计算机辅助设计在胎面胶损耗因子优化中的应用研究.pdf

第 5期 周 国彬等．计算机辅助设计在胎面胶损耗 因子优化 中的应用研究 275 计算机辅助设计在胎面胶损耗因子优化中的应用研究 周国彬 ，张映红 ，王志远。，臧孟炎 (1．华南理工大学 机械与汽车工程学院，广东 广州 510640；2．广州市华南橡胶轮胎有限公司，广东 广州 5114oo) 摘要 ：以胎面胶为研究对象 ，应用拉丁超立方抽样策略合理安排试验获得试验数据 ，以硬度和 300 定伸应力为 约束条件 、以损耗 因子为优化 目标 ，采用支持向量机分别建立损耗 因子 、硬度和 300 定伸应力模型 。应用遗传算法 在硬度和 300 定伸应力约束条件下对损耗因子进行优化，得到近似最优值 。结果表明，数值优化结果与试验结果基 本一致 ，证 明该方法可行 。 关键词 ：轮胎 ；胎面胶 ；损耗 因子；支持 向量机 ；遗传算法 中图分类号 ：TQ336．1 1；Q241．82 文献标志码 ：A 文章编号 ：1000—890X(2013)05—0275—04 橡胶配方对橡胶的力学性能有着至关重要的 等为理论基础，科学安排试验方案 、正确分析试验 影响，并决定着橡胶制品的质量口]。 目前 ，橡胶企 结果 的一种数学方法[5]。 目前常用的试验设计方 业大都通过试验来获知橡胶性能 ，且试验以单因 法有正交试验法和均匀设计法。正交试验能找出 子轮换试验法及研发人员 的经验为基础共 同设 对橡胶性能影响较大的因子 ，但在 因子水平较多 计[2]。通过计算机建立配方中不同因子水平与 目 时 ，试验次数也会 比较多。在相同的因子水平下 ， 标 函数之间的函数模 型，并通过模型来预测不同 均匀设计试验次数少于正交设计，但不能找出对 配方的性能及优化是 目前橡胶配方设计的发展趋 橡胶性能影响较大的因子。根据文献[6]，用拉丁 势，这不仅可 以节约开发成本 ，还可 以缩短开发 超立方抽样策略设计试验，既可以减少试验次数 ， 周期。 又可 以找出对橡胶性 能影 响较大的因子 ，因此本 目前建立模型的常用方法有 BP神经网络和 研究用拉丁超立方抽样策略设计试验。 支持向量机等口]，都是根据试验数据建立配方 中 材料因子与性能 目标的 “黑箱”函数关系。它们的 2 支持向量机 (SVM) 优点是建立的 “黑箱”函数关系不需要任何先验公 支持向量机是 V．N．Vapnik等人提 出的一 式 ，较适用于橡胶这种配方与性能呈高度非线性 种数据建模方法 ，它基于统计学 习理论 ，建立在 关系的模型。BP神经 网络需要大量的试验数据 VC维和结构风险最小化原理 的基础上 。在有 限 建立模型，试验数据太少会 出现 “过拟合”现象 ]。 样本信息的情况下，寻求模型复杂性和学习能力 为减少试验次数 、节约开发成本 ，本研究首先进行 之间的最佳折衷 ，具有较好 的泛化能力E7-1o]。 试验设计 ，然后用支持 向量机建立损耗因子、硬度 本研究使用 台北大学林 智仁教授开发 的 和 300 定伸应力模型，最后用遗传算法在保证 Libsvm 工具箱 ，核 函数采用径 向基核 函数。 硬度和 300 定伸应力的约束条件下对损耗 因子 惩罚参数 C和核 函数参数g是支持 向量机的相 进行优化。 关参数 ，二者的取值对模型的准确性有很大影响， 因此本研究采用遗传算法对二者进行寻优 ，相关 1 试验设计 遗传参数设置及寻优语句如下： 试验设计是