基于Moldflow浇口位置优化设计

主要阐述了Moldflow Plastics Insight对注塑件浇口位置的优化,以塑料头盔为例．详细说明了Mold—flow的CAE技术对浇口位置优化的一般流程,其分析的结果可有效的简化设计过程,提高设计效率,降低生产成本,具有很强的实用性．     

基于CAE技术的注塑模浇口优化设计

注塑模浇口位置的设定是塑料注塑成型模具设计中的关键技术之一,决定了聚合物流动方向和流动平衡性,通过浇口位置的优化可以显著提高产品的质量．基于CAE技术,利用Moldflow软件对塑料制件在注塑成型中浇口位置和数量的选择进行分析,对不同浇口位置进行流动模拟分析,预测可能存在的气泡位置和熔接痕的位置,以确定最佳浇口位置和数量,可避免在模具上进行试模、修模的繁琐过程,从而为模具设计人员优化模具设计提供依据．     

基于Moldflow的手机电池盖浇口位置选择

首先对手机电池盖的结构进行分析,选择了两种浇口位置,并据此设计了2种浇注系统.然后采用Moldflow软件分别从充填时间、流动前沿处温度、体积收缩率等方面对这两种浇注系统进行注塑成型分析和比较,最终确定了最佳浇注方案和最佳浇口位置.     

基于遗传算法的代理服务器位置优化研究

针对传统方法难以快速求得Web服务器代理部署问题的满意解,提出了一种基于遗传算法的求解策略.以图论为基础,构建了代理服务器位置优化模型,从Web服务器到客户构成一个树型结构.遗传算法采用二进制编码表示代理的位置,使用单亲交叉算子和单亲变异算子来提高算法的执行速度和进化效率.算法在时间复杂度方面优于传统方法.仿真结果表明,基于遗传算法的求解方案能快速地求出代理服务器位置优化问题的全局近似最优解,并满足实际Web应用的精度要求.     

基于模流分析的注塑模浇口优化设计

注塑模浇口的位置和数量对制件的翘曲变形量、表面质量、气泡、熔接痕的位置、数量及强度都有很大的影响。应用专业模流分析软件Moldflow模拟注塑充模过程,对某料斗座成型模具的浇口进行优化分析,确定了合理的浇口设计方案。应用此计算机辅助分析方法缩短了模具开发周期,研制出了高质量的模具,获得了较理想的产品。     

基于改进遗传算法的离散变量结构可靠性优化设计

根据离散变量结构可靠性优化设计的特点与难点,提出了基于改进遗传算法的可靠性优化设计方法,通过１５６杆输电出服失效状态下的可靠性优化设计与简易海洋平台屈服及疲劳失效上的可靠性优化设计实例,验证了方法的有效性,在计算速度及解的质量方面都取得了比较满意的结果。     

Moldflow在选择浇口位置中的应用

利用Moldflow软件对MP3外壳不同浇口位置设置时的流动模拟分析,为改进熔接痕这一缺陷提供了依据,同时也为注塑模具设计提供了工艺参数,提高试模成功率。     

基于离散变量自适应遗传算法的改进

在自适应遗传算法中交叉算子和变异算子随着其适应度变化自动改变其值,从而影响遗传进化的过程,但算法在进化初期对遗传操作的效果并不明显。本文针对离散变量的特征,通过计算个体间的离散程度,判断种群的进化程度,根据不同的进化时期自适应调整交叉概率和变异概率,使得种群的交叉和变异配合进行,有效地解决了离散变量在进化初期容易陷入局部寻优的问题。实验结果表明,算法经改进后,其全局收敛的可靠性增加并加快了收敛的速度。     

基于知识的注塑模浇注系统的研究与开发——浇口设计

注塑模具的设计成功与否,往往依赖于专家对某类产品的设计、生产经验知识。而由于这些知识的"私有"性,使得一位新的模具设计师很难在较短的时间内熟悉该产品的设计流程和结构参数选择。从而延长了设计周期,增加了设计与制造成本,影响了知识的更替与创新。分析了浇口设计影响因素,并从基于知识的角度,对浇口设计的相关知识与规则进行了总结和归纳,利用Access2000数据库管理系统,构建了浇口设计的数据库,从而完成了浇口的计算机辅助设计系统。     

遗传算法在离散变量结构优化设计中的应用

研究适于离散变量结构优化设计的遗传算法．探讨了离散变量结构优化问题的基因表达模式，提出了一种减小基因搜索范围的子空间构造方法．该算法可处理受应力、位移约束的结构优化问题．数值计算实例表明该算法效率高，具有很强的适应性     

一种改进的多种群遗传算法

提出了一种基于物种方程和Kriging算子的多种群遗传算法。该算法中,将物种方程中的参数作为设计变量进行实数编码,物种方程作为一种修正的算术交叉算子参与遗传操作;同时,加入Kriging算子和移民算子,增强算法寻优能力,加快收敛。数学算例表明,改进的算法在计算效率和精度上都有明显的提高。     

