فهرست:
صفحه
فصل1 مقدمه. 1
1-1پیشگفتار 2
1-2 تاریخچه سنتز ابعادی.. 3
1-3 محاسبات اولیه در بررسی مکانیزمها 4
1-4 بهینهسازی.. 4
1-4-1 تاریخچه بکارگیری بهینهسازی در مکانیزمها 5
1-4-2 مفاهیم کلی بهینهسازی.. 7
1-4-3 فرمول بندی عمومی بهینهسازی.. 9
1-5 نوآوریهای پایاننامه. 10
1-6 ساختار کلی پایاننامه. 11
فصل2 معرفی مکانیزم شش میلهای وفرمول بندی آن.. 12
2-1 مقدمه. 13
2-2 برخی کاربردهای مکانیزمهای شش میلهای.. 14
2-3 تحلیل هندسی و روابط حاکم بر مکانیزم. 19
2-4 نتیجهگیری و جمعبندی فصل.. 22
فصل3 روشهای بهینهسازی تک هدفه و چند هدفه. 23
3-1 مقدمه. 24
3-2 مفاهیم بهینه سازی.. 24
3-2-1 مفاهیم بهینهسازی تک هدفه. 24
3-2-2 تعاریف و مفاهیم بهینهسازی چند هدفه. 25
3-3 روشهای بهینه سازی تک هدفه. 27
3-3-1 الگوریتم ژنتیک... 27
3-3-1-1 مقدمه. 27
3-3-1-2 تاریخچه. 27
3-3-1-3 ساختار الگوریتم ژنتیک... 28
3-3-1-4 عملگرهای ژنتیکی.. 28
3-3-1-5 روند کلی اجرای الگوریتم ژنتیک... 30
3-3-2 الگوریتم تکامل تفاضلی.. 31
3-3-2-1 مقدمه. 31
3-3-2-2 تاریخچه. 32
3-3-2-3 ساختار الگوریتم تکامل تفاضلی.. 32
3-3-2-4 پارامترهاى کنترلى.. 35
3-3-2-5 استراتژىهاى متنوع DE.. 36
٣-٣-٣ الگوریتم تجمعى ذره (ازدحام ذرات) 37
٣-٣-٣-١ مقدمه. 37
٣-٣-٣-٢ تاریخچه روش بهینه سازى تجمعى ذره 37
٣-٣-٣-٣ روش بهینهسازى تجمعى ذره استاندارد. 38
٣-٣-٣-٤ شبه برنامه روش بهینه سازى تجمعى ذره استاندارد. 40
٣-٣-٣-٥ بررسى ضریب وزن و ضرایب یادگیرى.. 41
٣-٣-٤ الگوریتم ترکیبى ژنتیک و تجمعى ذره 42
٣-٣-٤-١ الگوریتم ترکیبى HGAPSO.. 43
٣-٣-٤-٢ روش ترکیبى GAPSO.. 43
٣-٤ روشهاى بهینهسازى چند هدفى.. 45
٣-٤-١ روش بهینهسازى مرتب سازى نقاط غیر برتر نسخه دوم) NSGA-II ( 45
٣-٤-١-١ زیربرنامه Non-Dominant Sorting (NS) 46
٣-٤-١-٢ زیربرنامهCrowding Distance(CD) 46
٣-٤-١-٣ روند کلى الگوریتم NSGA-II 47
3-5 نتیجهگیری و جمعبندی فصل.. 48
فصل4 بهینهسازی مکانیزم ششمیلهای.. 49
4-1 مقدمه. 50
4-2 متد کاهش کنترل شده انحراف مجاز 51
4-3 تابع هدف.. 56
4-4 سنتز بهینه مکانیزم. 57
4-4-1 بهینه سازی تک هدفه. 58
4-4-1-1 سنتز بهینه مسیر اول. 58
4-4-1-2 سنتز بهینه مسیر دوم. 65
4-4-2 بهینه سازی دو هدفه. 72
4-4-2-1 متد کاهش کنترل شده انحراف زاویه انتقال. 73
4-4-2-2 نتایج بهینه سازی.. 75
4-5 نتیجهگیری و جمعبندی فصل.. 78
فصل5 نتیجهگیری.. 79
5-1 نتیجهگیری.. 80
مراجع.. 81
منبع:
L.Burmester, lehrbuch der kinematik,(1988).
N.I.Levitskii, K.K.Shakvazian Wed, Synthesis of Four-Element spatial Mechanism with Lower pair, International Journal of Mechanism Sciences.vol.2,pp.76-92 (1954).
F.Freudenstein, Aproximate In The Kinematic of Mechanism. Transactions of ASME. vol.12.No.9, (1955), pp.587-590.
