Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 襄阳群龙汽车部件股份有限公司岳斯坦获国家专利权

襄阳群龙汽车部件股份有限公司岳斯坦获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉襄阳群龙汽车部件股份有限公司申请的专利一种基于多目标粒子群算法和PCA的压铆质量优化方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119740332B

龙图腾网通过国家知识产权局官网在2025-08-15发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202411862832.4,技术领域涉及:G06F30/17;该发明授权一种基于多目标粒子群算法和PCA的压铆质量优化方法是由岳斯坦;王长福;安炯;牛建波;方春玉设计研发完成,并于2024-12-17向国家知识产权局提交的专利申请。

一种基于多目标粒子群算法和PCA的压铆质量优化方法在说明书摘要公布了:本发明涉及一种基于多目标粒子群算法和PCA的压铆质量优化方法。该一种基于多目标粒子群算法和PCA的压铆质量优化方法,通过对多目标粒子群算法中的定义参数进行非线性变换以及田口实验有效的评估不同参数组合对响应目标的影响;通过PCA对田口试验的得出的信噪比进行主成分分析,根据主成分分析得到的数据来作为多目标粒子群算法的适应度函数来对粒子的适应度值进行计算,能够简化高维数据,提取主要信息成分,降低了问题的复杂度,使得优化过程更加高效,主成分分析能够提取出影响信噪比的非线性成分,从而帮助多目标粒子群算法更好地处理非线性优化问题。

本发明授权一种基于多目标粒子群算法和PCA的压铆质量优化方法在权利要求书中公布了:1.一种基于多目标粒子群算法和PCA的压铆质量优化方法,包括有如下步骤,其特征在于: S1、确定压铆机台控制参数集、压铆设计参数集以及响应集,构建以机台控制参数集、压铆设计参数集为定义参数的多目标粒子群算法模型并初始化模型参数; S2、对压铆机台控制参数集、压铆设计参数集以及响应集进行非线性处理,来得到压铆后的性能指标; 所述S2中的对对压铆机台控制参数集、压铆设计参数集以及响应集进行非线性处理,采用对数函数和幂函数进行非线性变换,具体公式如下: ; 其中:是压铆后的性能指标,是常数项,和是表示设计参数与机台控制参数之间交互作用的回归系数,和分别代表第个压铆设计参数和第个机台控制参数的值,是对数变换的常数项,用于调整对数变换的基准点,是与幂函数相关的幂次项,表示的非线性效应,和分别代表压铆设计参数和机台控制参数的数量; S3、以压铆后的性能指标为品质特性,选择影响品质特性的机台控制参数集和压铆设计参数集的各个参数,采用田口法为每个参数设定不同水平构建正交实验表来进行试验,求取多组信噪比; 所述S3中考虑品质特性接近目标值的程度和受噪声干扰的波动情况,根据响应集内的三个响应目标用以下公式分别计算信噪比: ; 其中,为信噪比,,是品质特性的期望值,是品质特性的标准差,根据上述公式可求得: 响应目标为的信噪比数据:; 响应目标为的信噪比数据:; 响应目标为的信噪比数据:; 其中n时响应目标的实验次数; S4、对多组信噪比序列进行主成分分析,根据主成分分析结果来构建多目标粒子算法的适应度函数; 所述S4中的对信噪比序列进行主成分分析,包括如下子步骤: S4.1、将响应目标j的信噪比数据组成一个数据矩阵X,其中每一行代表一个样本,每一列代表一个相应目标的信噪比; ; S4.2、对数据矩阵X进行标准化处理,的到标准化矩阵,计算过程如下: ; 其中,是i个响应目标的均值,是第i个响应目标的标准差; S4.3、计算协方差矩阵;使用标准化后的数据矩阵来计算协方差矩阵C,计算过程如下: ; 其中,C为协方差矩阵,n表示观测值数量,表示矩阵的转置矩阵; S4.4、对协方差矩阵进行特征值分解,得到特征值,=(、、),和特征向量,,特征向量构成主成分方向; S4.5、选择主成分,将标准化后的矩阵数据投影到选的主成分构成的子空间中; ; 投影矩阵由选定的特征向量构成; S4.6、计算主成分得分,主成分得分矩阵T计算过程如下: 其中为标准化后的矩阵,W为特征向量矩阵; S4.7、根据主成分分析得到的数据来建立多目标粒子群算法的适应度函数,首先计算每个粒子在每个主成分方向上的投影得分,通过将粒子位置向量与第j个主成分的特征向量进行点积来实现,计算过程如下: ; 其中,是粒子的第k个分量,是特征向量的第k个分量,m是粒子的维度也是主成分分析中变量的数量; S4.8、计算适应度函数分量,为每个主成分方向计算粒子的适应度值,计算过程如下: ; 其中,和分别是原始数据在第j个主成分方向上投影得分的均值和标准差,wj是根据特征值确定的权重; S4.9、根据适应度函数分量来建立最终的适应度函数,如下: ; 其中,,分别对应主成分方向; S5、根据适应度函数来计算每个粒子的适应度值,使用非支配排序的方法来评估粒子的适应度,更新个体最优位置以及外部存档,并计算出拥挤度; S6、对粒子进行迭代优化,更新粒子的速度以及位置,并计算更新后的每个粒子的适应度值,并更新个体最佳位置以及外部存档; S7、在每一轮迭代结束后,判断是否达到最大迭代次数T,若是则满足终止条件,算法停止运行,若否则返回S6重新计算直至满足最大迭代次数; S8、在算法停止运行后,输出外部存档中的非支配解作为最优压铆质量参数组合。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人襄阳群龙汽车部件股份有限公司,其通讯地址为:441199 湖北省襄阳市高新区深圳工业园深圳大道7号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。