一、机床主轴的多目标优化设计（论文文献综述）
张运涛,李以农,张志达,罗法氿,王成[1]（2022）在《基于改进粒子群算法的非对称传动主轴多目标优化》文中指出针对某特种车辆传动系统由于结构布局限制导致的主轴两侧非等强度设计问题,综合考虑传动主轴-轴承系统内外多源激励,采用集中质量法建立系统非线性振动模型。基于所建立的模型,利用Runge-Kutta进行数值仿真求解,分析了稳态工况下系统弯扭耦合振动响应以及系统动载荷和振动能量的分布特点,得出了主轴右侧断裂的主要原因。为解决传统粒子群优化（particle swarm optimization, PSO）算法易陷于局部最优解问题,通过调整算法参数和粒子变异提出一种改进的PSO算法。然后,针对主轴断裂原因,采用改进的PSO算法,以系统的波动扭矩和扭转振动能量为优化目标,对传动主轴结构参数进行多目标优化,并利用模糊集合理论对优化得到的Pareto最优解集进行选优。仿真结果表明,优化后的主轴左右两侧趋近于等强度设计,系统的扭转振动响应达到一个最优的平衡,主轴左侧的波动扭矩虽有所增加,扭转振动能量保持不变,但出现断裂故障的右侧波动扭矩幅值下降25%左右,右侧扭转振动能量下降15%左右,优化效果明显。
田颖,王文豪,杨利明,邵文婷[2]（2022）在《基于刀具磨损状态识别的加工参数多目标优化》文中提出在数控铣削过程中,刀具磨损对机床主轴能耗影响很大,同时与刀具加工能力直接相关,需适时调整加工参数以适应不同磨损状态,保证多目标综合最优.针对此问题,基于刀具磨损状态识别,根据不同磨损时期给出相应的加工参数优化策略.首先,以刀具寿命周期内的主轴功率为基础,采用粒子群优化算法（particle swarm optimization,PSO）建立考虑刀具磨损的能耗模型,平均误差低于5%,并基于与刀具磨损的强相关性,以主轴功率作为单一指标识别刀具磨损状态.进一步,为获取影响加工成本的动态性指标——刀具剩余使用寿命（remaining useful life,RUL）及相应的主轴功率,利用人工神经网络（artificial neural network,ANN）建立刀具磨损退化模型,通过描述主轴功率随时间的变化来隐含退化过程,该模型拟合度达0.992.最终,综合考虑能耗、刀具及时间成本,设计多目标优化函数,并通过遗传算法（genetic algorithm,GA）搜索函数最小值,给出不同磨损时期的最优加工参数及优化策略.此加工参数多目标优化融入了主轴功率与刀具RUL等动态指标,可依据主轴功率在线识别刀具磨损状态,进而调整加工参数以适应不同磨损时期,降低加工成本.结果表明:采用此方法在线调整加工参数,可平均降低24.258%的综合成本,具备有效性与实用性.
郭劲言[3]（2021）在《模型不确定的电主轴加速退化试验多目标优化设计方法》文中研究表明数控机床是制造业价值生成的基础和产业跃升的支点,对于一国装备制造业在国际分工中的位置具有“锚定”作用。而电主轴作为数控机床的关键功能部件,其可靠性水平很大程度上影响了数控机床整机的可靠性水平,因此如何评估和提高电主轴的可靠性成为相关学者和机床企业的关注的焦点。对于高可靠性、长寿命的电主轴,采用传统的可靠性试验方法难以在工程允许的时间内对其可靠性进行准确的评估。但随着电主轴运行时间的推移,其主要性能指标会逐渐衰退,这种性能退化的累积会逐渐导致其功能退化,最终发生失效。如果应用加速退化试验技术,对电主轴施加高于正常工作应力水平的试验应力,提高电主轴的退化速率,根据退化试验数据对关键性能指标建立加速退化模型,从而折算出正常工作应力下的可靠性水平,可以实现对电主轴可靠性的快速评估。由于工程实际中对试验成本的限制,如何在有限的条件下开展加速退化试验,获得有效的试验数据,实现对产品可靠性的准确评估,是加速退化试验优化设计的研究目标。合理的退化模型假设是保证加速退化试验优化效果的重要前提,但由于产品退化过程的随机性和复杂性,难以准确选择一种最合适的退化模型来描述其退化过程,且不同的模型假设往往对优化结果产生很大影响。因此,开展模型不确定情况下的加速退化试验优化设计研究是十分必要的。此外,电主轴的使用工况复杂,试验要求较多,现有优化方法中采用的单优化目标无法满足其实际工程需求,且不同优化目标下的试验方案优化结果也会不同,甚至相互矛盾,如何在有限的试验周期和试验成本下获得权衡多个优化目标的最优试验方案是亟待解决的问题。本文在国家自然科学基金和国家科技重大专项的支持下,以数控机床电主轴为研究对象,针对步进应力加速退化试验,研究考虑退化模型不确定的加速退化试验优化设计方法、加速退化试验多目标优化设计方法以及基于加速退化试验的电主轴可靠性评估方法,为电主轴可靠性设计提供科学有效的支撑。本文的主要研究内容包括:（1）对电主轴的结构和功能进行分析,在此基础上结合现场试验的故障数据对电主轴进行故障分析,确定能够体现电主轴性能退化的主要特征指标,用于加速退化试验过程中的监测和分析;搭建电主轴可靠性试验装置,并开展电主轴的可靠性摸底试验,根据摸底试验数据对电主轴进行失效机理一致性检验,以确定电主轴加速退化试验允许加载的最高应力水平。（2）提出考虑退化模型不确定性的加速退化试验优化设计方法。首先分别基于维纳过程、伽玛过程和逆高斯过程,建立以最小化正常工作应力下产品平均失效前时间估计值的渐近方差为优化目标的加速退化试验优化模型,通过对优化结果进行比较分析,验证考虑退化模型不确定性的合理性和必要性。随后,提出考虑退化模型不确定性的加速退化试验优化设计方法,基于赤池信息准则确定候选模型权重,采用组合预测方法构建优化目标函数,以试验样本量、各应力水平下测量时间间隔和测量次数为设计变量,在预先设定的试验预算约束下,建立考虑退化模型不确定的加速退化试验优化模型;并提出自适应搜索算法求解优化模型,根据优化目标函数变化程度的反馈动态调整搜索步长,以提高搜索效率并避免陷入局部搜索,保证优化效果。（3）在考虑退化模型不确定性的基础上,提出基于博弈理论的加速退化试验多目标优化设计方法。以试验样本量、各应力水平下退化指标的测量时间间隔和测量次数为设计变量,在预先设定的试验预算约束下,建立以提高产品寿命的预测精度、提高模型参数的估计精度以及提高模型参数偏差的稳健性为优化目标的多目标优化模型。基于博弈理论将多目标优化模型转化为合作博弈问题,采用模糊聚类方法计算各博弈方拥有的策略空间,并基于共谋合作模型构造博弈方得益函数,进而求解多目标优化模型,得到权衡多个优化目标的综合最优试验方案。