开题报告-桶纱配重过程的计算机软件模拟.doc

毕业设计（论文）开题报告课 题 名 称 ： 桶纱配重过程的计算机软件模拟 学 院 ： 机械工程学院 专 业 ： 机械工程及自动化 姓 名 ： _ 学 号 ： 指 导 教 师 ： 2016 年 3 月 8 日桶纱配重过程的计算机软件模拟1背景介绍近几十年来，随着我国综合国力和科技水平的不断提升，纺织行业与国外先进水平的差距日渐缩小，但也存在不少问题。例如劳动力较为密集，自动化程度不高，生产效率相对较低等。因此，提高企业生产自动化和管理水平，改进产品质量和生产效率将成为整个纺织企业的发展趋势。随着市场的多元化和用工成本的不断上涨，纺织行业也需要转型升级。除了纺织机械的主要设备外，纺织生产和流通的不同环节也逐步采用智能化装置来代替人工。目前网络交流以及网上购物的发展与流行，纺织企业为了在竞争日益激烈市场中吸引潜在的客户，利用互联网平台来实现产品的推广，网上销售纺纱的店铺越来越多。互联网电子商务的迅速发展，也就出现了一些个性化的客户市场，企业要根据客户的需求生产桶纱并装箱。但是每箱桶纱的重量都不是一定的，选择哪几箱桶纱进行装箱，如何才能让客户和商贩都满意，就需要计算机程序的帮助了。2 研究现状 我国是纺织大国，2015年纺纱产量高达四千多万吨，纺纱生产的最后环节是将生产好的桶纱进行装箱，装箱前需要对装箱的桶纱重量进行测量。目前纺织行业的自动化技术水平仍然比较低，一方面由于用工成本不断上涨，纺织行业也需要进行转型升级，通过智能化装备来节省劳动力成本，提高生产效率已经成为纺织企业的必由之路。另一方面，互联网电子商务发展迅速，为了在激烈竞争的市场中增加企业的客户，利用互联网平台来实现产品的推广和销售纺纱已经越来越普遍，这种小批量个性化的需求，每箱桶纱的重量往往是不同的。采用计算机软件对桶纱装箱过程进行优化，不仅可以减轻装箱人员的工作量，还可优化装箱质量，降低装箱成本，使装箱过程快速高效，这些情况使得用计算机辅助桶纱装箱更有必要。3 课题研究的内容本课题针对中国纺纱企业多，产量巨大，生产智能化程度需要进一步提升的现状，以纺纱生产的最后环节的桶纱装箱为研究对象，解决人工装纱工作量太大并且误差也很大的问题。通过采用计算机来管理桶纱装纱，在装箱前对桶纱的重量进行测量和控制，收集桶纱信息，采用遗传算法，利用Matlab软件编写程序来实现桶纱装纱过程的优化。4 课题研究的意义根据博思数据发布的2016-2022年中国纱线产业调研现状及投资咨询战略研究报告，我国在2015年的纺纱市场生产的纱量将高达4047.5万吨，同比2014年增长4.7%。因此采用计算机软件对桶纱装箱过程进行优化是十分重要的，这不仅可以减轻装箱人员的工作量，还可以优化选择的过程，降低装箱的成本，使装箱过程高效、快速。5 技术路线运用软件开发工具，使用两种不同的方法（智能算法或穷举方法）实现桶纱配重的自动计算，软件可以设定配重范围和装箱的桶纱数量（10-50个），为自动配重提供支持。最后以计算机动画的方式演示配重的计算结果。1. 收集资料。包括：（1）开发软件的相关资料。了解所用软件工具的主要功能、运行环境等；（2）收集智能算法、配种知识等信息，为软件开发提供基础。2采用matlab为开发平台，实现配重的自动计算软件和结果的动画显示软件的开发。6 关键技术介绍遗传算法是基于自然界生物进化基本法则而发展起来的一类新算法。1962年霍兰德(Holland)首次提出了GA算法的思想，它借用了仿真生物遗传学和自然选择机理，通过自然选择、遗传、变异等作用机制，实现各个个体的适应性的提高。1975年Holland出版专著自然系统和人工系统的自适应，系统论述遗传算法，有人把1975年作为遗传算法的诞生年。6.1 遗传算法的基本原理遗传算法是一种优化种群规模，使其走向某一优势的过程。遗传算法运用的原理跟达尔文在进化论中提到的适者生存、优胜劣汰的原理是一样的。