用MATLAB遗传算法工具GUI优化轴承.docx

设计变量滚珠数目Z=23滚珠直径Db为变量1，即x(1) 节圆直径dm为变量2，即x(2)fi，fo分别为轴承内外滚道曲率半径系数 fi=fo=0.515额定静载荷目标函数： ，分别为钢球与内滚道接触椭圆的无量纲化长半轴和短半轴额定动载荷目标函数:约束条件运用matlab的遗传算法工具GUI对适应度函数进行优化。打开matlab，在command window中输入gatool，打开遗传算法工具。初始界面如下图：在fitness function处输入所要求的适应度函数，由于函数过于复杂，先编写它的M文件:function y=dynamic(x) %函数名为dynamic，输入变量为x(1)=Db滚珠直径,x（2）=dm节圆直径r=x(1)/x(2); % a=39.9*(1+(1.04*((1-r)/(1+r))^1.72)^(10/3))^(-0.3);%系数fc的前半部分b=r^0.3*(1-r)^1.39/(1+r)^(1/3);%系数fc的后半部分f=a*b*4.2623;%系数fc，由于=fo=0.515，即（2fi/（2fi-1））^0.41=4.2623y=-1.3*f*23^(2/3)*x(1)^1.8;%式中z=23，求出y的值，即额定动载荷。由于遗传算法工具默认求函数最小值，所及在式子前加个负号，将求最大值的问题转化为求最小值得问题。将其保存为dynamic.m文件。在输入处输入@dynamic。在Number of variables处输入变量数目为2整理一下数学模型中的约束条件，有两个线性不等式，两个边界。以减速器型号为CSF_14_80,轴承内径为25.2mm，轴承外径为34mm作优化设计。轴承约束条件中的系数取为如下：Cball,min=0.1Db，KDmin=0.5，KDmax=0.65，e=0.05，=0.3。约束条件可转化为由于遗传算法工具默认求最小值，所以约束条件中的不等式的格式要转化为左边式子小于等于右边不等式。最后可化为：即同理，约束条件可化为即所以线性不等式的矩阵为A:[1.1,-0.1366;1.6,1] b:[0;34]将其对应输入到Linear inequalities中。滚珠直径Db的取值范围可化为：同理节圆直径dm的取值范围即为：边界Bounds的矩阵即为：Lower:[2.2;29.6] Upper:[2.86;32.56]输入参数填完后，Options处的参数取默认值，默认的交叉概率为0.8，变异概率为0.2，二进制编码长度为20。在Plot functions处勾选best fitness。点击“start”按钮运行，可得如下图： 通过图可看出极小值为-4159.246，对应的x(1)=2.751,x(2)=29.6。从best fitness图中可看出最小值是在第51代时取到，平均适应度mean fitness逐渐减小，在第10-20代之间稳定在(-4100)----(-4200)之间，最后在51代取到最小值。 如果将交叉概率设置为0.5，可得如果将变异概率设置为0.02，可得用相同方法对减速器型号CSF_32_80，CSF_40_80，CSF_25_80进行优化，可得：减速器型号CSF_14_80CSF_32_80CSF_40_80CSF_25_80轴承内径(mm)25.25971.245.1轴承外径(mm)3479.898.261.3滚珠直径(mm)2.7516.5018.4385.063节圆直径(mm)29.669.484.753.2额定动载荷(N)415968031750740额定静载荷(N)186958817508.0116324.072