基于改进和声搜索算法的装配序列规划

针对装配序列规划问题,在现有研究的基础上将装配工作台翻转角和装配点移动距离纳入评价指标,并结合遗传算法提出了一种基于改进和声搜索算法的装配序列规划方法。在空间干涉矩阵约束下改进算法参数设置及新和声产生方式,使改进后的和声搜索算法各参数根据迭代次数动态变化,实现参数自适应,最后以齿轮泵为例验证了文中算法比基本和声算法及蚁群算法更优。     

基于蚁群优化的前向神经网络

提出了一种新的神经网络学习方法.利用蚁群算法学习神经网络,克服了传统BP算法的不足.同时,针对蚁群算法主要用于组合优化的应用特点,对其进行了改进.将离散的信息素分布矩阵及概率分布矩阵拓展为连续的信息素分布函数和概率分布函数.将搜索的范围扩展到连续区域.使得新算法兼具了蚁群算法的全局快速寻优能力与神经网络的广泛映射能力.通过实例证明了该方法的有效性和快速性.     

基于蚂蚁算法的拆卸序列优化

描述了蚂蚁算法的基本原理，并针对拆卸的特点提出了一套基于蚂蚁算法的拆卸／装配序列优化的方案．该方案运用了拆卸矩阵作为蚂蚁初始解的搜索空间，综合考虑拆卸零件重定位和拆卸工具的改变次数，将其作为拆卸／装配序列质量的评价标准，自动生成优化的拆卸／装配序列．最后，通过实例验证了该方案的有效性．     

基于改进蚁群算法的高速公路疏散路径研究

根据高速公路应急疏散的特点,在交通分配中应用改进蚁群算法模型。首先引入路段交通量和通行时间函数作为算法转移规则的一部分,从而在进行搜索时优先考虑容量大和通行时间较短的路径。其次通过实验分析蚁群算法参数对计算结果和收敛速度的影响,给出了最优的参数组合。最后将最优参数组合应用于改进蚁群算法中,并通过仿真实验将改进蚁群算法与基础蚁群算法的路径搜索结果进行对比。结果表明:采用最优参数组合的蚁群算法不但加快了搜索速度,而且优化了全局最优解,通过基于GIS的高速公路应急疏散系统进行路径分析,得到系统最优的可视化疏散路径。     

一种改进蚁群优化算法的仿真研究

针对蚁群优化算法存在容易陷入局部最优、收敛速度慢、参数设置复杂等缺点,提出了一种改进的蚁群优化算法,研究了伪随机比例转移规则中参数 的取值方法,并对信息素的取值方式和信息素的更新规则进行了改进。最后以中国31个城市的旅行商问题和路径规划问题为实例,分别运用改进前后的蚁群算法进行了仿真研究。仿真结果表明：改进之后的算法不仅能够得到更好的解,更能显著地提高算法的收敛速度。     

基于蚁群搜索的三维CAD模型相似性计算

模型相似性计算是三维CAD模型检索中的关键技术.为了更准确地区分模型之间的差异,提出了一种基于蚁群搜索的模型相似性计算方法.首先,根据边数的差异度量源模型面与目标模型面之间的形状相似程度,并引入面邻接对应关系矩阵衡量两个模型之间的结构相似性;其次,使用蚁群算法搜索源模型与目标模型之间的最优面匹配序列,以最优面匹配序列为基础来计算两个模型之间的相似性;最后,使用贪心算法和本文所提出的方法分别计算源模型与目标模型之间的相似性,并进行对比实验.实验结果表明:在计算关键模型的相似性时,本文所提出方法的计算结果比贪心算法提高了8.33%;与贪心算法相比,本文方法能够有效区分实验中的10个模型.     

基于模态声传递向量的分动器箱体NVH特性分析

以四驱汽车轴间分动器箱体为研究对象,获得分动器箱体的噪声、振动与声振粗糙度(Noise、Vibration、Harshness,NVH)特性。建立分动器箱体有限元模型,将分动器箱体有限元仿真模态与试验模态结果进行对比分析;基于Adams构建分动器齿轮传动系统动力学模型,提取分动器工作时轴承处的加速度响应作为激励信号,获得分动器箱体的强迫振动响应特性;采用模态声传递向量(modal accoustic transfer vector,MATV)计算得到分动器箱体结构辐射声场,得到对辐射噪声峰值频率影响较大的模态,对分动器箱体铺设阻尼层。优化前后结果对比显示:对分动器箱体优化后,有效降低了分动器箱体峰值频率处的声压幅值,取得了较好的降噪效果。     

基于人工神经网络的装配序列规划方法研究

装配序列规划作为装配工艺中的核心内容, 对实现生产自动化、装备装拆有着十分重要的意义, 是目前国内外CIMS及装备维修领域的研究热点. 提出并实现了一种用神经网络来实现自动装配规划的方法. 该方法首先利用装配联系矩阵、装配联系图、惩罚矩阵来表达零件之间优先关系、装配代价,然后利用BP神经网络来求解满足此约束条件的最佳产品装配序列.     

第Ⅰ类双边装配线平衡问题的改进蚁群算法

为克服传统算法求解大规模双边装配线平衡问题计算时间长、性能不稳定的缺陷,针对第Ⅰ类双边装配线平衡问题,应用综合信息素搜索规则与全局信息素更新规则,提出了一种先产生任务排列序列、后按启发式分配规则产生可行解的蚁群算法,可有效脱离陷入局部最优解.用改进蚁群算法对30个不同规模的问题进行求解,并与标准蚁群算法和禁忌搜索算法进行了对比.结果表明:改进蚁群算法求出29个最优解,比普通蚁群算法、禁忌搜索算法分别能多求得6个和3个最优解;应用于汽车双边装配线算例,在保持平衡效率的条件下,改进蚁群算法计算时间为21.01 s,比普通蚁群算法减少了9.14 s,计算效率提高了30.3%.      

基于改进的函数映射理论的三维模型间对应关系

针对不同姿态下三维等距模型间的对应关系,提出一种基于函数映射理论的改进算法.首先对由Laplace-Beltrami算子分解出的特征描述符添加对角描述符约束,并将该约束添加到函数映射框架中对其进行改进,利用改进后的函数映射建立模型间的初始对应关系;其次,采用迭代最近点算法与K近邻算法优化初始对应关系;最后,结合优化后的函数映射关系和迪杰斯特拉-最远点采样算法构建点到点的对应关系.仿真实验结果表明,与已有算法相比,改进的函数映射理论可以计算出更加准确的映射关系矩阵,进而减小了由该矩阵构建的点到点对应关系的等距误差.