应用于铣削参数优化的粒子群和遗传交互算法
2015-04-17马超,蔡军,杨飞,崔彬
计算机工程与应用 2015年16期
关键词:优化
马 超,蔡 军,杨 飞,崔 彬
MA Chao,CAI Jun,YANG Fei,CUI Bin
国电南瑞科技股份有限公司,南京210061
Nari Technology Development Limited Company,Nanjing 210061,China
1 引言
粒子群算法(PSO)的基本思想是模拟鸟类的群体行为,鸟类在搜索食物过程中,首先记录每个个体在搜索食物过程找到的最好位置,称之为“局部最优”,其次记录所有成员找到的最好位置,称为“全局最优”。每一只鸟都会依据这两个变量为轨迹来搜索最佳位置。粒子群算法具有原理简单,收敛效率高,收敛精度高等优点,但前期易陷入局部最优解等缺点。遗传算法(GA)的基本思想是模拟生物遗传进化过程,是一种进化算法,采用选择、交叉和变异等遗传算子,有很强的全局搜索能力,具有简单、通用、鲁棒性强等优点,但算法效率及精度有待提高,特别是后期易陷入局部最优解。目前,智能优化算法已广泛应用在系统控制、计算机工程、人工智能和管理工程等工程领域。针对具有非线性、多极值、大规模、强约束等特点的工程问题,寻求一种适应性强,具有通用作用的智能交互算法已成为有关学科的主要研究目标和方向。
散热器基板简称散热基板,常用材料有钢、铝、铜等,常用于电力系统IGBT、GTO 等功率元件的热交换场合。功率元件的散热能力受贴装工艺、散热器和冷却方式等因素影响,而研究表明,材料的表面质量会对材料的导热性产生一定影响,比如随着表面粗糙度增大,材料的导热率下降[1];随着表面残余应力增大,材料的导热率下降[2]。因此,散热基板的表面质量对功率元件的散热有很大影响。……
登录APP查看全文