（4）提出基于蒙特卡洛法的加速退化试验方案模拟评价方法,以正常应力下的产品MTTF估计值的渐近方差、模型参数的Fisher信息矩阵行列式值以及模型参数波动前后渐近方差的相对比率作为评价试验方案优劣的指标,分别利用各评价指标的均值和标准差来检验试验方案的准确性和稳定性。同时,针对小样本情况下加速退化模型参数极大似然估计量有偏的问题,提出了基于模拟试验数据对模型参数估计量进行纠偏的方法,通过偏比系数对模型参数估计量进行修正,从而提高模型参数的估计精度和最终可靠性评估结果的准确性。（5）基于以上研究确定的电主轴加速退化试验最优方案,依托搭建的电主轴可靠性试验装置,对某国产电主轴开展了加速退化试验;并提出了基于加速退化试验的电主轴可靠性评估方法,采用变分模态分解法对试验数据进行降噪预处理,采用极大似然估计方法对维纳过程、伽玛过程、逆高斯过程三个候选模型进行参数估计,最终对退化模型不确定情况下的电主轴进行可靠性评估。此外,设计并开发了电主轴可靠性评估软件,软件集成了试验数据预处理、加速退化模型建立和可靠性评估三个模块,可以实现对电主轴可靠性的快速、准确评估。
贺平平[4]（2021）在《变工况预紧力下主轴轴承服役性能预测研究》文中提出高速、高精密、高可靠性主轴是高速加工设备极端化发展的需求,而支撑元件轴承服役条件下的温升变化所导致转轴的热变形直接影响机床主轴的加工精度及寿命。主轴的智能化发展要求主轴在低速重载、中速中载、高速轻载的变工况下同时具有良好的动态性能和热特性。预紧力是影响轴承的刚度、寿命、温升等服役性能的关键。目前,主轴制造商提供的预紧方式和预紧力大小仅保证轴承在单一工况下有良好的服役性能。本论文在保证不同转速下轴承刚度、寿命等服役性能良好的前提下,提出通过主动调节预紧力实现主轴轴承温升变化控制的方法,具有运用灵活、成本低、主轴结构变动小的特点。针对此方法就高速角接触球轴承接触参数解析算法改进、变工况下轴承接触状态及性能、轴承热力耦合建模及预紧力优化等方面做了如下研究:（1）基于改进Newton-Raphson算法的角接触球轴承接触参数解析方法研究。基于Hertz接触理论,建立了高速角接触球轴承拟静力学模型,针对传统Newton-Raphson算法在求解高速角接触球轴承接触参数时出现初值难以确定、不易收敛等问题,在数值求解过程中引入中间变量,减少未知量数目,进行分步求解,使非线性方程组初值选取更为明确;将迭代修正因子引入改进Newton-Raphson算法,采用遗传搜索策略优化迭代修正因子,提高了求解准确性,缩短了收敛时间;通过矩阵变换,简化了雅克比矩阵的求解过程。与传统算法相比,改进的Newton-Raphson算法更简便更高效。采用改进算法分析了滚道椭圆化、外圈倾斜度和预紧机制对高速角接触球轴承接触参数非线性变化的影响规律。（2）变工况下轴承接触状态及服役性能研究。为进一步提高轴承力学模型的预测精度和鲁棒性,根据钢球和内滚道接触、非接触状态下的受力特点构建轴承统一的力学模型,揭示径向力、预紧力和转速对和内滚道相接触的钢球数目变化的影响规律;建立轴承刚度和寿命的数学描述,探明接触状态变化下轴承动态刚度、寿命的变化规律;基于球和滚道接触的运动学特性,分析轴承摩擦生热机理,建立轴承局部摩擦生热解析方程,量化不同工况下轴承的生热量。研究结果表明,较大的径向力、较小的预紧力及过高转速使部分球和内滚道分离;随着预紧力的增加,接触球数量增加,使轴承径向刚度发生突变,轴承寿命呈现先增大后减小的趋势;预紧力和转速的增加导致轴承生热量增大。因此,合适的预紧力可以使轴承获得良好的服役性能。（3）多因素影响下轴承热力耦合建模研究。针对运行状态下轴承热、力相互耦合的特点,基于拟静力学理论,考虑离心效应和热效应建立多因素影响下定位预紧轴承的热力耦合修正模型,采用热网络模型求解轴承的温度场,实现对轴承动态参数的识别,探明轴承结构尺寸、接触参数与温升之间的耦合关系,揭示预紧力、转速等各项因素对轴承温升的影响规律。定位预紧下轴承的温升试验结果表明,提出的模型有良好的精度和可靠性,文中的方法能有效获取不同工况下轴承的温度场。（4）轴承预紧力优化研究。针对生产实际中主轴需满足低速重载、高速轻载等多工况加工需求,而主轴轴承预先设定预紧力无法满足变工况下轴承服役性能的综合需求问题,提出不同转速下以刚度、寿命、温升为约束条件的轴承预紧力优化策略。为保证不同转速下轴承的刚度、寿命和温升数据的等效性和同序性,对各类数据进行了归一化处理,采用多项式拟合和幂函数拟合方法描述轴承刚度、寿命和温升的归一化数据曲线,基于多目标优化理论,根据功效系数法建立了预紧力的优化模型,设计了可调的预紧力加载装置及轴承预紧力、温升测试平台。仿真和试验结果表明,优化后的预紧力既可满足不同转速下轴承刚度、寿命的综合要求,也保证了轴承温升变化在合适范围内。提出的方法为变工况下主轴轴承的预紧力优化提供了理论指导,为后续主轴轴承温升控制研究提供了思路,具有参考和借鉴意义。
王欣欣[5]（2021）在《基于代理模型的多目标优化设计方法及其应用研究》文中进行了进一步梳理
赵瑞杰[6]（2021）在《正交十角环式三维切削力传感器研究》文中提出切削力是影响工件切削质量的重要参数,实现切削力的精准测量,对于推动金属切削理论研究、促进我国实现数控机床智能化监测具有重要意义。本文针对高速切削过程中传统八角环式切削力传感器测量性能较差、传感器灵敏度与固有频率无法同时得到提升等问题,以传统八角环式传感器为基础,研制了一种新型正交十角环式三维切削力传感器,对传感器设计、制作、性能测试与切削力测量试验进行了深入研究。首先,在分析了传感器工作原理、切削力的来源以及解耦测量基础上,提出并设计了正交十角环式弹性敏感结构,建立了十角环受力分析简化模型,推导十角环内外表面应力变化表达式,绘制十角环在主切削力、吃刀抗力作用下应力分布图,初步确定了适合封装应变片的位置,为后期应变片粘贴工作奠定了基础。其次,通过静力学分析、模态分析对正交十角环弹性敏感元件进行强度校核以及线性度分析,对十角环模型特殊路径上的应力变化规律进行了仿真验证;分析了正交十角环各切削力单独作用下应力应变分布之间的关系,据此确定了应变片粘贴位置,设计了抗交叉干扰的切削力测量电路。根据仿真结果与传统八角环设计方案进行对比分析,正交十角环结构设计显着提高了传统八角环式切削力传感器在各切削力方向的灵敏度,并保持了良好的动态性能。再次,采用响应面多目标优化方法对传感器弹性敏感结构进行优化设计,十角环弹性体的最大变形量较传统八角环结构增大了6.6%,主切削力方向的固有频率较八角环结构增大了9.4%,根据优化结果完成了传感器机械结构的加工以及应变片的粘贴。最后,本文对所研制的传感器开展了静态、动态性能试验研究,试验结果表明该传感器各项静态性能良好,主切削力、进给力、吃刀抗力方向的测量灵敏度分别为0.049m V/N、0.052m V/N、0.011m V/N,传感器各切削力方向的线性度在0.1%～0.5%之间,重复性在0.9%～2.59%之间,迟滞性在0.05%～0.25%之间,各向切削力间的交叉干扰在0.2%～3.85%之间,传感器在Fc方向的固有频率分别为1605Hz,能够满足机床主轴转速不超过24165r/min高速切削状态下切削力的测量。机床实际切削试验结果表明,该切削力传感器能够实时在线、灵敏的反映切削参数的变化,具备准确测量切削力的潜力。