遗传算法就是模拟生物遗传、变异、繁衍、基因优化的过程。通过某种需求确定所需的种群要求，然后进行遗传优化，使得遗传下来的基因中符合要求的基因越来越多，最终一步步达到所需的要求。它比枚举法运算更快速，是一种全局优化方法。6.2 遗传算法的特点（1） 简捷、试用范围广，适应性强，应用领域广。（2） 是一种群体优化过程，可以同时处理大量数据； （3） 不是枚举法，是一种优化过程；（4） 适应度函数受到的约束条件少，因此在很多领域都可以使用。（5） 为了达到所需要某种要求，对种群不断地进行筛选、优化，在一定的迭代次数内选出最优解，运算量小。6.3 遗传算法的组成6.3.1 编码遗传算法将所要研究的对象（桶纱）看成是生物遗传进化过程中的染色体，然后将染色体作为初始种群进行优化。由于染色体上存在基因，因此种群优化的过程实际上就是染色体上的基因变异的过程。遗传算法根据研究者的需要，用一定的方法将研究对象也就是染色体分成若干个部分，每个部分就叫做一个种群。每个种群中拥有的染色体的数量称为种群规模。 6.3.2 适应度函数在遗传算法中，适应度函数值是用来评价优化结果符合要求的程度大小，适应度函数值越大说明优化效果越好，种群的质量越高。适应度函数值越小，说明优化效果越差，种群的质量越低。不同的研究对象所确定的适应度值也是不一样的。不同问题不同讨论（适应度值=1/重量偏离合格区间的距离）。 6.3.3 遗传算子 （1） 选择算子选择算子是选择优势个体的过程，通过对所研究的种群进行优胜劣汰的选择，使得符合要求的个体有更多的机会生存下来，并且把他们的基因遗传给下一代。而不符合要求的个体虽然也有机会生存下来，但是经过很多次的迭代必然所占比例逐渐减少，最终慢慢会走向消亡。 （2） 交叉算子 我们所说的交叉算子，实际上是根据生物遗传过程中相互配对的两个染色体可能由于某种原因交换它们的一部分基因从而产生新的个体的原理，依据一定的变异概率Pc通过改变研究对象的部分基因以便产生新的个体，正是由于交叉算子使得遗传算法同其他算法区别开来。遗传算法产生新个体的主要方式是通过交叉算子实现的。 （3） 变异算子通常所说的变异运算是指依据生物染色体在遗传的过程中有一定的概率Pm将自身的一部分基因转换为其他的基因，进而产生新的种群。变异算子是遗传算法产生新个体的辅助方法。交叉算子和变异算子的互相交流与融合，共同完成了遗传算法的种群更新，使得产生符合要求的种群的数量的概率大大提升。 6.3.4 运行参数 （1） M:所研究的种群的规模 （2） T:遗传算法终止的迭代次数 （3） Pc：染色体交叉概率 （4） Pm：染色体变异概率6.4 遗传算法的选择机制遗传算法的基本原理是模仿了大自然中生物在生存繁衍过程中基因的变异现象，利用遗传算子（选择算子、交叉算子、变异算子）来改变所研究种群的基因，以便在每次的迭代过程中不断优化种群，选择更符合要求的个体生存下来并将它们的基因遗传给下一代。直到种群满足所要达到的要求。达到这种要求的种群往往比其他种群更具有某一方面的优势。6.5 遗传算法的流程遗传算法基本原理框图如图2.1所示。图2-1 遗传算法基本原理框图遗传算法的基本流程是：(1) 初始化群体；(2) 计算群体上每个个体的适应度值；(3) 按由个体适应度值所决定的某个规则选择将进入下一代的个体；(4) 按概率进行交叉操作；(5) 按概率进行突变操作；(6) 没有满足某种停止条件，则转第(2)步，否则进入第(7)步；(7) 输出种群中适应度值最优者作为最优解。遗传算法通过不断的遗传并且积累下来，使所得到的后代种群越来越接近所需要的最优解。6.6 遗传算法的收敛性分析要进行遗传算法的收敛性分析，必须要保证初始的种群经过一定次数的迭代循环都能达到所需要的最优解。并且必须要保证最优解包含的基因在遗传的过程不会丢失。与算法收敛性有关的因素主要包括种群规模、选择操作、交叉概率和变异概率。 