基于布谷鸟算法的多目标公差设计
发布时间：2021-03-04 06:17
本文提出了一种基于布谷鸟算法（CS）的多目标公差设计方法。在传统的制造成本和质量损失函数基础上,引入产品的装配性能,建立新型多目标公差设计优化模型,并提出使用模糊层次分析法确定各分目标的权重因子。运用非惯性权重方式调整步长因子,改进布谷鸟算法并用于求解得到的多目标公差设计模型。以一个齿轮组装配件作为算例,验证布谷鸟算法求解公差设计模型的适用性与可行性,为公差设计的分配方案提供新的求解方式。
【文章来源】：航空科学技术. 2019,30(05)
【文章页数】：7 页
【部分图文】：
制造成本—公差曲线
[15]。为改善算法的寻优速度，提高求解精度，引入非线性惯性权重[16]，将步长因子随着算法进程而变化：步长因子αi在最大步长αmax和最小步长αmin之间变化。算法前期，较大步长因子可以帮助算法跳出局部搜索，后期利用较小的权重可以加快收敛速度。步长更新公式如下：αi=αmin+(αmax-αmin)xi-xbestxmax-xmin(8)式中：xi为第i个鸟巢的位置；xbest为当前最佳解；xmax和xmin分别为当前已经发现的最大与最小适应度值。图2FAHP算法流程Fig.2ProcedureofFAHP表1模糊数标度Table1Fuzzynumberscale标度M1M3M5M7M9M2，M4，M6，M8定义同等重要稍微重要重要明显重要非常重要中间重要性说明两个元素参照目标相比，具有同样重要性两个元素参照目标相比，前者稍微比后者重要两个元素参照目标相比，前者比后者重要两个元素参照目标相比，前者明显比后者重要两个元素参照目标相比，前者非常重要上述重要性标度的中间值图3莱维飞行二维平面路径图Fig.3Lévyflight’spathin2Dplane31
侍獾男陆猓??眯碌那痹诘慕嫌沤饫?代替鸟巢中较次的解，达到寻优目的。同时，宿主巢中的卵存在被发现的可能（解的精英机制）。为了规范算法，设定三个规则：每只布谷鸟一次只产生一只卵并随机放在一个宿主巢内；宿主巢中高质量的卵会被孵化；宿主巢数量固定，布谷鸟卵被发现的概率为pa∈[0,1]（鸟巢被新鸟巢替代的概率为pa，解决方案被新的随机方案替代的概率为pa）。布谷鸟寻找宿主巢的路径方式为莱维飞行（新解更新方式）。自然界许多鸟类飞行方式都服从莱维飞行。莱维飞行二维平面路径如图3所示。它是一种随机游走过程，由高频率的短距飞行和低频率的长距飞行组成，其步长服从莱维分布。按照莱维分布进行搜索，可以在当前解的周围产生新解，进行有效的局部搜索，又可以随机化产生远离原最优解的新解，防止陷入局部搜索。布谷鸟在规定的空间中通过不断改变寻巢路径进行搜索，保证其卵能孵化成功。假设鸟巢i在第t次迭代的位置矢量为Xti，布谷鸟的寻巢路径及位置更新公式：Xt+1i=Xti+α⊕Le′vy(λ)(7)式中：α为一个步长大于0的常数，⊕为点对点乘法；Le′vy(λ)为解的连续搜索路径，该路径服从莱维分布。每次位置更新，随机产生一个0到1之间的随机数R，若R>pa，鸟巢的位置变化为Xt+1i，若R<pa，鸟巢位置保留。CS算法的全局寻优能力强，并且输入参数少、易于实现。但与其他群智能算法类似，同样存在收敛速度慢、后期陷入局部最优等情况[15]。为改善算法的寻优速度，提高求解精度，引入非线性惯性权重[16]，将步长因子随着算法进程而变化：步长因子αi在最大步长αmax和最小步长αmin之间变化。算法前?