姚国祥[7]（2021）在《基于响应面与遗传算法的电主轴动态特性分析》文中研究指明电主轴作为机床的关键功能部件,其工作状态、可靠性和性能直接决定了机床整机的性能。作为精密的机电液复杂系统,其性能很难直接通过经验准确评估。如果在预研阶段准确地建立电主轴的动力学模型,通过仿真计算可以大致掌握其性能指标,从而大幅缩短其设计和研制周期。本文对电主轴的动力学建模优化和动态特性进行了研究。以转子动力学、摩擦学为理论支撑,将电主轴的动力学建模分为三部分:角接触球轴承建模、刀柄-主轴结合部建模和主轴系统建模。在此基础上,提出一种结合了响应面和遗传算法的主轴结合部参数修正方法,并建立了基于修正参数的主轴系统动力学模型,最后通过试验对该方法进行了验证。具体研究内容如下:基于Hertz接触理论,建立了考虑预紧力的电主轴轴承滚动体的协调方程组,同时综合考虑预紧力、轴承转速的影响,建立了高速角接触球轴承的拟静力学模型。通过MATLAB仿真,分析了轴承转速和轴承刚度、滚动体载荷间的关系。简化了电主轴的结构,在此基础上基于Timoshenko梁单元理论建立了电主轴的有限元模型。通过理论计算建立了刀柄-主轴结合部模型,结合角接触球轴承模型建立了完整的主轴系统动力学模型,在此基础上讨论了结合部参数对主轴系统固有频率的影响。通过现场试验测试电主轴系统的加速度-力频率响应函数和固有频率,并将固有频率作为优化目标,刀柄-主轴结合部参数作为输入参数,通过对主轴系统进行仿真计算得到固有频率作为输出参数,建立了响应面模型。采用多目标优化算法对刀柄-主轴结合部参数进行优化,求解其优化后的主轴系统的固有频率和频率响应函数,并与试验结果进行比较分析,验证模型的准确性。在对主轴系统的模型进行优化后,分别考虑了不同部件的动平衡等级对于主轴端部响应的影响;同时,为了分析主轴系统在工作时的性能,采集了主轴在相同转速、不同切削深度下的多段加工信号,并将其作为输入载荷加载到主轴系统模型上,计算出了主轴系统在不同工况下的端部响应,并分析了输入载荷和端部响应之间的关系。
王帝[8]（2021）在《连退生产过程产品质量预测及操作优化》文中研究说明在钢铁生产中,钢生产过程是一个具有复杂工序、多种控制变量结合的大型工业流程。连续退火工艺作为带钢生产过程中的关键工艺,对带钢质量起到了决定性的作用。但是由于退火工艺自身的局限性,使得原有的带钢质量检测方法已经不能够满足日益增长的生产需要。此外企业为了进一步提高生产效率和生产质量,针对不同钢材的产品的操作优化也逐渐受到了关注。因此,有必要对连续退火工艺中的产品质量进行预测以及操作优化。本文针对这两个问题,做了以下几个方面研究。针对连续退火过程质量预测,依据对连续退火数据高维度、强耦合等特性的分析,本文将等距特征映射降维算法与集成思想相结合,利用集成模型的特点对不同样本的降维结果进行拟合,并选择支持向量机作为子学习机,提出了一种基于高维数据特性集成建模方法,该方法充分考虑不同样本的特性,使得建模更加精确。此外针对模型中设备、环境以及带钢特性变化带来的模型精度下降,本文在增量支持向量学习机的基础上,对基于降维过程的增量学习进行了研究,利用支持向量集与新增样本集合并降维,并通过基于距离的策略进行筛选,来完成模型的更新。该方法通过实验验证,适应于连续退火生产变化。在质量预测的基础上,本文通过对冷轧连续退火生产工艺和生产过程操作优化的研究,建立了以最小化带钢硬度偏差、最小化机组能源消耗、最大化机组产能为目标的连退生产过程多目标操作优化模型,同时为了能够使算法能够更早的寻找到最优解,需要使初始种群具有较高的质量,设计了一种基于正态分布的启发式来生成初始种群。最后利用差分进化算法DE（Differential Evolution）对模型进行了求解,取得了较原始生产数据更好的效果,能够对生产过程起到指导作用。由于连续退火优化操作变量多、优化复杂,连续退火多目标操作优化模型的求解具有较高难度,为了提高优化算法的寻优能力,本文提出了一种改进变异混合多目标优化算法。通过引入跳基因突变算子来增强NSGA-Ⅱ（Non-dominated sorting genetic algorithm-Ⅱ）的全局搜索能力,利用改进的变异算子来增强DE算法的局部细化搜索能力。并在两种算法集成后,通过贪婪算法对混合解集进行筛选,以及在最优解附近进行混沌搜索,最终得到最优解集。经过测试函数验证,改进后的算法具有良好的寻优效率。最后将该算法应用于连续退火多目标优化模型,求解结果较DE算法有了较大的提高,在保证预测精度的同时,提高生产效率和减少能源消耗。
巩超光[9]（2021）在《基于数字孪生的铣削参数动态多目标优化策略研究》文中研究指明数控机床作为制造业的“工作母机”,代表着社会整体的生产制造水平。现如今,全球各制造强国均提出各自关于重振并发展高端制造的决定,数控机床首当其冲地必须进行全面升级,以适应智能制造模式。其中,智能运行优化决策是实现数控机床智能性的关键。以多目标优化技术为代表的数控机床智能运行优化决策能够实现在兼顾众多加工目标情况下,对现有加工方案进行优化,获取全局或局部最优的加工方案。然而,当前获得应用的多目标优化技术基本属于静态范畴,并未将数控机床在整个寿命周期中的动态性能变化纳入优化模型之中,因此所获得的加工方案优化结果也就具有很大的局限性,难以满足数控机床全寿命周期的优化需求。为解决在考虑数控机床性能动态变化的情况下,铣削参数的动态多目标优化问题,本文提出了基于数字孪生的铣削参数动态多目标优化策略,主要工作如下:本文首先论述并验证了刀具磨损对机床加工性能影响的显着性,选取刀具磨损作为机床动态性能变化的表征因素。同时,根据铣削参数动态优化的功能需求,设计了本文基于数字孪生的铣削参数动态多目标优化策略整体框架,组合并协调拟合预测模块、参数寻优模块以及决策分析模块等三大模块功能,完成铣削参数动态寻优。