-
公开(公告)号：CN110889244A
公开(公告)日：2020-03-17
申请号：CN201911326637.9
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。本发明建立大型高速回转装备质量矩物理模型，进行叶片质量矩优化，随机产生初始种群；根据叶片的自适应度，基于建立的大型高速回转装备质量矩物理模型，确定叶片的适应度的相对值；对叶片的适应度的相对值进行迭代计算，得到最大的适应度的相对值；当迭代次数小于250次时，采用云自适应遗传算法对叶片进行排序，并进行选择操作、交叉操作和变异操作，生成子代种群；直至满足迭代次数大于等于250次，叶片排序序号，得到最佳的叶片排序。本发明从本质上反应实际转子不平衡量，在搜索和开发之间由更好的平衡能力，从而极大改善了局部寻优的问题。
-
公开(公告)号：CN111079229A
公开(公告)日：2020-04-28
申请号：CN201911326692.8
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于云自适应遗传算法的大型高速回转装备双目标优化方法。步骤1：设置初始种群；步骤2：建立转子质量和质量矩物理模型，根据物理模型以及适应度函数要求设计适应度函数，并对初始种群的所有染色体进行适应度计算；步骤3：对初始种群采用轮盘赌法进行选择操作；步骤4：根据X条件下云发生器产生的概率为必要条件进行下列步骤；步骤5：采用重组交叉算子进行交叉操作；步骤6：采用两元素优化变异算子进行变异操作；步骤7：若未达到最大迭代次数，重复步骤3-6；若达到最大迭次数，迭代结束，输出最佳染色体。针对叶片划分象限质量差要求，其通过云自适应遗传算法对大型高速回转装备转子叶片排序，用于降低大型高速回转装备的质量矩。
-
Patent Agency Ranking
公开(公告)号：CN111125904B
公开(公告)日：2024-01-16
申请号：CN201911328466.3
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多目标调控的大型高速回转装备叶片排序方法。步骤1：设置初始种群；步骤2：建立转子质量和质量矩以及频率物理模型，根据物理模型以及适应度函数要求设计适应度函数，并对初始种群的所有染色体进行适应度计算；步骤3：对初始种群采用轮盘赌法进行选择操作；步骤4：根据X条件下云发生器产生的概率为必要条件进行下列步骤；步骤5：采用重组交叉算子进行交叉操作；步骤6：采用两元素优化变异算子进行变异操作；步骤7：若未达到最大迭代次数，重复步骤3‑6；若达到最大迭次数，迭代结束，输出最佳染色体。针对叶片划分象限质量差要求，其通过云自适应遗传算法对大型高速回转装备转子叶片排序，用于降低大型高速回转装备的质量矩。
-
公开(公告)号：CN110969538A
公开(公告)日：2020-04-07
申请号：CN201911328429.2
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于遗传算法的大型高速回转装备叶片装配方法。本发明通过遗传算法对叶片进行编译，将叶片转化为基因，叶片组当作一个染色体；建立频率模型，对已知频率的叶片分为四个象限，确定叶片i的位置；对于所有的叶片，确定每个叶片的频率和对应的叶片组的频率差的关系；建立评估系数，并对频率不达标的叶片组设定约束条件罚系数；对上一代种群中除位置的叶片进行选择、交叉和变异操作，产生新的种群；判断是否达到最大迭代次数，当达到最大迭代次数时，计算结束，给出叶片编号以及安装位置。本发明避免了叶片的磨损和连接部件的破坏。
-
公开(公告)号：CN111125904A
公开(公告)日：2020-05-08
申请号：CN201911328466.3
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于多目标调控的大型高速回转装备叶片排序方法。步骤1：设置初始种群；步骤2：建立转子质量和质量矩以及频率物理模型，根据物理模型以及适应度函数要求设计适应度函数，并对初始种群的所有染色体进行适应度计算；步骤3：对初始种群采用轮盘赌法进行选择操作；步骤4：根据X条件下云发生器产生的概率为必要条件进行下列步骤；步骤5：采用重组交叉算子进行交叉操作；步骤6：采用两元素优化变异算子进行变异操作；步骤7：若未达到最大迭代次数，重复步骤3-6；若达到最大迭次数，迭代结束，输出最佳染色体。针对叶片划分象限质量差要求，其通过云自适应遗传算法对大型高速回转装备转子叶片排序，用于降低大型高速回转装备的质量矩。
-
公开(公告)号：CN110889244B
公开(公告)日：2024-05-10
申请号：CN201911326637.9
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于质量矩极小化的大型高速回转装备叶片的排序方法。本发明建立大型高速回转装备质量矩物理模型，进行叶片质量矩优化，随机产生初始种群；根据叶片的自适应度，基于建立的大型高速回转装备质量矩物理模型，确定叶片的适应度的相对值；对叶片的适应度的相对值进行迭代计算，得到最大的适应度的相对值；当迭代次数小于250次时，采用云自适应遗传算法对叶片进行排序，并进行选择操作、交叉操作和变异操作，生成子代种群；直至满足迭代次数大于等于250次，叶片排序序号，得到最佳的叶片排序。本发明从本质上反应实际转子不平衡量，在搜索和开发之间由更好的平衡能力，从而极大改善了局部寻优的问题。
-
公开(公告)号：CN111079229B
公开(公告)日：2022-10-25
申请号：CN201911326692.8
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于云自适应遗传算法的大型高速回转装备双目标优化方法。步骤1：设置初始种群；步骤2：建立转子质量和质量矩物理模型，根据物理模型以及适应度函数要求设计适应度函数，并对初始种群的所有染色体进行适应度计算；步骤3：对初始种群采用轮盘赌法进行选择操作；步骤4：根据X条件下云发生器产生的概率为必要条件进行下列步骤；步骤5：采用重组交叉算子进行交叉操作；步骤6：采用两元素优化变异算子进行变异操作；步骤7：若未达到最大迭代次数，重复步骤3‑6；若达到最大迭次数，迭代结束，输出最佳染色体。针对叶片划分象限质量差要求，其通过云自适应遗传算法对大型高速回转装备转子叶片排序，用于降低大型高速回转装备的质量矩。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
