基于大功率拖拉机设计了一种新型的高传动效率和大变速范围的液压机械无级变速器(HMCVT),采用基于惩罚函数的遗传算法,对变速器的传动系统参数进行优化设计。通过Matlab软件对液压机械无级变速器的无级变速特性、转矩特性、功率分流比特性进行仿真分析,验证所设计的传动参数的合理性。此外,通过啮合功率法对系统总传动效率进行计算,进一步验证所设计的传动参数的合理性。结果表明该液压机械无级变速器方案能够满足大功率拖拉机无级变速调速特性,且各区段有较大范围的速度区间和较高的传动效率,变速器各工作段的传动效率都能达到80%以上。

针对圆度误差评定中最小区域法的特点,提出一种采用实数编码,基于搜索点的适应值变化趋势进行定向变异并自适应地改变变异步长的改进遗传算法,并将该算法用于圆度误差评定问题,详细描述了具体的操作步骤,最后通过仿真实例得到试验结果。结果表明,该方法收敛速度快,计算结果稳定。

针对平面度误差计算的特点,提出了一种基于实数编码的改进遗传算法.该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略;交叉和变异概率根据个体适应度大小来自适应地确定;同时给出遗传算法评定平面度误差时适应度的计算方法.最后,通过不同评价方法对同一平面的平面度误差进行评定,结果证明该方法不仅能收敛到全局最优解,而且具有较快的收敛速度.

为了提高盘式制动器的制动效果,建立起制动力矩的数学模型,并使用一种改进遗传算法进行优化设计。该方法较简单遗传算法作了改进,采用实数编码,在判断个体适应度时提出了最优保存策略。与简单遗传算法相比,改进后的遗传算法在解决有约束非线性问题时,表现出良好的速度和有效性。最后通过实例计算分析表明该方法高效可行,优化结果可直接作为工程设计的参考。

基于改进遗传算法对高速永磁无刷直流电动机进行了优化设计,在该算法中,交叉率和变异率为进化代数和适应度的函数,把遗传算法与模式搜索法（爬山法）相结合使用形成一种混合遗传算法。通过无刷直流电动机的优化实例计算以及实验结果,证明该文对遗传算法的改进是行之有效的。

针对一端支承松动的转子一滚动轴承系统,利用遗传算法对松动端的故障非线性参数进行识别.针对传统遗传算法的早熟收敛问题,提出了一种改进的遗传算法.通过适应度函数的构建,将参数识别问题转化为参数优化问题,改进了遗传算法中新一代种群的生成机制.父代种群进行交叉与变异操作后,并不直接产生新一代种群,而是取父代种群与生成的种群中适应度排序靠前的个体组成新一代种群.改进的遗传算法能以较大的变异率进行遗传进化,克制了遗传算法的早熟收敛问题,加快进化速度.用改进遗传算法识别了转子支承松动参数,并研究了变异率和噪声对识别结果的影响.研究表明,改进的方法能有效提高松动参数的识别效率,变异率最高可达 0.3 ,噪声不超过10%时能具有理想的识别精度.基于支承松动转子实验台的实测信号,利用改进遗传算法进行了参数识别,验证...

针对工艺规划与调度集成（integrated process planning and scheduling,IPPS）问题中的顺序柔性调度问题,提出了基于简单顺序关系的顺序柔性描述模型及调度模型,并改进遗传算法设计了集成型的顺序柔性调度算法。染色体编码同时采用简单顺序关系编码和基于工序的编码,并为两种编码分别设计了多种交叉和变异操作。为避免遗传算子产生违背工序顺序优先关系的不可行解,提出了顺序约束修正策略;针对遗传算法易过早收敛的缺陷,设计了自适应调节变量以强化种群多样性,并引入变邻域搜索算法改变解的搜索邻域,进一步搜索最优调度方案。三种不同规模的实验仿真验证了问题描述模型及调度算法的有效性。

针对面向订单的多目标排产优化问题,综合考虑订单的延期成本、库存成本和生产单元的负载均衡,构建了面向订单的多目标排产优化的数学模型;针对上述模型设计了一种基于矩阵编码的改进遗传算法,并详细介绍了算法初始种群产生策略、行交叉算子、列交叉算子、行变异算子、列变异算子、适应度函数和选择算子的设计。通过实验对比,验证了提出的算法可以有效地解决面向订单生产的多目标排产优化问题,降低企业生产成本,充分利用生产资源。

以不确定工序加工时间为切入点, 使用区间数表征不确定工序加工时间, 研究了基于不确定工时的单目标柔性作业车间调度问题, 并设计了基于区间数理论的改进遗传算法对该问题进行求解.

遗传算法是模拟自然界生物进化过程和机制对优化问题进行求解。首先概述了遗传算法的基本原理、特点和存在的缺陷鉴于遗传算法易出现＂早熟＂现象对遗传算法进行改进后将其应用于汽轮机数字电液调节系统的参数优化并给出了参数优化过程。改进遗传算法提高了算法的全局搜索能力和局部搜索能力。仿真实验表明改进的算法效果明显优于经典优化算法能有效克服＂早熟＂现象、提高算法收敛精度具有良好的收敛性和寻优能力。