拟合预测模块采用Gradient Boosting集成学习框架融合高斯过程回归（GPR）、支持向量回归（SVR）、随机森林（RF）等回归算法构建铣削参数与目标间的非线性映射关系。同时,借助数字孪生场景感知技术,在约束条件发生变化时,对拟合预测模型进行更新。参数寻优模块通过结合数字孪生技术与动态非支配排序遗传算法DNSGA-Ⅱ-A进行铣削参数动态寻优,获取铣削参数非支配解集。决策分析模块在已获得的Pareto最优解的基础上,结合层次分析法（AHP）与优劣解距离法（TOPSIS）建立决策分析模型并实现可视化分析排序,并使用Python语言设计了可视化界面。最后,本文以铣削45#钢工件为例,设计并实施了铣削实验。通过处理铣削数据,一方面,验证了拟合预测模块的准确性;另一方面,说明了参数寻优模块的有效性与寻优结果的多样性;再一方面,将排序优化后的方案与实际方案做比较,得出决策分析模块的可行性以及便捷性。本文建立的铣削参数动态多目标优化策略能够针对机床整个运行时段提供符合当前机床特性的最优铣削参数取值方案,能够帮助数控机床实现智能运行优化决策功能。
林景亮[10]（2021）在《基于深度代理模型的复杂机电产品仿真优化方法及应用》文中研究指明基于仿真的产品设计优化可大幅减少物理样机试制引起的时间和费用开销,已广泛用于机电产品的开发过程。由于复杂的机电产品（如工程机械、汽车、轮船等）需考虑的影响因素很多,各因素相互耦合,其仿真模型往往呈多学科、强非线性等显着特征,使仿真求解时间很长。基于代理模型的仿真优化方法可以减少对仿真模型的调用次数,已经逐渐成为复杂机电产品开发过程不可或缺的重要技术手段。然而,现有仿真优化方法对以往产品研发过程中产生的大量仿真数据关注较少,对其蕴含的设计变量与性能响应之间的变化特征知识缺乏重用等不足,而且主要侧重于低维少变量、单一性能响应之间的变化特征关系表征,难以支持复杂机电产品多设计变量、多性能响应之间高维、高阶非线性变化特征关系的表征。为此,提出基于深度代理模型的复杂机电产品仿真优化方法,主要侧重于以下几个方面的研究工作:（1）研究复杂机电产品基于大量仿真数据的深度代理模型自适应构造方法。基于已有数据,传统的深度代理建模方法通常需人为设定深度学习算法的超参数,以训练神经网络参数逼近训练数据设计变量与性能响应之间的变化特征关系。然而,不合适的超参数配置很容易导致模型的欠逼近或过逼近。针对此问题,提出了基于MH-TRMPS的深度代理模型自适应构造算法,利用MH（Modified Hyperband）算法随机产生大量超参数配置,通过仿真数据的迭代学习训练获取深度代理模型早期逼近性能,基于此淘汰部分性能差的配置（近似评估）,并设计了多种初始迭代资源重复此过程,最终得到一组近似最优的超参数;进一步在当前最优超参数配置的邻域构造可信域（Trust region,TR）,并利用 MPS（Mode pursuing sampling）搜索 TR,以获取更多可能提升深度代理模型逼近性能的配置（完全评估）;与此同时,根据MPS的搜索结果动态缩减TR的大小和调整其位置,以快速得到TR中的最优超参数配置,并利用MH进行全局检验。多种测试案例的结果表明,提出的算法能够实现自适应构造精确逼近已有大量数据的深度代理模型。（2）研究新产品基于少量仿真数据规划与迁移学习的深度代理模型构造方法。在利用Finetune迁移学习构造以往产品变型设计或自适应设计得到的新产品的深度代理模型中,现有方法通常存在对少量数据导致模型的不确定性考虑不够,对已有模型的特性重用不足等问题。为了解决这些问题,引入了最优性设计准则和多乘迭代,结合随机蒙特卡洛采样,提出了主动闭环迁移学习（Active closed-loop transfer learning,ACTL）算法。在ACTL中,首先利用基于设计点分布的费雪尔信息矩阵表征深度代理模型的不确定性,并建立基于最大化费雪尔信息矩阵行列式值的设计点追逐采样模式,然后利用随机蒙特卡洛规划采样仿真数据;以提高代理模型泛化能力为目标,设计了主动闭环的方式迁移学习更新深度代理模型,并引入控制因子,以提高费雪尔信息矩阵行列式值大的设计点的采样概率,同时确保规划的仿真数据对应的设计点能够统计上覆盖整个设计空间。实验结果显示,提出的算法能够实现在少量采样的情况下,稳定构建具有强泛化能力的新产品深度代理模型。（3）研究基于深度代理模型的复杂机电产品高效多目标优化方法。复杂机电产品的仿真优化主要是多目标优化,各目标之间的内部关联性使其无法获得绝对最优解。传统的多目标优化方法通常直接以整个种群或邻域解集作为交配池随机选择父代个体产生新解,并基于支配关系进行环境选择来维持种群大小,对解的结构特征以及所求解问题的特性考虑较少,不利于保持决策空间中解的多样性。为此,基于MOEA/D多目标优化方法,引入谱聚类和设计参考点集,进而提出了 MOEA/D-DP（MOEA/D with decision preference）算法。在每一代中,MOEA/D-DP首先运用谱聚类发掘解的结构特征,基于此特征和决策者给定的设计参考点集,挑选距离设计参考点较近,且相互差异较大的解作为父代个体,并设定概率因子引导多种不同的变异算子产生新解,使得新解更加多样化且自动带有决策者偏好信息;进一步地,融合解的结构特征和解的支配关系进行环境选择,以维持种群大小的同时保持决策空间中解的多样性;此外,在环境选择阶段,设计了外部档案保存最接近设计参考点,同时又支配当前设计参考点的解,以便于设计者的决策以及决策方案的实施。将MOEA/D-DP与深度代理模型结合,从而实现复杂机电产品的高效仿真优化。（4）基于深度代理模型的复杂机电产品仿真优化应用。基于上面理论研究,结合横向课题“伸缩臂叉车数字化样机”,对某伸缩臂叉车进行设计优化:1)抬举作业下,优化其臂架动作特性液压控制系统性能;2)行车作业下,优化其安全性和舒适性。实现:1)将其臂架伸缩过程中变幅缸压力波动最大值减少46%;2)将其行车过程中车架侧倾角平均减少46.5%,驾驶室基座Z轴方向振幅平均减少18%。
二、机床主轴的多目标优化设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、机床主轴的多目标优化设计（论文提纲范文）
（1）基于改进粒子群算法的非对称传动主轴多目标优化（论文提纲范文）
| 1 主轴-轴承系统动力学模型 |
| 1.1 转子盘动力学模型 |
| 1.2 轴承系统动力学模型 |