离散变量结构优化设计的混合遗传算法

针对离散复合形法提出了一种新的初始点产生办法，并基于满应力思想，对离散复合形法进一步做了改进，提高了离散复合形法的局部寻优能力，从而构造了一种改进的离散复合形法用于离散变量结构优化设计；对基本遗传算法运用Hamming距离控制种群的个体差异；在适应度计算过程中加入判定因子来减少结构重分析次数：在遗传操作中。对交叉和变异操作做了改进．并把复合形算子嵌入到复制操作中，从而建立了一种离散变量结构优化设计的混合遗传算法。算例表明这种混合遗传算法优于基本遗传算法和改进的复合形法，是可行和有效的。     

离散变量结构优化设计的混沌遗传算法

利用混沌搜索的遍历性、随机性、规律性等特点，提出了一种求解离散变量结构优化设计的混沌搜索方法；将混沌搜索技术嵌入遗传算法，与基本遗传算子共同构成了一种离散变量结构优化设计的混合遗传算法一混沌遗传算法；通过自适应的退火因子和罚函数来处理约束条件，使算法逐渐收敛于全局可行最优解。计算结果表明，该方法有效地克服了基本遗传算法中的“早熟”现象，并具有更快的收敛速度。     

基于遗传算法的立体仓库货位动态分配优化

针对企业仓储管理中货位分配效率低的现状,提出立体仓库货位动态分配优化问题的数学模型和约束条件并对货位分配策略进行了讨论.采用基于遗传算法的权重系数变换法对优化模型进行求解.通过仿真验证了算法的有效性.     

一种基于分层模糊控制的免疫遗传优化算法

针对标准遗传算法的不足,借鉴生物免疫机理和人脑模糊思维功能提出一种新的基于分层模糊控制的免疫遗传算法.该算法利用免疫系统独特性网络学说,改进标准遗传算法选择算子,提高了种群多样性;同时从环境、种群、个体和基因角度,全面分析算法寻优性能和各种进化参数的启发式模糊关系,采用模糊推理动态调整交叉率、交叉位置和变异率,减小了标准遗传操作的随机性.实验结果表明,新算法不仅可有效克服标准遗传算法的缺陷,而且收敛速度、计算精度和算法稳定性也得到明显提高.     

一种改进的多种群遗传算法

提出了一种基于物种方程和Kriging算子的多种群遗传算法.该算法中,将物种方程中的参数作为设计变量进行实数编码,物种方程作为一种修正的算术交叉算子参与遗传操作;同时,加入Kriging算子和移民算子,增强算法寻优能力,加快收敛.数学算例表明,改进的算法在计算效率和精度上都有明显的提高.     

基于遗传算法和粒子群优化算法的电力系统无功优化

从数学的角度分析,电力系统无功优化是一个多变量、多约束、非连续性的混合非线性规划问题,因此,优化过程十分复杂.以减少有功网损为目标函数建立电力系统无功优化计算的数学模型,基于遗传算法和粒子群优化算法,提出一种新颖的混合策略来求解无功优化问题.IEEE 6和IEEE 14节点系统的仿真计算结果表明:与单一的遗传算法或粒子群优化算法相比,该混合策略在优化效果方面具有明显的优势.     

基于改进遗传算法的行星齿轮优化设计

针对行星齿轮的设计参数是由一些混合离散变量组成的特点,通过距离测度改进遗传算子,引入菱形思维,得到了具有实值编码技术的改进型自适应遗传算法．将齿数、模数、齿宽及行星轮个数作为设计变量,以机构的体积最小为目标函数,建立了有别于现有行星轮系的优化设计数学模型．并利用改进遗传算法对模型进行了优化,较常规设计体积减少了31．64％,较SGA减少了17．8％,具有一定的实际意义．     

离散变量桁架结构拓扑优化的改进混合遗传算法

为了避免在结构拓扑优化过程中杆件和节点的增删带来计算上的麻烦,在对桁架结构进行受力分析的基础上设计了一些启发式准则来产生可能的拓扑结构形式,然后采用一种改进的混合遗传算法进行截面优化.混合遗传算法将离散复合形法引入到遗传算法中,一方面利用遗传算法为离散复合形法提供可行点;另一方面利用离散复合形法对遗传算法种群中的可行个体和不可行个体进行改进,从而提高了遗传算法的局部寻优能力,并对标准遗传算法在选择、交叉和变异操作上作了一些改进.它将两种算法的优点集中在一起,同时又弥补了两者的不足.算例的结果表明,该方法用于桁架结构拓扑优化是简单、快速和有效的.     

基于模拟退火遗传算法和AHP的选址研究

给出了关于配送中心选址的0-1混合整数线性规划模型,该模型要求在一些已知的备选点中选出一定数目的地点,作为配送中心;并求出配送网络中的物流量,使配送网络总费用最小.由于这类模型属于NP难问题,为更好的求解此类问题,提出了定量化的模拟退火遗传算法与定性化的综合评价法相结合来确定配送中心地址的方法.