發(fā)布時間：2017-11-02 20:14

  本文關(guān)鍵詞：基于改進NSGA-Ⅱ算法的車身公差分配研究

  更多相關(guān)文章： 公差分配 質(zhì)量 成本 偏差分析 改進NSGA-Ⅱ算法

【摘要】：車身作為汽車四大組成之一,其質(zhì)量對整車性能、品質(zhì)與外觀有著重要影響。在汽車等現(xiàn)代制造工業(yè)中,質(zhì)量與成本始終是產(chǎn)品開發(fā)需要均衡考慮的一對突出矛盾。盲目提高質(zhì)量要求,將使產(chǎn)品制造成本增加,出現(xiàn)投資浪費和市場競爭力下降;隨意降低成本,則有可能影響質(zhì)量,導(dǎo)致客戶投訴和返修率上升。制定合理的車身公差分配方案,對于解決質(zhì)量要求與生產(chǎn)成本之間的矛盾有著重要意義。傳統(tǒng)車身公差分配是以制造成本最低作為評估手段,難以合理、有效地考量不同性能指標(biāo)之間的互相影響和沖突,因此提出改進的非支配排序遺傳算法NSGA-Ⅱ?qū)Ρ“辶慵M行公差分配。其主要研究內(nèi)容包括:(1)建立薄板零件公差與裝配公差之間敏感系數(shù)矩陣本文首先進行薄板零件裝配過程分析,基于焊接小平面接觸模型,應(yīng)用功平衡法建立車身薄板零件裝配偏差分析模型,從而構(gòu)建零件偏差與裝配偏差直接的敏感系數(shù)矩陣,最后應(yīng)用薄板裝配案例證明了該模型的有效性。(2)提出改進的非支配排序遺傳算法非支配排序遺傳算法的優(yōu)化結(jié)果可以同時滿足各個目標(biāo)的需要,然而在薄板零件公差分配時容易出現(xiàn)Pareto解聚集的現(xiàn)象,因此提出了正交設(shè)計初始種群和累積排序策略,通過改進策略使得算法在多目標(biāo)優(yōu)化問題上具有很好的收斂性和更容易選出優(yōu)秀個體,最后通過標(biāo)準(zhǔn)測試函數(shù)驗證了算法改進的有效性。(3)應(yīng)用改進的非支配排序遺傳算法進行公差分配多目標(biāo)優(yōu)化通過分析影響公差分配的主要因素,建立考慮制造偏差、偏差傳遞等因素的公差—偏差關(guān)系模型,然后應(yīng)用改進的NSGA-Ⅱ算法進行公差分配。以尾燈支架裝配為例,采用二進制編碼、競標(biāo)賽選擇算法、交叉、變異對其進行多目標(biāo)優(yōu)化問題求解,得到公差分配的Pareto最優(yōu)解集。應(yīng)用TOPSIS法從Pareto最優(yōu)解集中選出適合本工程應(yīng)用的最優(yōu)解。
【關(guān)鍵詞】：公差分配 質(zhì)量 成本 偏差分析 改進NSGA-Ⅱ算法
【學(xué)位授予單位】：上海工程技術(shù)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：U463.82
【目錄】：