| 1.3 主轴-轴承系统弯扭耦合动力学模型 |
| 2 主轴-轴承系统振动特性分析 |
| 2.1 主轴-轴承系统扭转振动特性分析 |
| 2.2 主轴-轴承系统弯曲振动特性分析 |
| 3 改进PSO算法 |
| 3.1 标准PSO算法 |
| 3.2 改进PSO算法 |
| 3.2.1 添加递减惯性因子 |
| 3.2.2 改进学习因子 |
| 3.2.3 变异操作 |
| 4 主轴结构参数多目标优化 |
| 4.1 设计优化目标 |
| 4.2 设计优化变量 |
| 4.3 设计变量约束 |
| 4.4 多目标优化框架 |
| 4.5 Pareto解集选优 |
| 4.6 优化结果分析 |
| 5 结 论 |
（3）模型不确定的电主轴加速退化试验多目标优化设计方法（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 课题来源 |
| 1.3 电主轴可靠性研究现状 |
| 1.4 加速退化试验研究现状 |
| 1.4.1 加速退化试验方法研究现状 |
| 1.4.2 加速退化模型研究现状 |
| 1.4.3 加速退化试验优化设计研究现状 |
| 1.5 主要研究内容及结构安排 |
| 第2章 电主轴退化性能指标及试验应力研究 |
| 2.1 引言 |
| 2.2 电主轴退化性能指标研究 |
| 2.2.1 电主轴结构及功能分析 |
| 2.2.2 电主轴故障分析 |
| 2.2.3 电主轴退化性能指标确定 |
| 2.3 电主轴可靠性摸底试验 |
| 2.3.1 电主轴可靠性试验装置 |
| 2.3.2 电主轴可靠性摸底试验设计 |
| 2.3.3 摸底试验数据统计分析 |
| 2.4 电主轴加速退化试验应力研究 |
| 2.4.1 基于灰色预测理论的退化失效机理一致性检验方法 |
| 2.4.2 电主轴退化失效机理一致性检验 |
| 2.4.3 电主轴加速应力水平组合确定 |
| 2.5 本章小结 |
| 第3章 考虑退化模型不确定性的加速退化试验优化设计 |
| 3.1 引言 |
| 3.2 加速退化试验优化设计思路及基本假设 |
| 3.2.1 优化设计思路 |
| 3.2.2 基本假设 |
| 3.3 基于维纳过程的加速退化试验优化设计 |
| 3.3.1 维纳过程概述 |
| 3.3.2 基于维纳过程的加速退化模型 |
| 3.3.3 基于维纳过程的加速退化试验优化模型 |
| 3.3.4 自适应搜索算法 |
| 3.3.5 实例分析—基于维纳过程的电主轴加速退化试验优化设计 |
| 3.4 基于伽玛过程的加速退化试验优化设计 |
| 3.4.1 伽玛过程概述 |
| 3.4.2 基于伽玛过程的加速退化模型 |
| 3.4.3 基于伽玛过程的加速退化试验优化模型 |
| 3.4.4 实例分析—基于伽玛过程的电主轴加速退化试验优化设计 |
| 3.5 基于逆高斯过程的加速退化试验优化设计 |
| 3.5.1 逆高斯过程概述 |
| 3.5.2 基于逆高斯过程的加速退化模型 |
| 3.5.3 基于逆高斯过程的加速退化试验优化模型 |
| 3.5.4 实例分析—基于逆高斯过程的电主轴加速退化试验优化设计 |
| 3.6 考虑模型不确定性的加速退化试验优化设计 |
| 3.6.1 赤池信息准则 |
| 3.6.2 考虑退化模型不确定性的必要性分析 |
| 3.6.3 基于AIC的组合预测方法 |
| 3.6.4 考虑模型不确定性的加速退化试验优化模型 |
| 3.6.5 实例分析—模型不确定的电主轴加速退化试验优化设计 |
| 3.7 本章小结 |
| 第4章 基于博弈理论的加速退化试验多目标优化设计 |
| 4.1 引言 |
| 4.2 加速退化试验多目标优化模型 |
| 4.2.1 优化目标 |
| 4.2.2 设计变量 |
| 4.2.3 约束条件 |
| 4.3 基于博弈理论的加速退化试验多目标优化方法 |
| 4.3.1 博弈理论 |
| 4.3.2 基于博弈理论的多目标优化方法 |
| 4.4 实例分析—电主轴加速退化试验多目标优化设计 |
| 4.4.1 试验优化数学模型 |
| 4.4.2 多目标试验优化结果 |
| 4.4.3 单目标试验优化结果对比分析 |
| 4.4.4 多目标优化算法对比分析 |
| 4.5 本章小结 |
| 第5章 电主轴加速退化试验方案模拟 |
| 5.1 引言 |
| 5.2 加速退化试验方案模拟评价准则和方法 |
| 5.2.1 蒙特卡洛法概述 |
| 5.2.2 考虑退化模型不确定性的模拟试验数据生成 |
| 5.2.3 试验方案模拟评价准则 |
| 5.3 电主轴加速退化试验方案模拟评价 |
| 5.3.1 电主轴加速退化试验模拟 |
| 5.3.2 模拟评价结果分析 |
| 5.3.3 电主轴加速退化试验最优方案确定 |
| 5.4 基于模拟数据的模型参数极大似然估计值的纠偏 |
| 5.4.1 极大似然估计值的真实抽样分布 |
| 5.4.2 模型参数极大似然估计值纠偏 |
| 5.5 本章小结 |
| 第6章 基于加速退化试验的电主轴可靠性评估 |
| 6.1 引言 |
| 6.2 电主轴加速退化试验 |
| 6.2.1 试验方案 |
| 6.2.2 失效判据 |
| 6.2.3 试验步骤 |
| 6.2.4 试验数据采集 |
| 6.3 电主轴加速退化试验数据统计分析 |
| 6.3.1 试验数据预处理 |
| 6.3.2 加速退化模型参数估计 |
| 6.3.3 模型拟合优度检验 |
| 6.3.4 考虑模型不确定的电主轴可靠性评估 |
| 6.4 电主轴可靠性评估软件 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读博士学位期间取得的学术成果 |
| 攻读博士学位期间参加的科研项目 |
| 致谢 |
（4）变工况预紧力下主轴轴承服役性能预测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景 |
| 1.2 课题研究意义 |
| 1.3 主轴轴承动态特性、热特性及预紧力优化的国内外研究动态 |
| 1.3.1 轴承接触状态参数解析方法研究现状 |
| 1.3.2 轴承的动态特性及预紧技术研究现状 |
| 1.3.3 轴承热力耦合研究现状 |
| 1.3.4 预紧力对主轴轴承性能影响研究现状 |
| 1.3.5 最佳预紧力研究现状 |
| 1.4 论文主要研究内容 |