R.L.Fox, K.D.Willmert, Optimum design of Curve-Generating Linkages with Inequality Constraints, ASME Journal of engineering, vol.89, (1976), pp.144-145.
C.H. Han, General Methode for The Optimization Design of Mechanisms, Journal of Mechanism, vol.89, (1966), pp.301-313.
D.W.Lewis, C.K.Gyory, Journal of Mechanism, Journal of Mechanism, vol.89, (1967), pp.173-176.
Y.L.Sarkisyan, K.C.Gupta, Kinematic Geometry Associated with The Least-Square Approximation of a Given motion, ASME Journal of Engineering for industry, vol.95, (1973), pp.503-510.
Y.F.Chen, V.L.Chan, Dimensional synthesis of mechanism for Function Generation using Maruardts Compromise, ASME Journal of Engineering for Industry, vol.95, (1974), pp.131-137.
G.H.Sutherland, B.Roth, An Inproved Least-Square Method for designing Function-Generation Mechanisms, ASME Journal of Engineering for Industry, vol.99, (1975), pp.303-307.
C.Bagci, I.P.J.Lee, Optimum Synthesis of plane Mechanisms For Generation of path and Rigid body Positions, ASME Journal of Engineering for industry, vol.79. No.1, (1975), pp. 340-346.
D.J.Wilde, Error Linearization in The Least-Square design of Function Generation Mechanisms, ASME Journal of Engineering for industry, vol.104, (1982), pp.881-884.
محمد جواد محمود آبادی، بهینه سازی چند هدفی کنترلرهای خطی و غیر خطی بهوسیله الگوریتم ترکیبی GAوPSO، پایان نامه دکتری، دانشگاه گیلان، دانشکده فنی، گروه مهندسی مکانیک، 1391، کتابخانه مرکزی، شماره 7761.
C.A.Coello Coello, G.B.Lamont, D.A. Van veldhuizen, Evolutionary Algorithm for Solving Multi-Objective Problems, Springer, second edition, 2007.
S.S.Rao, Engineering optimizition, John wijey & sons, third edition,1996.
J.Kennedy, R.C. Eberhart, Particle swarm optimizition, in: Proceedings of IEEE International Conference on Neural Networks, Path , Australia, vol.4, 1955, pp.1942-1948.
P.J. Angeline, Using selection to improve particle swarm optimization, in: Proceedings of thr IEEE International Conference on Evolutionary Computation, Anchorage, AK, May 1998, pp.84-89.
R.C. Eberhart, Y.Shi, Comparison between genetic algorithms and particle swarm optimization, in: proceedings of the IEEE Congress on Evolutionary Computation, Anchorage, AK, May 1998, pp.611-616.
H.Yoshida, K,Kawata, Y.Fukuyama, a particle swarm optimization for reactive power and voltagecontrol security assessment IEEE Transactions on power system 15(2000) 1232-1239.
N.M. Kwok, D.K. Lui, G.Dissanayake, Evolutionary computating based mobile robot localization, Engineering Applications of Artificial Inteligence 19 (8) (2006) 857-868.
C.R.Mouser, S.A.Dunn. Comparing genetic algorithms and particle swarm optimization for an inverse problem exersize, in: proceeding of 12th Computational Teckniques and Applications Conference, vol.46, 2005, pp.89-101.
G.N. sandor, A.G. Erdman, Advanced Mechanism Design. Analysis snd synthesis, Prentice- Hall, New Jersey, (1984)
A.G. Erdman, Dana Lonn, synthesis of Planar Six-bar Linkages for Five Precision Conditions by Complex Numbers, in Monograph on Mechanism Design, Paper No.59, 7 pgs. New York: McGraw-Hill book Company ; NSF Report No. GK-36624, 1977.
J.S. Przemieniecki, Theory of Matrix Structural Analysis. New York: McGraw-Hill Book Company, 1968.
B.E. Quinn, Energy Metod for Determining Dynamic Characteristics of Mechanisms, Journal of Applied Mechanics, 16E (1949), pp. 283-288
V.K.Gupta, Kinematic Analysis of Plane and Spatial Mechanisms, Transactions of the ASME, Series B, vol.95, no.2 (1973), pp.481-486
Rao, A.V.M., G.N.Sandor, Extension of Freudenstein’s Equation to Geard Linkages, Journal of Engineering for Industry, vol.93, no.1 (February 1971), pp.201-210
R.R. Bulatović, S.R. Dordević, Optimal Synthesis of a Path Generator six-bar linkage, Journal of Mechanical Science and Technology 26 (12) (2012) 4027-4040
M. Reyes-Sierra, C.A. Coello Coello, Multi-objective particle swarm optimizers: a survey of the state-of-art, International Journal of Computational Intelligence Research 2 (3) (2006), pp.287-308
N.Nariman-Zadeh, K.Atashkari, A.Jamali, A.pilechi, X.Yao, Inverse modelling of multi-objective thermodynamically optimized turbojet engines using GMDH-type neural networks and evolutionary algorithms, Engineering Optimization 37 (26) (2005) 437-462.