• 摘要6-7
• ABSTRACT7-12
• 第一章 緒論12-24
• 1.1 研究背景、意義及課題來源12-15
• 1.1.1 研究背景12-14
• 1.1.2 研究意義14-15
• 1.1.3 課題來源15
• 1.2 國內(nèi)外研究現(xiàn)狀與綜述15-21
• 1.2.1 公差分析在車身中的應(yīng)用15-18
• 1.2.2 車身公差分配模型的研究現(xiàn)狀18-19
• 1.2.3 公差分配模型優(yōu)化算法的研究現(xiàn)狀19-20
• 1.2.4 基于NSGA-II算法多目標(biāo)優(yōu)化的研究現(xiàn)狀20-21
• 1.2.5 研究現(xiàn)狀總結(jié)21
• 1.3 本文主要研究內(nèi)容與邏輯結(jié)構(gòu)21-24
• 第二章 車身薄板件裝配偏差分析建模24-33
• 2.1 引言24
• 2.2 薄板件裝配偏差分析建模24-28
• 2.2.1 薄板件的裝配過程24-26
• 2.2.2 基于功平衡法裝配偏差分析模型26-28
• 2.3 薄板件裝配偏差分析實例應(yīng)用28-32
• 2.3.1 模型描述28-29
• 2.3.2 裝配過程模擬29-30
• 2.3.3 基于功平衡法裝配偏差分析模型的應(yīng)用30-32
• 2.4 本章小結(jié)32-33
• 第三章 非支配排序遺傳算法NSGA-II33-47
• 3.1 引言33
• 3.2 多目標(biāo)優(yōu)化問題33-36
• 3.3 NSGA算法36
• 3.4 帶有精英策略的NSGA-II算法36-41
• 3.4.1 快速非支配排序策略37-38
• 3.4.2 擁擠度概念38-39
• 3.4.3 NSGA-II算法主流程39-40
• 3.4.4 NSGA-II多目標(biāo)優(yōu)化實例40-41
• 3.5 NSGA-II算法的改進41-46
• 3.5.1 NSGA-II算法的改進策略41-45
• 3.5.2 算法驗證45-46
• 3.6 本章小結(jié)46-47
• 第四章 公差分配多目標(biāo)優(yōu)化模型47-56
• 4.1 引言47
• 4.2 車身公差分配的影響因素47-48
• 4.3 公差分配多目標(biāo)優(yōu)化模型建立48-52
• 4.3.1 公差—偏差關(guān)系模型建立48-50
• 4.3.2 成本—公差關(guān)系模型建立50-51
• 4.3.3 多目標(biāo)優(yōu)化模型51-52
• 4.4 優(yōu)化模型的公差分配應(yīng)用52-55
• 4.4.1 案例描述52-54
• 4.4.2 模型構(gòu)建與仿真54
• 4.4.3 仿真結(jié)果分析54-55
• 4.5 本章小結(jié)55-56
• 第五章 基于NSGA-II算法的公差分配優(yōu)化應(yīng)用56-65
• 5.1 引言56
• 5.2 尾燈敏感系數(shù)提取56-59
• 5.2.1 模型描述56-57
• 5.2.2 關(guān)鍵測點57-58
• 5.2.3 基于功平衡法的裝配偏差分析58-59
• 5.3 尾燈支座的公差分配59-62
• 5.3.1 目標(biāo)函數(shù)59-61
• 5.3.2 結(jié)果分析61-62
• 5.4 優(yōu)化結(jié)果決策62-64
• 5.4.1 TOPSIS法62-63
• 5.4.2 公差分配最優(yōu)解選擇63-64
• 5.5 本章小結(jié)64-65
• 第六章 總結(jié)與展望65-67
• 6.1 主要研究內(nèi)容及結(jié)論65-66
• 6.2 不足之處與展望66-67
• 參考文獻67-71
• 附錄71-74
• 攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文及取得的相關(guān)科研成果74-75
• 致謝75-76

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王廣博;韓慶;鐘小平;;NSGA-Ⅱ中重復(fù)個體的控制[J];科學(xué)技術(shù)與工程;2011年34期

2 周保民;張建國;;基于粒子融合NSGA-Ⅱ的永磁無刷直流電機多目標(biāo)優(yōu)化[J];電子世界;2013年07期

3 ;Improved NSGA-Ⅱ Multi-objective Genetic Algorithm Based on Hybridization-encouraged Mechanism[J];Chinese Journal of Aeronautics;2008年06期

4 柳高潔;顧克秋;;結(jié)合NSGA-Ⅱ算法和蒙特卡羅模擬技術(shù)實現(xiàn)結(jié)構(gòu)的魯棒優(yōu)化[J];機械設(shè)計;2009年04期

5 孫麗潔;樂秀t，

本文編號：1132992