6.6.1 种群规模对收敛性的影响 一般地，种群规模太小可能会导致遗传算法经过有限次的迭代进化不出符合要求的种群，使得算法的优势无法体现出来。而种群的规模和数目如果太大，会使得运算量十分巨大，加重劳动量降低效率，因此在实际应用的时候要注意选择合适的种群规模。6.6.2 选择操作对收敛性的影响选择操作通过选择能达到所需要求的个体，让他们的基因一代代地遗传下来，不进行任何的变异或者交叉。这样就会使得每一代种群中含有该基因的个体越来越多，该基因所占的百分比也越来越大，使得遗传算法以无限接近于1的概率得到所需的最优解。6.6.3 交叉概率对收敛性的影响交叉概率主要是通过交换相互配对的染色体之间的部分基因产生新的个体。如果交叉的概率很大，那么产生新个体的速度就会太快，基因也更新很快，使得前代父本保留下来的优良基因被淡化、降低了他们遗传下去的概率。而交叉概率太小，基因更新的频率就会太慢，可能父本中一直选不出好的基因来进行遗传。因此合理的选择交叉概率是保障遗传算法正常进行、缩短迭代时间的必要条件。6.6.4 变异概率对收敛性的影响变异操作可以丰富种群的多样性。变异概率如果太小，则种群的多样性会一直得不到提高，而变异概率太大则会使种群的个体太多样性，使得遗传算法的迭代次数无限增大，使得遗传算法的操作显得十分的复杂。因此要选择合适的变异频率限制新模式产生的频率，使得遗传算法能够更快的优化。 6.7 遗传算法的本质遗传算法的本质就是利用生物界染色体的基因在遗传过程中产生的交叉、变异的现象，通过改变所研究对象的基因从而产生新的个体，再从这些个体中选择符合要求的个体将他们的基因遗传下来，从而使包含这些优良基因的个体在种群中所占的比例逐渐增加，使问题逐渐地得到解决。 6.8 遗传算法的发展遗传欺骗问题：在遗传算法进行迭代优化的过程中，有时候可能会由于某个个体的十分突出，导致了其竞争力远远的超过了包含所需求基因的个体。从而使得遗传算法没能选择出优良基因而是选择了错误的个体的基因。因此这时候就需要对遗传算法进行改进以弥补这个不足。6.8.1 编码方式二进制编码的优点是只有0和1两个数字，编写起来方便。缺点是如果种群的规模太大，则二进制编码就会太长，显得十分冗长。也会无形中加大遗传算法的计算量。6.8.2 遗传算子6.8.2.1 排序选择 (1)按照种群的适应度函数值由高（低）到低（高）对种群里面的个体进行降（升）序排序；(2) 根据具体的实际要解决的问题，确定种群中每个个体基因遗传下来的概率。(3) 基于确定好的概率，产生新的种群。 6.8.2.2 均匀交叉 (1) 随机产生一个与种群个体染色体所含基因长度相同的二进制编码A=W1W2.Wn(2)按照如下规则从父代种群中产生新的种群，如果Wi=0则将父代染色体的基因一一对应的遗传给子代；如果Wi=1，就将父代的染色体进行交叉然后在分别传给对应的子代。 6.8.2.3 逆序变异变异前：2 |5 9 | 4 3 7 |9 7 |9变异前：3 |5 9 | 3 4 5 |6 7 |96.8.3 控制参数Schaffer建议的最优参数范围是： M = 20-100， T = 100-500， Pc = 0.4-0.9，Pm = 0.001-0.01。Srinvivas和它的同事提出了一种叫做自适应的遗传算法，这种遗传算法的特点是它的交叉概率Pc和变异概率Pm会随着适应度函数值的变化而变化，这种遗传算法当种群无限趋于最优解的时候就会增大交叉概率Pc和变异概率Pm，以增大种群的丰富性以便继续优化。当种群的优化迭代次数比较少的时候就降低交叉概率Pc和变异概率Pm，以便先使种群中原有的符合要求的个体优先遗传进而完成优化过程。6.8.4 执行策略(1)混合遗传算法(2)免疫遗传算法(3)小生境遗传算法(4)单亲遗传算法(5)并行遗传算法7、要解决的技术问题7.1 桶纱装箱过程相关信息的收集。