M.Mitchell. An introduction to Genetic algorithms, MIT press, Cambridge, MA, 1996.
D. Beasley, D. Bull and R. Martin. An Overview of Genetic Algorithms: Part 1, Fundamentals, University of Cardiff, Cardiff, 1993.
Back,t, Evolutionary Algorithms in Theory & Practice, Oxford University Press, 1996.
D. E. Goldberg, Genetic Algorithms in Search, Optimization and Machine Learning, Addison Wesley, Reading, MA,1989.
زهرا پاینده، طراحی الگوریتم بهنهسازی ترکیبی مبتنی بر تکامل تفاضلی و جستجوی هارمونی، پایان نامه کارشناسی ارشد دانشگاه آزاد اسلامی واحد ملایر، دانشکده فنی، گروه کامپیوتر.
R.Storn, Differential Evolution - A simple and efficient adaptive scheme for global optimization over continuous spaces, International Computer Science Institute, 1947 Center Street, Berkeley, CA 94704,
A. K. Qin, V.L.Huang, and P.N.Suganthan, Differential Evolution Algorithm with strategy Adaptation for Global Numerical Optimization, IEEE Transactions on Evolutionary Computation, vol. 13, No. 2, 2009.
A. K. Qin, V.L.Huang, and P.N.Suganthan, Self-Adaptive Differential Evolution Algorithm for Constrained Real-Parameter Optimization, Congress on Evolutionary Computation, pp. 16-21, 2006.
A. Musrrat, P.Millie, A.Ajith, Simplex Differential Evolution, Acta Polytechnica Hungarica, vol. 6,No. 5, 2009.
C. W. Reynolds, Flocks, birds and schools: a distributed behavioral model, Computer Graphics 2 1 (4) (1987) 28-34.
F. Heppner, U. Grenander, A Stochastic Nonlinear Model For Coordinated Bird Flocks, The Ubiquity of Chaose, AAAs Publications, Washington, DC, 1990.
C. F. Lu, C. F. Juang, Evolutionary fuzzy control of flexible AC transmission system, IEEE Proc-Gener. Transm. Istrib., vol. 152, No. 4, July 2005.
A. P. Engelbrecht, Computational Intelligence: An Introduction, John Wiley & Sons, Chichester, 2002.
Y. Shi, R. C. Eberhart, A modified particle swarm optimizer, In: Proceeding of IEEE Congress on Evolutionary Computation, 1998, pp. 69-73.
Y. Shi, R. C. Eberhart, Parameter selection in particle swarm optimization. In: Proceedingof the 7th Conference on Evolutionary Programming, New York,1998, pp. 591-600.
F.V.D. Bergh, An analysis of particle swarm optimizers, Ph.D. thesis, Department of Computer science, University of Pretoria, South Africa, 2001.
M. Clerc, J. Kennedy, The Particle Swarm-Explosion, Stability, and Convergence in a Multidimensional Complex Space, IEEE Transaction on Evolutionary Computation, Vol. 6, No. 1, February 2002.
C. F. Lu, C. F. Juang, Evolutionary fuzzy control of flexible AC transmission system, IEEE Proc.-Gener. Transm. Distrib., Vol. 152, No. 4, July 2005.
K. Premalatha, A. M. Natarajan, Hybrid PSO and GA for Global Maximization, Int. J. Open Problems Compt. Math, vol. 2, No. 4, December 2009 ISSN 1998-6262.
C. A. Coello Coello, G. T. Pulido, M. S. Lechuga, Handling Multiple Objectives With Particle Swarm Optimization, IEEE Transactions on Evolutionary Computation, vol.8, no. 3, June 2004.
R. C. Eberhart, Y. Shi, Comparison between genetic Algorithms and particle swarm optimization, in: Proceedings of the IEEE Congress on Evolutionary Computation, Anchorage, AK, May 1998, pp. 611-616.
علی پور محمدی، بهینه سازی پارتوئی مکانیزم جنوا با تعداد شیارهای مختلف، پایان نامه کارشناسی ارشد، دانشگاه گیلان، دانشکده فنی، گروه مهندسی مکانیک، 1392
K. Deb, A. Pratap, S. Agarwal, T. Meyarivan, A fast and elist multi-objective genetic algorithm: NSGA-II Transactions on Evolutionary Computation 6 (2) (2002) 182-197.
D. E. Goldberg, Genetic Algorithms in search, Optimization, and Machine Learning, Addison Wesley, (1989).