广义简约梯度算法在机械优化设计的应用.pptxVIP

应用技术 机电 工 程 技 术 2010 年 第 39 卷 第 05 期广义简约梯度算法在机械优化设计的应用 觹 李红伟（西南石油大学电子信息工程学院，四川成都610500）摘要： 分析了广义简约梯度算法的原理及其实现形式， 并结合一单级直齿圆柱齿轮减速器设计为例分析了其应用。 利用 Vissim 软件完成了广义简约梯度算法设计， 基于该实例的优化数学模型， 在 Vissim 环境下完成了对单级直齿圆柱齿轮减速器优化的仿真建模， 仿真结果表明该算法迭代次数少， 求解精度高， 非常适合于机械优化设计应用。关键词： 广义简约梯度算法； 优化设计； Vissim 软件； 仿真文献标识码： A 中图分类号： TP273＋．41 引言文章编号： 1009－9492 (2010) 05－0075－03 首先， 将 X 的全部分量分解为两部分， 即：TX ＝ ［XB， XN］机械最优化设计， 就是在给定的载荷或环境条件下，XB—基向量， m 维； XN—非基向量， n－m 维。相应地， L ＝ ［LB， LN］ T， U ＝ ［UB， UN］ T。在对机械产品的性态、 几何尺寸关系或其它因素的限制（约束） 范围内， 选取设计变量， 建立目标函数并使其获由隐函数存在定理可知， 存在连续映射：得最优值的一种设计方法［1］。XB ＝ V （XN）（2）一般采用优化算法来获取最优值， 优化算法有很多，目标函数 F （X） 转化为而 广 义 简 约 梯 度 法（ Generalized Reduced GradientF （X） ＝ F （XB， XN） ＝ f （XN）（3）Method， 简称 GRG 法） 是目前求解约束非线性最优化问 于是， 原来 n 个变量的目标函数 F （X） 变为 n－m 个变量的函数 f （XN）。 则 f （XN） 在 Xk 关于 XN 的梯度即为简约梯度。 易得 F （X） 关于 XN 的简约梯度为 荦f （XNk） ＝ 荦NF （Xk） －荦NH （Xk） · 题最有效的方法之一。 本文分析了 GRG 算法的实现方法，并基于一单级直齿圆柱齿轮减速器的优化设计为例， 说明该算法在机械优化设计中的应用。 利用 Vissim 软件完成了该算法设计， 并在 Vissim 环境下完成了对单级直齿圆柱齿 ［荦BH （Xk）］ －1 · 荦BF （Xk）（4）轮减速器优化的建模和仿真。简记简约梯度为荦f （X ） ＝ ［r1， r2， …， rn－m］T kN2 广义简约梯度算法 简约梯度法是非线性规划的单纯形法应用于仅具有线性约束的非线性规划问题， 通过将约束条件变换把一些变量用另一些变量来表示， 使变量空间简约， 并根据目标函数在简约空间的梯度确定搜索方向， 因此该方法称为简约梯度法 （Reduced Gradient Method， 简称 RG 法）。 将简约梯度法推广到非线性约束的优化问题， 产生了广义简约梯 ［2］ ［3］且定义 Sk＝ ［s1， s2， …， sn－m］T其中， k k  kSj ＝  xm＋j＝Um＋j and rj＜0  其余情况 k＋1 k k ＝ XN＋αS k xm＋j＝Lm＋j and rj＞0，或0（5）（6） －rj使 XN度法 （GRG）。然后， 令 Y0＝XB， 用下式进行迭代：GRG 法求解非线性规划问题可归结为如下形式： c＋1 c k＋1Y ＝ Y － ［荦BH （Y0， XN ）］－1 c k＋1H （Y ， XN ），X∈En s．t． H （X） ＝ 0minF （X）1≤X≤UL， U ∈ En（1）c ＝ 1， 2， ……（7）TH （X） ＝ ［h1 （X）， h2 （X）， …， hm （X）］式中： L ＝ ［L1， L2， …， Ln］ T， U ＝ ［U1， U2， …， Un］ T。c＋1k＋1c＋1， XN ） ＝0 的 Y， 便可得到 直至求得满足 H （Y优化的值。觹 西南石油大学中青年骨干教师计划项目 （编号： XSGGJS039）； 西南石油大学校级科技资金项目 （编号： 2007XJY104）收稿日期： 2009－12－0275 应用技术3 应用实例机电 工 程 技 术 2010 年 第 39 卷 第 05 期 2） 弯曲强度的限制［σF］ －σF ＝ ［σF］ － 2 3kT 2 1 m z1φd 设计如图 1 所示的一单级直齿圆柱齿轮减速器， 其输入轴的扭矩为 T1＝150N· m， 齿数比 u＝3．2， 工作寿命要求YFYS ≥ 0，式中， σF 为弯曲疲劳强度； YF 为齿形系数，达到 72000h， 原动机采用电动机， 工作状态均匀平稳， 小齿轮材料为 40Cr， 调质后表面淬火， 齿面硬度 HB＝235～275，