【参考文献】：
期刊论文
[1]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[2]基于离散化成本—公差模型的多目标公差优化设计[J]. 胡西彪,张卫,陆宝春,黄龙振,王水,王敏其. 计算机集成制造系统. 2019(01)
[3]基于改进引力搜索算法的公差多目标优化设计[J]. 陶俐言,杨海斌. 机械设计与研究. 2017(02)
[4]基于改进布谷鸟算法的梯级水库长期优化调度研究[J]. 明波,黄强,王义民. 水利水电快报. 2015(04)
[5]基于布谷鸟算法和支持向量机的变压器故障诊断[J]. 薛浩然,张珂珩,李斌,彭晨辉. 电力系统保护与控制. 2015(08)
[6]基于灰色粒子群算法的飞机装配公差多目标优化设计[J]. 张岩,莫蓉. 计算机集成制造系统. 2014(08)
[7]作业车间调度问题的布谷鸟搜索算法求解[J]. 姚远远,叶春明. 计算机工程与应用. 2015(05)
[8]基于粒子群算法的装配公差优化分配[J]. 匡兵,黄美发,钟艳如,孙永厚. 机械设计与制造. 2009(02)
[9]公差多目标优化求解方法[J]. 王瑜,翟文杰,马玉林. 哈尔滨工业大学学报. 2008(06)
[10]公差设计多目标模型及其粒子群优化算法研究[J]. 肖人彬,邹洪富,陶振武. 计算机集成制造系统. 2006(07)
博士论文
[1]飞机部件装配误差累积分析与容差优化方法研究[D]. 张开富.西北工业大学 2006
本文编号：3062711
【文章来源】：航空科学技术. 2019,30(05)
【文章页数】：7 页
【部分图文】：
制造成本—公差曲线
[15]。为改善算法的寻优速度，提高求解精度，引入非线性惯性权重[16]，将步长因子随着算法进程而变化：步长因子αi在最大步长αmax和最小步长αmin之间变化。算法前期，较大步长因子可以帮助算法跳出局部搜索，后期利用较小的权重可以加快收敛速度。步长更新公式如下：αi=αmin+(αmax-αmin)xi-xbestxmax-xmin(8)式中：xi为第i个鸟巢的位置；xbest为当前最佳解；xmax和xmin分别为当前已经发现的最大与最小适应度值。图2FAHP算法流程Fig.2ProcedureofFAHP表1模糊数标度Table1Fuzzynumberscale标度M1M3M5M7M9M2，M4，M6，M8定义同等重要稍微重要重要明显重要非常重要中间重要性说明两个元素参照目标相比，具有同样重要性两个元素参照目标相比，前者稍微比后者重要两个元素参照目标相比，前者比后者重要两个元素参照目标相比，前者明显比后者重要两个元素参照目标相比，前者非常重要上述重要性标度的中间值图3莱维飞行二维平面路径图Fig.3Lévyflight’spathin2Dplane31
侍獾男陆猓??眯碌那痹诘慕嫌沤饫?代替鸟巢中较次的解，达到寻优目的。同时，宿主巢中的卵存在被发现的可能（解的精英机制）。为了规范算法，设定三个规则：每只布谷鸟一次只产生一只卵并随机放在一个宿主巢内；宿主巢中高质量的卵会被孵化；宿主巢数量固定，布谷鸟卵被发现的概率为pa∈[0,1]（鸟巢被新鸟巢替代的概率为pa，解决方案被新的随机方案替代的概率为pa）。布谷鸟寻找宿主巢的路径方式为莱维飞行（新解更新方式）。自然界许多鸟类飞行方式都服从莱维飞行。莱维飞行二维平面路径如图3所示。它是一种随机游走过程，由高频率的短距飞行和低频率的长距飞行组成，其步长服从莱维分布。按照莱维分布进行搜索，可以在当前解的周围产生新解，进行有效的局部搜索，又可以随机化产生远离原最优解的新解，防止陷入局部搜索。布谷鸟在规定的空间中通过不断改变寻巢路径进行搜索，保证其卵能孵化成功。假设鸟巢i在第t次迭代的位置矢量为Xti，布谷鸟的寻巢路径及位置更新公式：Xt+1i=Xti+α⊕Le′vy(λ)(7)式中：α为一个步长大于0的常数，⊕为点对点乘法；Le′vy(λ)为解的连续搜索路径，该路径服从莱维分布。每次位置更新，随机产生一个0到1之间的随机数R，若R>pa，鸟巢的位置变化为Xt+1i，若R<pa，鸟巢位置保留。CS算法的全局寻优能力强，并且输入参数少、易于实现。但与其他群智能算法类似，同样存在收敛速度慢、后期陷入局部最优等情况[15]。为改善算法的寻优速度，提高求解精度，引入非线性惯性权重[16]，将步长因子随着算法进程而变化：步长因子αi在最大步长αmax和最小步长αmin之间变化。算法前?
【参考文献】：
期刊论文
[1]布谷鸟搜索算法综述[J]. 张晓凤,王秀英. 计算机工程与应用. 2018(18)
[2]基于离散化成本—公差模型的多目标公差优化设计[J]. 胡西彪,张卫,陆宝春,黄龙振,王水,王敏其. 计算机集成制造系统. 2019(01)
[3]基于改进引力搜索算法的公差多目标优化设计[J]. 陶俐言,杨海斌. 机械设计与研究. 2017(02)
[4]基于改进布谷鸟算法的梯级水库长期优化调度研究[J]. 明波,黄强,王义民. 水利水电快报. 2015(04)
[5]基于布谷鸟算法和支持向量机的变压器故障诊断[J]. 薛浩然,张珂珩,李斌,彭晨辉. 电力系统保护与控制. 2015(08)
[6]基于灰色粒子群算法的飞机装配公差多目标优化设计[J]. 张岩,莫蓉. 计算机集成制造系统. 2014(08)
[7]作业车间调度问题的布谷鸟搜索算法求解[J]. 姚远远,叶春明. 计算机工程与应用. 2015(05)
[8]基于粒子群算法的装配公差优化分配[J]. 匡兵,黄美发,钟艳如,孙永厚. 机械设计与制造. 2009(02)
[9]公差多目标优化求解方法[J]. 王瑜,翟文杰,马玉林. 哈尔滨工业大学学报. 2008(06)
[10]公差设计多目标模型及其粒子群优化算法研究[J]. 肖人彬,邹洪富,陶振武. 计算机集成制造系统. 2006(07)
博士论文
[1]飞机部件装配误差累积分析与容差优化方法研究[D]. 张开富.西北工业大学 2006
本文编号：3062711
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3062711.html
