本文提出了一種基于布谷鳥算法（CS）的多目標(biāo)公差設(shè)計(jì)方法。在傳統(tǒng)的制造成本和質(zhì)量損失函數(shù)基礎(chǔ)上,引入產(chǎn)品的裝配性能,建立新型多目標(biāo)公差設(shè)計(jì)優(yōu)化模型,并提出使用模糊層次分析法確定各分目標(biāo)的權(quán)重因子。運(yùn)用非慣性權(quán)重方式調(diào)整步長因子,改進(jìn)布谷鳥算法并用于求解得到的多目標(biāo)公差設(shè)計(jì)模型。以一個(gè)齒輪組裝配件作為算例,驗(yàn)證布谷鳥算法求解公差設(shè)計(jì)模型的適用性與可行性,為公差設(shè)計(jì)的分配方案提供新的求解方式。 

【文章來源】：航空科學(xué)技術(shù). 2019,30(05)

【文章頁數(shù)】：7 頁

【部分圖文】：

制造成本—公差曲線

[15]。為改善算法的尋優(yōu)速度，提高求解精度，引入非線性慣性權(quán)重[16]，將步長因子隨著算法進(jìn)程而變化：步長因子αi在最大步長αmax和最小步長αmin之間變化。算法前期，較大步長因子可以幫助算法跳出局部搜索，后期利用較小的權(quán)重可以加快收斂速度。步長更新公式如下：αi=αmin+(αmax-αmin)xi-xbestxmax-xmin(8)式中：xi為第i個(gè)鳥巢的位置；xbest為當(dāng)前最佳解；xmax和xmin分別為當(dāng)前已經(jīng)發(fā)現(xiàn)的最大與最小適應(yīng)度值。圖2FAHP算法流程Fig.2ProcedureofFAHP表1模糊數(shù)標(biāo)度Table1Fuzzynumberscale標(biāo)度M1M3M5M7M9M2，M4，M6，M8定義同等重要稍微重要重要明顯重要非常重要中間重要性說明兩個(gè)元素參照目標(biāo)相比，具有同樣重要性兩個(gè)元素參照目標(biāo)相比，前者稍微比后者重要兩個(gè)元素參照目標(biāo)相比，前者比后者重要兩個(gè)元素參照目標(biāo)相比，前者明顯比后者重要兩個(gè)元素參照目標(biāo)相比，前者非常重要上述重要性標(biāo)度的中間值圖3萊維飛行二維平面路徑圖Fig.3Lévyflight’spathin2Dplane31

侍獾男陸猓??瞇碌那痹詰慕嫌漚飫?代替鳥巢中較次的解，達(dá)到尋優(yōu)目的。同時(shí)，宿主巢中的卵存在被發(fā)現(xiàn)的可能（解的精英機(jī)制）。為了規(guī)范算法，設(shè)定三個(gè)規(guī)則：每只布谷鳥一次只產(chǎn)生一只卵并隨機(jī)放在一個(gè)宿主巢內(nèi)；宿主巢中高質(zhì)量的卵會(huì)被孵化；宿主巢數(shù)量固定，布谷鳥卵被發(fā)現(xiàn)的概率為pa∈[0,1]（鳥巢被新鳥巢替代的概率為pa，解決方案被新的隨機(jī)方案替代的概率為pa）。布谷鳥尋找宿主巢的路徑方式為萊維飛行（新解更新方式）。自然界許多鳥類飛行方式都服從萊維飛行。萊維飛行二維平面路徑如圖3所示。它是一種隨機(jī)游走過程，由高頻率的短距飛行和低頻率的長距飛行組成，其步長服從萊維分布。按照萊維分布進(jìn)行搜索，可以在當(dāng)前解的周圍產(chǎn)生新解，進(jìn)行有效的局部搜索，又可以隨機(jī)化產(chǎn)生遠(yuǎn)離原最優(yōu)解的新解，防止陷入局部搜索。布谷鳥在規(guī)定的空間中通過不斷改變尋巢路徑進(jìn)行搜索，保證其卵能孵化成功。假設(shè)鳥巢i在第t次迭代的位置矢量為Xti，布谷鳥的尋巢路徑及位置更新公式：Xt+1i=Xti+α⊕Le′vy(λ)(7)式中：α為一個(gè)步長大于0的常數(shù)，⊕為點(diǎn)對(duì)點(diǎn)乘法；Le′vy(λ)為解的連續(xù)搜索路徑，該路徑服從萊維分布。每次位置更新，隨機(jī)產(chǎn)生一個(gè)0到1之間的隨機(jī)數(shù)R，若R>pa，鳥巢的位置變化為Xt+1i，若R<pa，鳥巢位置保留。CS算法的全局尋優(yōu)能力強(qiáng)，并且輸入?yún)?shù)少、易于實(shí)現(xiàn)。但與其他群智能算法類似，同樣存在收斂速度慢、后期陷入局部最優(yōu)等情況[15]。為改善算法的尋優(yōu)速度，提高求解精度，引入非線性慣性權(quán)重[16]，將步長因子隨著算法進(jìn)程而變化：步長因子αi在最大步長αmax和最小步長αmin之間變化。算法前?

【參考文獻(xiàn)】：
期刊論文
[1]布谷鳥搜索算法綜述[J]. 張曉鳳,王秀英.  計(jì)算機(jī)工程與應(yīng)用. 2018(18)
[2]基于離散化成本—公差模型的多目標(biāo)公差優(yōu)化設(shè)計(jì)[J]. 胡西彪,張衛(wèi),陸寶春,黃龍振,王水,王敏其.  計(jì)算機(jī)集成制造系統(tǒng). 2019(01)
[3]基于改進(jìn)引力搜索算法的公差多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 陶俐言,楊海斌.  機(jī)械設(shè)計(jì)與研究. 2017(02)
[4]基于改進(jìn)布谷鳥算法的梯級(jí)水庫長期優(yōu)化調(diào)度研究[J]. 明波,黃強(qiáng),王義民.  水利水電快報(bào). 2015(04)
[5]基于布谷鳥算法和支持向量機(jī)的變壓器故障診斷[J]. 薛浩然,張珂珩,李斌,彭晨輝.  電力系統(tǒng)保護(hù)與控制. 2015(08)
[6]基于灰色粒子群算法的飛機(jī)裝配公差多目標(biāo)優(yōu)化設(shè)計(jì)[J]. 張巖,莫蓉.  計(jì)算機(jī)集成制造系統(tǒng). 2014(08)
[7]作業(yè)車間調(diào)度問題的布谷鳥搜索算法求解[J]. 姚遠(yuǎn)遠(yuǎn),葉春明.  計(jì)算機(jī)工程與應(yīng)用. 2015(05)
[8]基于粒子群算法的裝配公差優(yōu)化分配[J]. 匡兵,黃美發(fā),鐘艷如,孫永厚.  機(jī)械設(shè)計(jì)與制造. 2009(02)
[9]公差多目標(biāo)優(yōu)化求解方法[J]. 王瑜,翟文杰,馬玉林.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2008(06)
[10]公差設(shè)計(jì)多目標(biāo)模型及其粒子群優(yōu)化算法研究[J]. 肖人彬,鄒洪富,陶振武.  計(jì)算機(jī)集成制造系統(tǒng). 2006(07)

博士論文
[1]飛機(jī)部件裝配誤差累積分析與容差優(yōu)化方法研究[D]. 張開富.西北工業(yè)大學(xué) 2006



本文編號(hào)：3062711