| 2 基于改进 Newton-Raphson 算法的角接触球轴承接触参数解析 |
| 2.1 角接触球轴承静态接触参数计算 |
| 2.1.1 角接触球轴承的基本假设 |
| 2.1.2 无载荷下角接触球轴承的基本参数 |
| 2.1.3 初始预紧力下角接触球轴承的接触参数 |
| 2.2 高速角接触球轴承拟静力学建模 |
| 2.2.1 定位预紧下高速角接触球轴承拟静力学建模 |
| 2.2.2 定压预紧下高速角接触球轴承拟静力学建模 |
| 2.3 高速角接触球轴承接触参数解析及算法改进研究 |
| 2.3.1 高速角接触球轴承接触参数解析 |
| 2.3.2 改进的Newton-Raphson算法 |
| 2.3.3 改进算法验证 |
| 2.4 高速角接触球轴承接触参数影响因素分析 |
| 2.4.1 静态下预紧力对轴承接触参数的影响分析 |
| 2.4.2 滚道椭圆化对轴承接触参数的影响分析 |
| 2.4.3 外圈倾斜程度对轴承接触参数的影响分析 |
| 2.4.4 不同预紧机制下轴承接触参数的影响分析 |
| 2.5 本章小结 |
| 3 变工况下轴承接触状态及服役性能研究 |
| 3.1 变工况下钢球与内滚道接触状态变化分析 |
| 3.2 基于接触状态变化的轴承动态刚度解析 |
| 3.3 基于接触状态变化的轴承寿命解析 |
| 3.4 轴承生热建模与分析 |
| 3.4.1 钢球与滚道接触的运动学分析 |
| 3.4.2 轴承生热模型 |
| 3.4.3 轴承生热量仿真分析 |
| 3.5 本章小结 |
| 4 多因素影响下主轴轴承热力耦合研究 |
| 4.1 轴承传热方式及温度场建模 |
| 4.1.1 生热部件传热方式 |
| 4.1.2 结合面接触热阻及换热系数 |
| 4.1.3 基于热网络法的轴承温度场建模 |
| 4.2 轴承热力耦合建模 |
| 4.2.1 过盈配合引起的膨胀量 |
| 4.2.2 转速引起的离心膨胀量 |
| 4.2.3 温升引起的热膨胀 |
| 4.2.4 多因素影响下轴承的热力耦合修正模型 |
| 4.3 数值分析及试验验证 |
| 4.3.1 静态下预紧力和过盈量对轴承参数的影响分析 |
| 4.3.2 转速对轴承膨胀量的影响分析 |
| 4.3.3 热效应和离心效应对轴承接触特性的影响 |
| 4.3.4 轴承热特性仿真与测试分析 |
| 4.4 本章小结 |
| 5 基于功效系数法的主轴轴承预紧力优化研究 |
| 5.1 预紧力优化的理论与方法 |
| 5.1.1 多目标优化理论 |
| 5.1.2 多目标优化问题的求解 |
| 5.1.3 功效系数法 |
| 5.2 预紧力优化模型与仿真分析 |
| 5.2.1 样本数据的归一化 |
| 5.2.2 预紧力优化模型 |
| 5.2.3 预紧力优化分析 |
| 5.3 轴承预紧力调节及温升测试试验规划与验证 |
| 5.3.1 预紧力调节系统及轴承温升测试平台 |
| 5.3.2 试验验证及分析 |
| 5.4 本章小结 |
| 6 结论与展望 |
| 6.1 本研究主要结论 |
| 6.2 本研究主要创新点 |
| 6.3 研究展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间发表论文及参与科研情况 |
| A 发表的论文 |
| B 参与科研项目 |
（6）正交十角环式三维切削力传感器研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外切削力传感器研究现状 |
| 1.2.1 国内外压电式切削力传感器研究现状 |
| 1.2.2 国内外应变式切削力传感器研究现状 |
| 1.3 主要研究内容及章节安排 |
| 第2章 正交十角环式三维切削力传感器设计基础 |
| 2.1 切削力的来源及三维切削力解耦测量 |
| 2.1.1 切削力的来源 |
| 2.1.2 三维切削力解耦测量 |
| 2.2 传感器工作原理及材料选择 |
| 2.2.1 传感器工作原理 |
| 2.2.2 传感器设计原则与性能要求 |
| 2.2.3 .传感器材料选择 |
| 2.3 正交十角环式三维切削力传感器结构设计 |
| 2.3.1 新型弹性敏感元件模型 |
| 2.3.2 十角环模型受力分析 |
| 2.4 本章小结 |
| 第3章 正交十角环弹性敏感元件仿真分析 |
| 3.1 静力学分析与模态分析 |
| 3.2 表面应力计算及线性度分析 |
| 3.2.1 表面应力计算 |
| 3.2.2 线性度分析 |
| 3.3 正交十角环式三维切削力传感器测量电桥设计 |
| 3.3.1 应变片封装位置的确定 |
| 3.3.2 测量电桥设计 |
| 3.3.3 测量电路测量误差分析 |
| 3.4 对比分析 |
| 3.4.1 灵敏度比较 |
| 3.4.2 固有频率比较 |
| 3.5 本章小结 |
| 第4章 传感器优化设计与加工 |
| 4.1 传感器弹性敏感元件优化设计 |
| 4.1.1 优化设计数学模型 |
| 4.1.2 设计变量的选取 |
| 4.1.3 实验设计 |
| 4.1.4 响应曲面结果分析 |
| 4.1.5 参数灵敏度分析 |
| 4.1.6 最佳尺寸参数的确定 |
| 4.2 正交十角环式三维切削力传感器的加工 |
| 4.2.1 传感器机械结构加工 |
| 4.2.2 传感器内外表面应变片的粘贴 |
| 4.3 本章小结 |
| 第5章 传感器性能测试与切削力测量试验 |
| 5.1 传感器静态性能测试 |
| 5.1.1 传感器静态标定试验 |
| 5.1.2 传感器静态性能分析 |
| 5.2 传感器动态性能测试 |
| 5.2.1 传感器模态锤击试验 |
| 5.2.2 传感器动态性能分析 |
| 5.2.3 传感器静动态性能比较分析 |
| 5.3 机床切削力测量试验 |
| 5.3.1 切削力测量试验 |
| 5.3.2 试验结果分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 结论 |
| 展望 |
| 参考文献 |
| 攻读硕士学位期间科研成果 |
| 致谢 |
（7）基于响应面与遗传算法的电主轴动态特性分析（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 轴承-转子系统的研究 |
| 1.2.2 刀柄-主轴结合部的研究 |
| 1.3 本文研究目的、内容及创新 |
