压片机论文.docx

摘 要 叶片是发动机及压缩机上的重要部件,由于叶片都是经手工打磨加工的。因而各叶片之间难免有质量和振荡频率的差别,安装时需对各叶片进行排序,其排序过程是很难通过手工完成的。而排序不当,将会对发动机及压缩机的安全造成很大的隐患。本文考虑压气机叶片重量及频率的差异，结合实际情况，给出不同约束条件下的叶片安排模型，并给出相应的叶片安排方案。最后，本文给出了模型的评价与推广。关键字： 动态规划　叶片更换 局部搜索 退火算法一、问题分析加工出的不同的压气机叶片具有不同的重量和频率，利用这些叶片安装压气机时需要符合一定的条件，从而满足工业要求。对于问题一，题目要求在满足相邻象限重量差不大于某一定值的条件下给出相应的排序算法。将重量差条件作为约束条件，问题一即可转化为寻找符合约束条件的解集。可以以重量差为基础构造目标函数，从而将问题一转化为最优化问题。本文考虑以动态规划思想为基础，将24个叶片分组、分阶段分配给压气机圆盘的6个象限，每个决策阶段只需在之前的已定初始状态基础上进行叶片分配。对于问题二，本问需同时考虑相邻象限重量差不大于某一定值、相邻叶片频率差不小于某一定值的限制条件，在此基础上给出叶片分配方案。因为重量差与频率差所针对的研究对象不同，分别为象限和单个叶片，所以如果仍然沿用问题一的动态规划思想，则在叶片分组分配时会有很大的困难。考虑到模拟退火算法较之其他算法在搜索全局最优解方面的优势，本文首先采用模拟退火算法，并在其基础上加以改进使得运算量得到大幅度减少，得到寻找可行解的改进模拟退火算法；而后以可行解为初始解利用局部搜索方法寻找符合条件的较优解。对于问题三，由于涉及到质量和频率两方面的调整，为了使更换的叶片最少，应尽可能使被更换的叶片位于质量调整区和频率调整区的交汇处。对于质量的调整，应先确定调整的象限数，若调整当前象限无法满足要求，再扩大象限数。确定所调整的象限后，根据临近的象限质量确定质量调整范围。频率调整方法与此类似。对于问题四，利用上述建立的模型，可对两组叶片分别给出合理排序。二、模型假设1．假设叶片的性能足够好，不会因磨损而改变质量和频率等参数。2．假设任意规格的叶片都可生产出。3. 假设不考虑其他因素对叶片排序的结果。4. 假设题目中给定数据真实可靠。三、符号说明符号符号含义第i个叶片（i=1,2…23,24）第i个叶片的重量第i个叶片的频率优化系数状态变量（j=0,1,2,3,4）第k个象限（k=1,2,3,4,5,6）第k个象限的总重量相邻象限重量差允许最大值相邻叶片频率差允许最小值模型的建立与求解模型一：质量排序模型（１）问题分析本题共有24个叶片需要安排，若用普通的动态规划方法解决此问题，相当于穷举所有情况后比较目标函数并从中选取最优解，运算量过大；若采用遗传算法或模拟退火算法，虽然算法可以实现，但其作为启发式算法运算量依然过大。为了减少运算量，提高算法运行效率，考虑到穷举法运算量是成指数形式增长的，本文将叶片分组、分阶段进行象限分配，从而避免了指数型增长所形成的巨大运算量。以每次给每个象限分配一个叶片为标准，可以将24个叶片分为4组，每组6个叶片。挑选一组叶片分配给6个象限时，共有=60种分配方案。若将每种分配方案均保留下来作为下一个决策阶段的初始状态，则运算量依然成指数形式增长，当到达最后状态时约有种情况。考虑到动态规划方法每次决策前的状态均为最优状态，本题设计算法时可以考虑对每次决策进行评价，从每次决策后的状态中选取一部分符合约束条件且目标函数值较优的状态作为下一决策阶段前的初始状态，依此类推，在最终的状态中寻找较优解。故用动态规划的方法解决问题一，其基本思想为：将叶片分组，每个决策阶段挑出一组叶片分配给压气机圆盘的每个象限，每个象限分配一个叶片；分配之后，此时可将圆盘象限包含叶片的情况作为动态规划的一个状态，从这些状态中挑选最符合目标函数及约束条件的若干状态作为此时的最优分配策略，继而挑选下一组叶片进行下一步的决策；依此类推，直到所有叶片分配完，每个象限具有4个叶片时，在分配结果中选取较优解。（２）模型建立（1）建立目标函数。由于问题一只需考虑相邻象限叶片重量差不大于某一定值，设为平衡度（各象限重量差之和），本文建立目标函数如下： （1.1）（2）叶片分组，确定组间分配次序。将24个叶片按重量由小到大排列，得到的叶片排序（）。取为第一组，为第二组，为第三组，为第四组。考虑到叶片最小重量与最大重量的不稳定性，应首先分配第一组和第四组的叶片，使最大重量叶片与最小重量叶片的重量形成较好的互补。本文采用先分配第一组叶片，再分配第四组叶片，继而分配第三组、分配第四组的分配顺序。（3）建立状态转移方程。每一个决策阶段都相当于给每个象限分配一个新的叶片，所以状态转移即为象限内叶片质量的增加。所以建立状态转