的最优路径搜索

本文研究基于用户偏好的最优路径搜索,在预算约束下寻找一条满足用户偏好即关键字和权重偏好的最优路径.此研究问题是NP-hard.为了高效地解决这类查询问题,本文提出新的索引建立方法,在查询阶段利用索引结构过滤出候选节点集.另外,提出基于A*的路径搜索算法来做路径查询,并利用几个有效的剪枝策略加快算法的执行速度.在两个真实的签到数据集上的实验结果证明了本文提出方法的有效性.当预算时间设置为4～7h时,与已有最好的PACER算法相比,本文的路径搜索算法消耗的查询时间更短.     

基于弹簧质点模型的自由曲面四边形网格平面化研究

为实现对自由曲面的平面四边形网格划分,提出了一种基于力学模拟的网格优化算法,建立了包含杆件长度的约束力、边界固定质点约束力、曲面对质点的吸附力、网格平面化作用力的弹簧质点计算模型.首先,采用映射法或其他方法对曲面进行初始四边形网格划分,在获得曲面的初始网格划分的基础上根据不同网格性能的侧重要求,计算出相应的弹性系数k_(ij)、边界约束刚度k_c、对网格点的吸附刚度k_m、平面化控制系数p_c,建立以平面化为目标的网格弹簧质点模型,通过动力松弛法,经多次迭代得到平面化网格;然后结合四边形平面化指标,以流畅性指标和均匀性指标对网格进行质量综合评价,同时引入网格偏离指标对网格的形状进行控制;最后,进行了算例验证,算例表明,弹簧质点平面化网格计算方法可以很好地适应自由曲面,通过调整参数,在一定条件下可使网格平面化的许允误差限制达到合理范围,同时可以兼顾流畅性和均匀性的要求.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

结合蝙蝠算法改进的密度峰值聚类算法

密度峰值聚类算法(Denisity peaks clustering,DPC)具有聚类速度快、实现简单、参数较少等优点,但该算法的截断距离参数需要人工干预,并且参数的选取对于该算法的结果影响较大。为了解决这一缺陷,该文提出了结合蝙蝠算法改进的密度峰值聚类算法。该算法利用蝙蝠算法较强的寻优能力,寻找合适的截断距离取值,同时对蝙蝠算法的速度更新公式加入了自适应惯性权重来加强全局搜索能力。该算法选择多种数据集进行了实验仿真,并与其他同类算法进行对比。经过对比验证,结合蝙蝠算法改进的密度峰值聚类算法在聚类准确率上要明显优于其他算法。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

制造服务中服务协作链构建与优化研究

制造服务是制造与服务的融合,是面向制造的服务,并且可进行分解和重构;根据制造服务的特征,以制造企业外协加工制造服务为例,构建了制造服务服务协作链,定义了多元组的服务协作链,利用Petri网建立了五元组服务协作链模型,针对服务协作链优化这一N-P Hard问题,运用贪婪算法选取服务时间作为贪婪因子进行了优化,并进行了实例验证;通过算例验证了服务协作链优化的可行性,结果表明:构建制造服务中的服务协作链以及对服务协作链进行优化可实现制造服务中业务协作优化决策,为实现智能化制造系统奠定坚实基础。     

基于优化BP神经网络的高准确度软件缺陷预测应用研究

针对软件缺陷测试任务中的准确度问题,提出一种基于优化BP神经网路的软件缺陷预测方法 .该方法首先采用4层BP神经网络构建多层感知模型,并结合模糊控制原理实现任意复杂非线性关系逼近.然后通过灰狼优化算法克服BP神经网络的局部搜索陷入,从而解决其参数设置依赖性问题.实验结果表明,相比于PSO-BP算法和SA-BP算法,该算法的仿真拟合效果最优,表现出了更高的软件缺陷预测准确度.