| 1.3.1 研究目的和内容 |
| 1.3.2 创新点 |
| 1.4 本章小结 |
| 第2章 角接触球轴承的动态特性分析 |
| 2.1 概述 |
| 2.2 Hertz接触基本假设 |
| 2.3 Hertz接触理论 |
| 2.4 滚动体参数计算 |
| 2.4.1 滚动体与内外圈曲率和计算 |
| 2.4.2 轴承内圈在轴向预紧力下的变形 |
| 2.5 轴承预紧 |
| 2.6 滚动体的动态特性 |
| 2.7 角接触轴承力学特性分析 |
| 2.7.1 滚动体的位移协调方程 |
| 2.7.2 滚动体受力分析 |
| 2.7.3 刚度计算 |
| 2.7.4 实例计算 |
| 2.8 本章小结 |
| 第3章 刀柄-主轴系统简化及建模方法研究 |
| 3.1 概述 |
| 3.2 主轴系统结构分析 |
| 3.2.1 结构分析 |
| 3.2.2 刀柄结构分析 |
| 3.3 建立主轴系统动力学模型 |
| 3.3.1 模型简化方法 |
| 3.3.2 结构离散化处理 |
| 3.3.3 材料属性的等效计算 |
| 3.4 1D单元理论 |
| 3.4.1 梁单元模型 |
| 3.4.2 刚性圆盘模型 |
| 3.5 刀柄-主轴结合部建模 |
| 3.5.1 刀柄-主轴结合部参数求解 |
| 3.5.2 高速旋转下的刀柄-主轴结合部参数求解 |
| 3.6 电主轴的动力学建模及求解 |
| 3.6.1 动力学建模 |
| 3.6.2 主轴系统动力学求解 |
| 3.7 本章小结 |
| 第4章 基于响应面法的电主轴结合部参数修正 |
| 4.1 概述 |
| 4.2 电主轴的自由模态试验 |
| 4.2.1 试验目的 |
| 4.2.2 试验模态原理方法 |
| 4.2.3 锤击法介绍 |
| 4.3 基于响应面法的参数修正方法 |
| 4.3.1 响应面法原理 |
| 4.3.2 试验设计 |
| 4.4 建立响应面 |
| 4.4.1 响应面选择 |
| 4.4.2 响应面拟合 |
| 4.5 结合部参数优化 |
| 4.5.1 多目标优化与求解 |
| 4.5.2 结合部参数优化结果及模型验证 |
| 4.6 本章小结 |
| 第5章 电主轴的动态特性研究 |
| 5.1 概述 |
| 5.2 电主轴的动平衡分析 |
| 5.2.1 不平衡响应表达式 |
| 5.2.2 不平衡响应计算 |
| 5.3 电主轴的时域响应 |
| 5.3.1 载荷信号处理 |
| 5.3.2 时域响应求解方法 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（8）连退生产过程产品质量预测及操作优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 连续退火工艺流程 |
| 1.3 生产中存在的问题 |
| 1.4 研究现状 |
| 1.4.1 带钢硬度检测方法 |
| 1.4.2 操作优化方法 |
| 1.5 本文研究内容 |
| 第二章 基于HDFI-SVR模型的连续退火产品质量预测 |
| 2.1 算法基础 |
| 2.1.1 等距特征映射降维算法 |
| 2.1.2 支持向量机回归 |
| 2.2 基于高维数据特性集成的带钢硬度预测建模 |
| 2.2.1 HDFI-SVR算法结构 |
| 2.2.2 HDFI-SVR算法流程 |
| 2.3 HDFI-SVR模型验证 |
| 2.3.1 基于不同数据集的模型对比 |
| 2.3.2 基于连退数据的模型对比 |
| 2.4 本章小结 |
| 第三章 基于ISOMAP-ISVR模型的增量预测 |
| 3.1 增量学习概述 |
| 3.2 基于ISOMAP的SVR增量学习算法研究 |
| 3.3 增量学习模型实验 |
| 3.3.1 真实数据集 |
| 3.3.2 连续退火数据集 |
| 3.4 本章小结 |
| 第四章 连退生产过程多目标操作优化建模 |
| 4.1 模型建立基础 |
| 4.1.1 模型建立思路 |
| 4.1.2 影响带钢质量因素分析 |
| 4.2 连退生产过程多目标操作优化建模 |
| 4.2.1 多目标优化问题 |
| 4.2.2 建模分析 |
| 4.3 基于差分进化算法的模型求解 |
| 4.3.1 多目标优化问题求解 |
| 4.3.2 差分进化算法基本原理 |
| 4.3.3 模型初始解设计 |
| 4.3.4 模型求解结果 |
| 4.4 本章小结 |
| 第五章 基于改进优化算法的连续退火多目标优化模型求解 |
| 5.1 NSGA-Ⅱ算法基本原理 |
| 5.2 一种改进变异混合多目标优化算法 |
| 5.2.1 跳变基因 |
| 5.2.2 改进DE变异算子 |
| 5.2.3 基于贪婪策略的种群合并 |
| 5.2.4 基于混沌的最优解搜索 |
| 5.3 算法性能分析 |
| 5.3.1 测试函数 |
| 5.3.2 评价指标 |
| 5.3.3 参数设置 |
| 5.3.4 实验结果分析 |
| 5.4 连退生产过程多目标操作优化模型求解 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 参考文献 |
| 发表论文和参加科研情况 |
| 致谢 |
（9）基于数字孪生的铣削参数动态多目标优化策略研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状及分析 |
| 1.2.1 数控机床数字孪生技术研究现状 |
| 1.2.2 切削参数静态多目标优化研究现状 |
| 1.2.3 刀具磨损对机床加工性能影响研究 |
| 1.2.4 动态多目标优化算法研究现状 |
| 1.3 目前主要存在问题总结 |
| 1.4 论文主要研究内容 |
| 第2章 刀具磨损对机床加工性能影响机理研究 |
| 2.1 刀具磨损机理 |
| 2.1.1 刀具磨损的概念与形式 |
| 2.1.2 刀具磨损过程和磨钝标准 |
| 2.2 刀具磨损检测 |
| 2.3 考虑刀具磨损的机床加工性能分析 |
| 2.4 试铣削实验与分析 |
| 2.5 本章小结 |
| 第3章 铣削参数动态多目标优化方案设计 |
| 3.1 铣削参数动态多目标优化任务描述 |
| 3.1.1 优化设计变量选取 |
| 3.1.2 优化目标函数选取 |
| 3.1.3 静态与动态约束条件选取 |
| 3.2 功能需求分析 |
| 3.3 整体框架设计 |
