MATLAB在优化中的应用教程分析.pptVIP

MATLAB在机械优化设计中的应用 林洋8153025 MATLAB简介 美国Mathworks公司推出了MATLAB以其强大的功能和易用性受到越来越多的科技工作者的欢迎。 MATLAB由主包和功能各异的工具箱组成，其基本数据结构是矩阵。 MATLAB具有非常强大的计算功能，其已成为世界上应用最广泛的工程计算应用软件之一。（Mathematica、Maple） MATLAB主要功能和特点 主要功能 1，数字计算功能 2，符号计算功能 3，数据分析和可视化分析功能 4，文字处理功能 5，SIMULINK动态仿真功能 主要特点 1，功能强大 含有四十多个应用于不同领域的工具箱 2，界面友好 其指令表达方式与习惯上的数学表达方式非常的接近 3，扩展性强 用户可自发的开发自己的应用程序 优化设计理论 优化设计的概念 优化设计是借助最优化数值计算方法和计算机技术，求取工程问题的最优设计方案。 即：进行最优化设计时，必须首先将实际问题加以数学描述，形成一组由数学表达式组成的数学模型，然后选择一种最优化数值计算方法和计算机程序，在计算机上运算求解，得到一组最优的设计参数。 优化设计问题分类 函数优化问题 组合优化问题 优化设计的一般实施步骤 （1）根据设计要求和目的定义优化设计问题 （2）建立优化设计问题的数学模型 （3）选用合适的优化计算方法 （4）确定必要的数据和设计初始点 （5）编写包括数学模型和优化算法的计算机程序，通过计算机的求解计算获取最优结构参数 （6）对结果数据和设计方案进行合理性和适用性分析 优化设计数学模型 1，建立数学模型的基本原则 数学模型的建立要求确切、简洁的反映工程问题 2，数学模型的三要素 设计变量 目标函数 约束条件 无约束优化方法 最速下降法（梯度法） 牛顿型方法 共轭方向法 变尺度法 坐标轮换法 鲍威尔方法 单形变换法 最速下降法（梯度法） 优化设计是追求目标函数值f（x）最小，因此，一个很自然的想法是从某点x出发，其搜索方向d取该点的负梯度方向-▽f（x),使函数值在该点附近的范围内下降最快。形成以下迭代算法 根据一元函数极值的必要条件和多元复合函数求导公式，得 梯度法的特点 （1）理论明确，程序简单，对初始点要求不严格。 （2）对一般函数而言，梯度法的收敛速度并不快，因为最速下降方向仅仅是指某点的一个局部性质。 （3）梯度法相邻两次搜索方向的正交性，决定了迭代全过程的搜索路线呈锯齿状，在远离极小点时逼近速度较快，而在接近极小点时逼近速度较慢。 （4）梯度法的收敛速度与目标函数的性质密切相关。对于等值线(面)为同心圆（球）的目标函数，一次搜索即可达到极小点。 牛顿型方法 1、牛顿法 在xk邻域内用一个泰勒二次函数φ(X)来近似代替原目标函数，并将φ(X)的极小点作为对目标函数的一次近似值，若此值不满足收敛精度要求，则将其作为求优的下一次迭代的初始点。经多次迭代，使之逼近目标函数的极小点。 牛顿法 3.5 约束优化方法 约束优化设计问题，其数学模型为 直接解法通常适用于仅含不等式约束的问题，思路是在m个不等式约束条件所确定的可行域内，选择一个初始点，然后决定可行搜索方向S，且以适当的步长，沿S方向进行搜索，得到一个使目标函数值下降的可行的新点，即完成一次迭代。再以新点为起点，重复上述搜索过程，直至满足收敛条件。 间接解法的基本思路是将约束优化问题中的约束函数进行特殊的加权处理后，和目标函数结合起来，构成一个新的目标函数，即将原约束优化问题转化成为一个或一系列的无约束优化问题。再对新的目标函数进行无约束优化计算，从而间接地搜索到原约束问题的最优解。 约束优化方法 随机方向法 复合型法 可行方向法 惩罚函数法 增广乘子法 惩罚函数法 惩罚函数法是一种间接解法。它的基本原理是将约束优化问题中的不等式和不等式约束函数经加权后，和原目标函数结合为新的目标函数，将约束优化问题转换为无约束优化问题。求解无约束优化问题的极小值，从而得到原约束优化问题的最优解。 按照惩罚函数在优化过程中迭代点是否可行，分为： 内点法 外点法 混合法 案例分析 单级直齿圆柱齿轮传动减速器的优化设计 已知单级直齿圆柱齿轮减速器的输入扭矩T1=2674N·m，传动比i=5，现要求确定该减速器的结构参数，在保证承载能力条件下，使减速器的重量最轻。小齿轮拟选用实心轮结构，大齿轮为四孔辐板式结构，其结构尺寸如图所示，图中△1=280mm，△2=320mm。 建立数学模型 (1)确定目标变量 求质量最轻，也就