基于人工智能技术的玻璃上片台翻片组件多目标动态优化设计

摘要

动态设计问题是一个具有高度非线性、解空间复杂的多目标优化问题，这类问题既具有一般多目标优化问题的复杂性，又具有动态设计问题固有的困难性。针对该类问题，本文以玻璃上片台的翻片组件为研究对象，集成神经网络、遗传算法、模糊逻辑与推理技术等重要的现代人工智能技术，对动态设计中的多目标优化问题进行一种新的处理。在快速、精确、有效地达到各目标的协同优化，以提高上片台性能的同时，提出一种可适用于其他机械装备的，基于人工智能技术的多目标动态优化设计方法。 通过详细的功能需求分析，改进原始设计，运用结构动态优化设计等理论，构造出玻璃上片台翻片组件的多目标动态优化设计数学模型。利用正交试验对神经网络样本点选择的优越性，安排试验方案，并借助运动仿真和有限元分析软件完成该试验的样本采集，为人工神经网络模型的建立做好准备。选定径向基函数网络作为本文函数生成器的网络类型，设计、创建、训练出翻片组件多目标动态优化设计问题的函数生成器。结合理想点法、共享函数法以及罚函数法等理论，构造出问题的遗传算法，设计、编制该遗传算法的运算流程和程序，求解出问题的Pareto最优解集。建立模糊推理系统获取问题的最终解。应用二次规划法对该最终解进行验证，并用有限元法检验经圆整处理后的最终解。通过比较证明，本文提出的基于人工智能技术的翻片组件多目标动态优化设计方法是先进、可行、正确并且高效的。

目录

文摘

英文文摘

声明

第一章 绪论

1.1课题来源

1.2课题研究的目的和意义

1.3国内外研究概况

1.3.1玻璃上片台国内外研究概况

1.3.2多目标动态优化设计国内外研究概况

1.4论文的主要研究内容

第二章 翻片组件多目标动态优化设计数学模型

2.1翻片组件功能需求分析及改进设计

2.1.1玻璃上片台组成、工作原理及设计要求

2.1.2翻片组件功能需求分析及改进设计

2.2翻片组件多目标动态优化设计数学模型

2.2.1结构动态优化设计原理

2.2.2翻片组件多目标动态优化设计数学模型

2.3本章小结

第三章 基于人工智能技术的翻片组件多目标动态优化设计系统框架

3.1有限元法

3.2人工智能技术与方法

3.2.1神经网络

3.2.2遗传算法

3.2.3模糊逻辑与推理技术

3.3基于人工智能技术的翻片组件多目标动态优化设计系统框架

3.4本章小结

第四章 翻片组件多目标动态优化试验设计与样本采集

4.1翻片组件多目标动态优化试验设计

4.1.1正交试验设计

4.1.2翻片组件多目标动态优化设计正交试验方案

4.2翻片组件多目标动态优化设计样本采集

4.2.1有限元法的计算步骤

4.2.2翻片组件多目标动态优化设计样本采集

4.3本章小结

第五章 翻片组件多目标动态优化设计函数生成器

5.1翻片组件多目标动态优化设计神经网络模型类型的选择

5.2径向基函数网络

5.2.1径向基网络结构

5.2.2径向基网络的学习过程

5.3翻片组件多目标动态优化设计函数生成器

5.3.1函数生成器输入／输出向量设计

5.3.2函数生成器RBF网络的创建、训练与测试

5.3.3利用函数生成器获取关系图解

5.4本章小结

第六章 翻片组件多目标动态优化设计的Pareto最优解集

6.1基本遗传算法

6.1.1基本遗传算法数学模型

6.1.2基本遗传算法的步骤

6.2多目标优化中的遗传算法

6.2.1多目标优化的最优解和Pareto最优解定义

6.2.2多目标优化问题的遗传算法

6.3遗传算法对约束条件的处理

6.4翻片组件多目标动态优化设计的遗传算法

6.4.1翻片组件多目标动态优化设计遗传算法的构造

6.4.2运算流程与程序编制

6.4.3翻片组件多目标动态优化设计的Pareto最优解集

6.5本章小结

第七章 翻片组件多目标动态优化设计最终解的获取、验证与处理

7.1翻片组件多目标动态优化设计的模糊推理系统

7.1.1模糊推理系统

7.1.2翻片组件多目标动态优化设计的模糊推理系统

7.2翻片组件多目标动态优化设计最终解的验证

7.2.1二次规划法

7.2.2翻片组件多目标动态优化设计的二次规划法寻优

7.2.3二次规划法寻优解与遗传-模糊推理算法最终解之比较

7.3翻片组件多目标动态优化设计最终解的处理

7.4本章小结

第八章 结论与展望

8.1结论

8.2展望

参考文献

作者在攻读硕士学位期间公开发表的论文

作者在攻读硕士学位期间所作的项目

致 谢

附 录