| 3.4 本章小结 |
| 第4章 基于Gradient Boosting融合模型的铣削参数多目标映射策略 |
| 4.1 映射需求分析 |
| 4.2 映射方案选择 |
| 4.3 基于Gradient Boosting融合模型的映射方案设计与分析 |
| 4.3.1 基学习算法选取 |
| 4.3.2 映射模型搭建 |
| 4.3.3 映射模型动态更新机制 |
| 4.4 本章小结 |
| 第5章 基于DT模型的铣削参数动态多目标寻优及决策分析 |
| 5.1 铣削参数动态多目标寻优方案设计 |
| 5.1.1 基于DT模型的环境变化检测 |
| 5.1.2 变化应答机制设计 |
| 5.1.3 静态多目标寻优算法选取 |
| 5.1.4 算法运行 |
| 5.2 铣削参数多目标决策算法设计 |
| 5.2.1 层次分析法确定权重 |
| 5.2.2 多目标决策算法运行 |
| 5.2.3 可视化界面设计 |
| 5.3 本章小结 |
| 第6章 铣削参数动态多目标优化策略实施 |
| 6.1 实验用例分析 |
| 6.2 实验设备 |
| 6.3 铣削实验设计 |
| 6.4 铣削参数多目标映射结果分析 |
| 6.5 铣削参数动态多目标寻优结果分析 |
| 6.6 铣削参数动态多目标决策结果分析 |
| 6.7 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 创新点 |
| 7.3 研究展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文与专利目录 |
| 致谢 |
| 学位论文评阅及答辩情况表 |
（10）基于深度代理模型的复杂机电产品仿真优化方法及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 论文课题来源 |
| 1.2 研究背景、目的及意义 |
| 1.2.1 研究背景 |
| 1.2.2 目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 基于代理模型的仿真优化方法 |
| 1.3.2 深度代理模型构造方法 |
| 1.3.3 多目标优化方法 |
| 1.4 论文结构安排 |
| 第二章 基于MH-TRMPS的深度代理模型自适应构造方法 |
| 2.1 引言 |
| 2.2 基于超参数优化的深度代理建模 |
| 2.2.1 深度回归代理模型 |
| 2.2.2 超参数优化与深度代理建模自适应构造 |
| 2.2.3 Hyperband超参数优化算法 |
| 2.3 MH-TRMPS自适应深度代理建模算法 |
| 2.3.1 MH算法 |
| 2.3.2 动态可信域策略 |
| 2.3.3 MH-TRMPS自适应深度代理建模流程 |
| 2.4 算法测试 |
| 2.4.1 测试案例 |
| 2.4.2 结果与分析 |
| 2.5 本章小结 |
| 第三章 基于主动闭环迁移学习的深度代理建模方法 |
| 3.1 引言 |
| 3.2 深度代理模型不确定性分析 |
| 3.2.1 不确定性分析 |
| 3.2.2 乘法算法 |
| 3.3 主动闭环迁移学习(ACTL)算法 |
| 3.3.1 拟最优随机设计(QSD) |
| 3.3.2 ACTL算法框架 |
| 3.3.3 基于ACTL的深度代理建模流程 |
| 3.4 算法单输出深度代理建模测试 |
| 3.4.1 单输出测试案例 |
| 3.4.2 结果与分析 |
| 3.5 算法多输出深度代理建模测试 |
| 3.5.1 多输出测试案例 |
| 3.5.2 结果与分析 |
| 3.6 本章小结 |
| 第四章 带决策偏好的复杂机电产品基于深度代理模型的多目标优化方法 |
| 4.1 引言 |
| 4.2 MOEA/D多目标优化算法 |
| 4.2.1 MOEA/D算法基本框架 |
| 4.2.2 聚合函数与向量分解 |
| 4.2.3 子代生成与选择策略 |
| 4.3 MOEA/D-DP多目标优化算法 |
| 4.3.1 带决策偏好的多目标优化 |
| 4.3.2 基于谱聚类的决策空间分解 |
| 4.3.3 深度代理模型辅助的MOEA/D-DP算法框架 |
| 4.3.4 算法复杂度分析 |
| 4.4 算法测试 |
| 4.4.1 测试案例 |
| 4.4.2 结果与分析 |
| 4.5 本章小结 |
| 第五章 基于深度代理模型的复杂机电产品仿真优化应用 |
| 5.1 引言 |
| 5.2 升举作业工况下叉车臂架液压控制系统性能优化 |
| 5.2.1 臂架动作特性联合仿真建模 |
| 5.2.2 优化问题及深度代理建模 |
| 5.2.3 优化结果与分析 |
| 5.3 行车工况下叉车整体性能多目标优化 |
| 5.3.1 整车性能联合仿真建模 |
| 5.3.2 多目标优化问题及深度代理建模 |
| 5.3.3 多目标优化结果与分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得与学位论文相关的成果 |
| 致谢 |
四、机床主轴的多目标优化设计（论文参考文献）
- [1]基于改进粒子群算法的非对称传动主轴多目标优化[J]. 张运涛,李以农,张志达,罗法氿,王成. 振动与冲击, 2022(02)
- [2]基于刀具磨损状态识别的加工参数多目标优化[J]. 田颖,王文豪,杨利明,邵文婷. 天津大学学报(自然科学与工程技术版), 2022(02)
- [3]模型不确定的电主轴加速退化试验多目标优化设计方法[D]. 郭劲言. 吉林大学, 2021(01)
- [4]变工况预紧力下主轴轴承服役性能预测研究[D]. 贺平平. 西安理工大学, 2021
- [5]基于代理模型的多目标优化设计方法及其应用研究[D]. 王欣欣. 中国矿业大学, 2021
- [6]正交十角环式三维切削力传感器研究[D]. 赵瑞杰. 陕西理工大学, 2021(08)
- [7]基于响应面与遗传算法的电主轴动态特性分析[D]. 姚国祥. 吉林大学, 2021(01)
- [8]连退生产过程产品质量预测及操作优化[D]. 王帝. 天津工业大学, 2021(01)
- [9]基于数字孪生的铣削参数动态多目标优化策略研究[D]. 巩超光. 山东大学, 2021(12)
- [10]基于深度代理模型的复杂机电产品仿真优化方法及应用[D]. 林景亮. 广东工业大学, 2021