1250T的液压机滑动块稳健优化设计.docVIP

外文资料翻译译文 1250T的液压机滑动块稳健优化设计 摘 要 为了解稳定变化下影响的液压机性能如载荷，材料性能的波动，零件和工作条件的物理尺寸，早期的设计过程中需要进行优化。在本文中，滑动块，这是1250吨水压机的关键受力部件的设计参数，由邻居栽培遗传算法（NCGA）结合六西格玛强大的设计方法进行了优化。通过模拟的有限元软件ABAQUS和多学科优化软件ISIGHT，结构设计，坚固性提高达99％，压力和原结构超重的问题都解决了。它证明了六西格玛稳健设计法结合NCGA可以在设计初期提高结构性能的稳定性。 关键词：液压机，滑块，六西格玛的稳健设计法，邻里栽培遗传算法 1 引言 由于经济的快速发展，它是工业市场，一直是激烈如昔驱动制造商生产更强大和可靠的产品的竞争。尽管执行情况变得越来越复杂，产品必须足够健壮以满足消费者的需求。液压机的工作状况不佳和负载情况相当复杂。在本执行中，液压机将满足负载，材料特性和所有意外的外部噪声的波动。作为这样的结果，最佳的设计参数，这使产品对噪声不敏感的影响，也就是，该产品是健壮的，应该在早期设计阶段考虑。 在本文中，一个六西格玛稳健设计方法结合NCGA施加到设计用于搜索所述滑动块的最佳参数。遗传算法是一种算法，模拟生物的遗传和进化。作为遗传算法可以找到一个帕累托最优集合在多目标优化一项试验中，它是非常有效的液压机具有两个目的，最大压和体积的优化。然而，仅与遗传算法不能推导参数，同时优化的平均性能和降低的性能差异。因此，一个六西格玛稳健设计方法被引入到基于由遗传算法获得的参数的设。 在第2节中，NCGA算法，稳健优化设计专门六西格玛稳健优化方法的说明。然后在第3，参数化建模和集成ISIGHT原始模型在第4节介绍。在最后两节，多目标优化结果和六西格玛稳健优化设计，结果获得。 2 多目标优化方法的稳健设计法 2.1 邻居种植遗传算法（NCGA） 多目标优化同时解决了多个目标，通过多目标遗传算法（MOGA），其中发现在一个优化的多目标优化问题的多重最优解，并获得有效竞争的目标之间的权衡关系的方法【1】 。渡边慎也等人【2】引入了一个新的多目标遗传算法叫附近种植遗传算法（NCGA），其中除了其他MOGAS，如NSGA-II【3】和SPEA2 4的机制【4】。 下面的步骤说明NCGA哪里的总体流程 PT：搜人口代 位置：在归档一代。 第1步：初始化：产生初始种群P0。人口规模为N.设置T = 0计算健身的价值 最初的个人P0。副本进入P0 A0。档案大小也N. 第2步：启动新的一代：设置T = T + 1。 第3步：生成新的搜索人群：PT = AT-1。 步骤4：排序：铂的个体被按照聚焦物镜的值进行排序。聚焦的目标是在每一个所改变。例如，当有三个目标，第一目标集中在第一代和第三目标被聚焦在第三代。第一个目标是在第四??代再次集中。 步骤5：分组：铂被划分成由两个个体的组。这两个人被从选择 顶部到排序的个体的底部。 第6步：交叉和变异：在一组，执行交叉和变异操作。来自两家母公司的个体，产生两个孩子的个体。这里，父代个体被消除。 步骤7：评价为：所有的个体的目标而得。 步骤8：组装：所有的个体被组装成一组并且这成为新的Pt。 步骤9：革新档案：组装Pt和AT-1一起。在N个人从2N个人选择。以降低个体的数量，则执行SPEA2的相同的操作（环境选择）。在NCGA，这种环境的选择是作为一个选择操作施加。 步骤10：终止：检查终止条件。如果满足，模拟结束。如果不是，则 模拟返回到步骤2。在NCGA，大多数遗传操作的一组由两个个体被执行。 2.2 六西格玛方法优化 2.2.1?确定性优化和鲁棒优化的区别 坚固的设计是一个方法，它对立的确定性数学优化其典型地产生了推进设计约束边界的限制，而使在制造，材料和设计[5]很少或没有空间的不确定性的优化设计。确定性优化和鲁棒性优化之间的差异示于图1。确定性优化实现目标函数的最优解，而是将设计的变化，这可能会导致意想不到的性能敏感。另一方面，由坚固的设计得到的溶液不仅适度在最优方面中的稳健性方面良好，但也良好，即，可靠的解决方案的分散体是窄针对设计变量的分散[1]。确定性优化评价标准可以配制成： 其中，y表示的质量性能; Y= E{Y}是期望或平均质量特性的值;δ=（γ - y）为y的标准偏差，它表示的质量性能方差;δ=（γ - ?）是质量性能，表示灵敏度的绝对偏差。稳健设计的基本理念是开发稳定生产这与性能[6]的变化最小，针对产品的进程。强大的设计方法被广泛使用，因为它们不仅可以提高产品和流程的质量，而且减少的性能变化而不消除变异的来源。 图1 确定性优化和鲁棒优化比较 2.2.2 六西格玛方法 在80年代初，田口玄一的方法走红，作为质量改善特别是在汽车行业的一个工具。田