D0L:10.13374/.issn1001-053x.2012.11.007 第34卷第11期 北京科技大学学报 Vol.34 No.11 2012年11月 Journal of University of Science and Technology Beijing Now.2012 基于LabVIEW并行运算的优化算法及其在Ni一Ti合 金线材无模拉拔中应用 张红钢姜雁斌张志豪四谢建新 北京科技大学新材料技术研究院，北京100083 ☒通信作者，E-mail:nth2279@163.com 摘要提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法，可实现多核计算机多线程的同时运算，从而 大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明，在八核计算机上采用基于L山VIEW的 多线程并行运算程序，与基于文本编程的MATLAB运算程序相比，前者运算时间仅为后者的1/8左右.N-Ti合金线材无模 拉拔实验结果表明，采用本文智能优化后的拉拔速度路径，可使线材直径波动长度缩短至24m,远小于线性或S线型路径的 最小直径波动长度. 关键词并行计算：优化：镍合金；钛合金：拉拔 分类号TG302:TG359 Optimization algorithm based on LabVIEW parallel operation and its application in Ni-Ti alloy wire dieless drawing ZHANG Hong-gang,JIANG Yan-bin,ZHANG Zhi-hao,XIE Jian-xin Institute for Advanced Materials and Technology,University of Science and Technology Beijing,Beijing 100083,China Corresponding author,E-mail:ntzzh2279@163.com ABSTRACT A optimization method based on LabVIEW parallel operation was proposed to improve the computing speed of the tradi- tional genetic algorithm.When applied in a multi-core computer,the optimization method can achieve multithreading concurrent opera- tions,thereby improving the efficiency of computation obviously.The initial speed-path of Ni-Ti alloy wire dieless drawing was optimized in an eight-core computer by using the optimization method.Compared with a method based on MATLAB program,the operation time of the optimization method is only about 1/8 as long as that of the former.Experimental results show that after adopting the optimized speed-path,the length of diameter fluctuation is about 24 mm,which is far less than that of other speed-paths such as the SHine style or linear path KEY WORDS parallel operations:optimization:nickel alloys:titanium alloys:drawing 随着计算机技术的发展，有限元模拟技术已成 可能出现不连续，因此很难通过梯度法对有限元模 为优化金属塑性加工成形工艺的重要手段.目前， 拟结果进行优化. 常用最优化方法主要有基于梯度的优化方法和非梯 非梯度的优化方法比如遗传算法或者粒子群算 度的优化方法. 法只需要目标函数在某点上的取值，而不必求该点 基于梯度的优化方法通常假设目标函数和约束 处的梯度，因此能获得全局优化结果口.然而，基于 函数是连续的、平滑的以及处处有定义的.然而，有 非梯度的智能优化方法往往要动辄几百次甚至上万 限元求解过程中需要采用通过隐式反复迭代才能完 次计算目标函数回.应用于金属塑性加工工艺的优 成，所优化的目标函数无法显式表述，且在搜索空间 化时，计算目标函数往往需要调用有限元程序，模拟 收稿日期：201203-22 基金项目：国家自然科学基金资助项目(50634010)第 34 卷 第 11 期 2012 年 11 月 北京科技大学学报 Journal of University of Science and Technology Beijing Vol． 34 No． 11 Nov． 2012 基于 LabVIEW 并行运算的优化算法及其在 Ni--Ti 合 金线材无模拉拔中应用 张红钢 姜雁斌 张志豪 谢建新 北京科技大学新材料技术研究院，北京 100083 通信作者，E-mail: ntzzh2279@ 163． com 摘 要 提出了一种采用 LabVIEW 并行运算提高传统遗传算法计算速度的方法，可实现多核计算机多线程的同时运算，从而 大幅度提高运算效率． Ni--Ti 合金线材无模拉拔初始阶段拉拔速度路径优化结果表明，在八核计算机上采用基于 LabVIEW 的 多线程并行运算程序，与基于文本编程的 MATLAB 运算程序相比，前者运算时间仅为后者的 1 /8 左右． Ni--Ti 合金线材无模 拉拔实验结果表明，采用本文智能优化后的拉拔速度路径，可使线材直径波动长度缩短至 24 mm，远小于线性或 S 线型路径的 最小直径波动长度． 关键词 并行计算; 优化; 镍合金; 钛合金; 拉拔 分类号 TG302; TG359 Optimization algorithm based on LabVIEW parallel operation and its application in Ni-Ti alloy wire dieless drawing ZHANG Hong-gang，JIANG Yan-bin，ZHANG Zhi-hao ，XIE Jian-xin Institute for Advanced Materials and Technology，University of Science and Technology Beijing，Beijing 100083，China Corresponding author，E-mail: ntzzh2279@ 163． com ABSTRACT A optimization method based on LabVIEW parallel operation was proposed to improve the computing speed of the tradi￾tional genetic algorithm． When applied in a multi-core computer，the optimization method can achieve multithreading concurrent opera￾tions，thereby improving the efficiency of computation obviously． The initial speed-path of Ni-Ti alloy wire dieless drawing was optimized in an eight-core computer by using the optimization method． Compared with a method based on MATLAB program，the operation time of the optimization method is only about 1 /8 as long as that of the former． Experimental results show that after adopting the optimized speed-path，the length of diameter fluctuation is about 24 mm，which is far less than that of other speed-paths such as the S-line style or linear path． KEY WORDS parallel operations; optimization; nickel alloys; titanium alloys; drawing 收稿日期: 2012--03--22 基金项目: 国家自然科学基金资助项目( 50634010) 随着计算机技术的发展，有限元模拟技术已成 为优化金属塑性加工成形工艺的重要手段． 目前， 常用最优化方法主要有基于梯度的优化方法和非梯 度的优化方法． 基于梯度的优化方法通常假设目标函数和约束 函数是连续的、平滑的以及处处有定义的． 然而，有 限元求解过程中需要采用通过隐式反复迭代才能完 成，所优化的目标函数无法显式表述，且在搜索空间 可能出现不连续，因此很难通过梯度法对有限元模 拟结果进行优化． 非梯度的优化方法比如遗传算法或者粒子群算 法只需要目标函数在某点上的取值，而不必求该点 处的梯度，因此能获得全局优化结果［1］． 然而，基于 非梯度的智能优化方法往往要动辄几百次甚至上万 次计算目标函数［2］． 应用于金属塑性加工工艺的优 化时，计算目标函数往往需要调用有限元程序，模拟 DOI:10.13374/j.issn1001-053x.2012.11.007