摘要:针对大型六足机器人在运动过程中腿部刚度不足和振动的问题，提出一种基于近似模型的多目标综合优化方法. 建立有限元模型，分析各类复杂工况下腿部结构强度、刚度 和模态频率等性能，确定仿生腿的优化空间. 对仿生腿静态及动态性能建立参数化模型，定义相应的设计变量，采用优化拉丁超立方方法分别对仿生腿基节、大腿和小腿模块进行试验设计，获取初始样本点，拟合各模块响应面模型、克里格模型和径向基函数神经网络模型，通过误差分析选定精度最高的近似模型，并联合第二代非支配排序遗传算法，以静态刚度、质量和首阶固有频率为目标，约束最大应力，对仿生腿进行优化设计，对优化后的结果进行分析验证. 结果表明，重载仿生腿经所述方法优化后，在满足结构强度的前提下，平地工况最大变形下降9.73％，斜坡工况最大变形下降9.46％，首阶固有频率提升3.45％，仿生腿总体质量下降8.63％.

摘要:在铣削加工优化设计过程中，设计变量的不确定性通常被忽略，这容易导致优化解违反优化设计约束条件.为此，本文基于近似模型方法，开展铣削参数的多目标稳健性优化设计研究.在该优化设计方法中，采用多项式响应面模型和径向基函数模型近似模拟铣削过程最大铣削力、铣削后工件表面粗糙度两目标函数与铣削线速度、每齿进给量两设计变量之间的隐式关系，采用NSGA-Ⅱ多目标遗传算法结合蒙特卡洛模拟方法对比分析了针对铣削参数的常规确定性优化以及考虑设计变量波动的稳健性优化.结果表明：稳健性优化后的铣削参数有效地降低了铣削加工过程中的铣削力，提高了加工后工件表面质量，同时优化解具有较高的可靠性.

摘要:提出基于误差反向传播神经网络（Back Propagation Neural Network, BPNN)的高维模型表示（high dimensional model representation, HDMR)方法，即BPNN-HDMR方法.BPNN-HDMR方法的显著优势是将BP神经网络的非线性函数逼近能力与高维模型的层级结构理论相结合来构建近似模型，并能够揭示输入变量之间固有的线性或非线性关系及其相关性，将构造模型复杂度由指数级增长降阶为多项式级，有效地解决了高维建模问题.通过测试和对比验证了该算法的效率和建模能力，并将该算法应用于矿用自卸车安全驾驶室翻车保护装置（Roll-Over Protective Structure, ROPS)的优化设计.通过优化结果验证了所提方法的可行性和有效性.

摘要:建立了八自由度的矿用自卸车整车数学模型，并基于动态仿真模型构建设计变量和不确定变量与目标函数之间的近似模型，采用双层嵌套的隔代遗传算法，内层在不确定域上求解目标函数区间，外层对设计变量寻优，对该模型进行平顺性优化.最后与确定优化的结果进行比较，得出了不确定性优化的优越性.

摘要:为了更精确地反映主轴系统在工作状态下的情况，针对高速磨床主轴系统建立柔性体动力学模型，对其在不确定性磨削力作用下的工况进行数值模拟和优化研究.首先采用优化拉丁超立方试验设计方法在设计变量和不确定参数构成的混合空间内采样，再建立包含不确定量的主轴系统径向基函数近似模型，代替耗时的数值仿真模型.利用基于区间数的不确定性优化方法对高速磨床主轴系统进行优化设计研究.结果表明，利用基于区间数的不确定性优化方法，对主轴系统的关键参数进行优化后，表征磨削质量的刚体砂轮质心的径向跳动值比原来有了较大的减少，得到了在不确定磨削力影响下优化结果的响应区间.