7.2 遗传算法与穷举方法的对比分析。7.3 如何用Matlab制作动画。7.4 选取过程要一直持续下去直到手动停止。8、日程安排序号各阶段名称起止日期1调研、收集资料2015年12月15日 2015年12月22日2学习资料、选择开发工具、设计软件功能2015年12月23日 2016年1月25日3编制配重的计算程序2016年2月20日 2016年3月22日4编制计算机的动画演示程序2016年3月23日 2016年4月24日5撰写毕业论文2016年4月25日 2016年5月1日6准备答辩文件2016年5月2日 2016年5月10日9参考文献1 物流配送区域划分模型及优化计算研究重庆交通大学硕士论文 20092 基于库存策略的生产计划问题的研究 吉林 2008 43-503 遗传算法和模拟退火算法求解TSP的性能分析计算机技术与发展 2009年11期 97-1004 2006-5-18唐慧丰-遗传算法原理与应用-百度文库 20125 基于Petri网和改进遗传算法的AS/RS调度系统的研究 河北 2009 301-3066 MIMO检测算法研究与实现 西安 2010 119-1237 遗传算法的改进与算法收敛性分析 机械研究与应用 2008年4期 90-928 MIMO检测算法研究与实现 西安 2010 156-1589 基于遗传算法的船舶电力系统网络故障重构 华中科技大学 2009 322-32310 城市交通路径诱导算法研究 长安 2009 492-49211 基于混合遗传算法的汽车企业营销资源分配策略研究 武汉 2012 67-6812 移动计算设备电能消耗估计 合肥 2007 32-3413 基于QoS的Web服务发现与组合研究 湖南 2010 68-7014 遗传算法的收敛性统一判据 电子科技大学 2010 19-2315 冲突探测与解脱技术在未来空中交通管理中的应用计算机应用于软件 2004年2期 69-7316 三相异步电动机稳态参数优化研究 黑龙江科技信息 2010年13期 79-8017 磁粉检测系统中图像恢复的方法研究 学院 2011年11期 12-1518 一种基于遗传神经网络的股票决策的方法研究 陕西 2010 34-39 19 基于MATLAB/Simulink/GUIDE的PID工具箱的设计 山东 200820 混合式步进电动机无刷直流电机方式驱动方案及其仿真分析 长春 2010 100-10321 基于BP神经网络的企业技术创新能力评价及应用研究 青岛 2010 87-9022 基于MATLAB的大学物理仿真实验研究 湖南 2008年5期 67-7423 IDL与MATLAB的比较分析 广西 2011 95-9724 轿车后桥混流装配线规划设计及平衡研究 苏州 2004 78-8325 胡志鹏,卢险锋.提高冲裁件断面剪切面的新方法J .机械工人(冷加工), 2007 .(4):33-37.26 秦小琼, 盛尚雄.冲裁间隙对产质量及模具寿命的影响J .金属成形工艺, 2004 .(3):67-69.27 肖作义, 房晓东.对影响冲裁件质量的几个参数的讨论J .锻压机械, 2001 .(1):13-15.28 G.F.Pan, L.Lou. Finite element simulation of the effect of clearance on the forming quality in the blanking processJ.Journal of Material Processing Technology.2002.(122).29 E.Taupin, J.Breitling, et al. Material fracture and burr formation in blanking results of FEM simulaition and c