- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
机械优化设计-有关优化设计的数学模型及其求解中的几个问题.ppt
第六章 有关优化设计的数学模型 及其求解中的几个问题 §6-1 多目标优化方法 §6-2 优化建模技巧 §6-3 优化结果分析和全局最优解问题 §6-4 优化设计在机械设计中的应用 1、建立先进的数学模型。根据设计要求,应用专业范围内的现行理论和经验等,对优化对象进行分析。必要时,需要对传统设计中的公式进行改进,并尽可以反映该专业范围内的现代技术进步的成果。 2、对结构诸参数进行分析,确定设计变量、设计常数等。 3、必要时对数学模型进行规范化(归一化、无量纲化),以消除诸组成项间由于量纲不同等原因导致的数量悬殊的影响。 待定参数有九个,因此求解出机构的连杆曲线可有九个点与给定轨迹相重合(重合点又称精确点)。给定九个点方程为高阶非线性方程组,求解困难。 这些方程大多是超越方程,求出其解析解比较困难,因此,连杆机构设计中,优化设计方法应用较为普遍。 一、机床主轴结构优化设计 §6-4 优化设计在机械设计中的应用 在设计这根主轴时,有两个重要因素需要考虑。一是主轴的自重;一是主轴伸出端c点的挠度。 对于普通机床,不要求过高的加工精度,对机床主轴的优化设计,以选取主轴的自重最轻为目标,外伸端的挠度为约束条件。 当主轴的材料选定时,其设计方案由四个设计变量决定。孔径d、外径D、跨距l及外伸端长度a。 由于机床主轴内孔用于通过待加工的棒料,其大小由机床型号决定,不作为设计变量,故设计变量取为: 数学模型的建立 机床主轴优化设计的目标函数为: 约束条件: 在外力F给定的情况下,y是设计变量x的函数,其值按下式计算: 刚度满足条件,强度尚有富裕,因此应力约束条件可 不考虑。边界约束条件为设计变量的取值范围,即: 将所有的约束函数规格化,主轴优化设计的数学模型可表示为: 例1、曲柄摇杆机构再现已知运动规律的优化设计 一、连杆机构优化设计 1.设计变量的确定 决定机构尺寸的各杆长度,以及当摇杆按已知运动规律开始运动时,曲柄所处的位置角φ0 为设计变量。 考虑到机构的杆长按比例变化时,不会改变其运动 规律,因此在计算时常取l1=1 ,而其他杆长按比例取为 l1 的倍数。 经分析后,只有三个变量为独立的: 2.目标函数的建立 目标函数可根据已知的运动规律与机构实际运动规律 之间的偏差最小为指标来建立,即 3.约束条件的确定 1)曲柄摇杆机构满足曲柄存在的条件 2)曲柄摇杆机构的传动角应在 和 之间,可得 4、曲柄摇杆机构再现已知运动轨迹的优化设计 所谓再现已知运动轨迹:是指机构的连杆曲线尽可能地接近某一给定曲线。 例2 如图所示为一曲柄摇杆机构,当曲柄AB整周转动时,连杆BC上一点M实现给定轨迹,轨迹坐标方程为 要求确定各构件的长度,使点M的实际轨迹与给定轨迹间的偏差最小。 M M 按预定的运动轨迹设计四杆机构 就是要确定机构的各尺度参数和连杆上描点的位置,使该点所描绘的连杆曲线与预定的轨迹相符。 M(x,y) a, b, c, d, l, m xA , yA, j0 因此,在 坐标系中连杆曲线方程式为: * * 前面介绍的最优化方法,可直接用于仅含一个目标函数的所谓“单目标函数的最优化设计问题”,而在许多实际工程设计问题中,常常期望同时有几项设计指标都达到最优值,这就是所谓“多目标函数的最优化问题”,其数学模型的一般表达式为: §6-1 多目标优化方法 在上述多目标函数的最优化问题中,各个目标f1(X),f2(X),…,fq(X)的优化往往是互相矛盾的,不能期望使它们的极小点重叠在一起,即不能同时达到最优解;甚至有时还会产生完全对立的情况,即对一个目标函数是优点,对另一目标函数却是劣点。这就需要在各个目标的最优解之间进行协调,相互间作出适当“让步”,以便取得整体最优方案,而不能像单目标函数的最优化那样,通过简单比较函数值大小的方法去寻优。由此也可以看出多目标函数的最优化问题要比单目标函数的最优化问题复杂得多,求解难度也较大。特别应当指出的是多目标函数的最优化方法虽有不少,但有些方法的效果并不理想,需要进一步研究和完善。下面介绍几种多目标函数的最优化方法。 一、统一目标法 统一目标法的实质就是将各个目标函数(或称分目标函数)f1(X),f2(X),…,fq(X)统一到一个总的“统一目标函数”f(X)中,即令 将问题转化为求解: 在极小化“统一目标函数”f(X)的过程中,为了使各个分目标函数能均匀一致地趋向各自的最优值,可采用如下的一些方法: (1
文档评论(0)