公差综合讲解材料.pptxVIP

目录 CONTENTS 01.概述 公差综合概念 传统公差综合方法 公差优化分配 公差综合（公差分配） 在保证产品装配技术要求下规定各组成环尺寸的经济合理的公差。 公差综合 公差优化分配 以尺寸链（或传动链）组成的零（部）件制造成本最小为目标，以设计条件等为约束的数学规划问题。 02.公差模型 设计公差的加工成本-公差模型 并行设计的优化数学模型 选基本尺寸和公差为试验因子，凭借这些数据设计正交试验。利用正交试验来求得基本尺寸因子在各种水平下的归一化系数，并经归一化、平均化处理后得到各分类尺寸的加工成本—公差关系曲线。 设计公差的加工成本公差模型 加工成本-公差关系曲线 设计公差加工的成本公差模型 加工成本-公差关系曲线 并行公差设计的优化模型 03.优化方法 装配函数具有明确表达式 线性规划 Langrage乘子法 非线性装配函数 遗传算法 模拟退火算法 研究线性约束条件下线性目标函数的极值问题的数学理论和方法 线性规划 通常,表示成本与公差的关系式和表示组成环公差和封闭环公差的关系式都是非线性的函数式。为了使计算方便,可以用相应的线性函数式来简化和逼近。 Langrage乘子法 引例 方法一 方法二：Langrage乘子法 大多数情况下解不出y，怎么办？ 构造拉格朗日函数 Langrage乘子法 将一个有n个变量与k个约束条件的最优化问题转换为一个有n + k个变量的方程组的极值问题，其变量不受任何约束。 一种模拟自然界生物进化过程的随机全局搜索和优化方法 遗传算法（GA） 高效、并行，能在搜索过程中自动获得和积累有关搜索空间的知识，并自适应地控制搜索过程以求得最佳解。 体现了适者生存、优胜劣汰的进化规则 遗传算法（GA） 基本思想 遗传算法（GA） 基本步骤 组成 遗传算法（GA） 遗传算法（GA） 应用 目标函数 约束条件 1）装配精度要求 2）加工余量限制 零件各工序加工成本之和构成了公差优化问题的目标函数 3）加工能力 4）保证加工零件的最后一道工序的公差满足图纸规定的公差设计要求 遗传算法（GA） 应用 问题编码 计算适应度 以目标函数作为适应度评价函数 复制、交叉、变异以及倒位 采用二进制编码方法，把每个要优化的公差转化成一个s位的二进制字符串 把全部工序的二进制子串按照一定的次序加以组合，一个编码串代表了各工序一组可能的公差值 编码结构和群体的组成用下列形式表示 遗传算子操作 获取优化迭代结果 遗传算法（GA） 1、效率低 2、容易出现过早收敛 3、对算法的精度、可信度、计算复杂性等方面，还没有有效的定量分析方法 缺点 优点 1、对可行解表示的广泛性 2、不容易陷入局部最优 3、并行计算 4、可扩展性，易于同其他技术融合 一种受物理退火过程的启迪而发展起来的一种随机搜索算法 模拟退火算法（SA） 能有效求解多变量、多局部最优的全局优化算法，意图是避免陷入局部极小解 来源是根据复杂组合优化问题与固体的退火过程之间的相似之处 源于对物理退火过程的模拟 采用Metroplis接受准则 用冷却进度表控制算法进程 算法的基础 物理图像和统计性质是SA的物理背景 使算法跳离“局部最优”陷阱 合理选择是算法应用的前提 模拟退火算法（SA） 模拟退火算法（SA） 物理退火过程 组合优化问题 金属物体退火 解 粒子状态 最优解 能量最低的状态 设定初温 熔解过程 Metropolis抽样过程 等温过程 控制参数的下降 冷却 目标函数 能量 基本要素 模拟退火算法（Simulated Annealing，SA） 应用 模拟退火算法（SA） 设计公差 工序公差 并行 多目标、多约束的非线性规划问题 应用模拟退火算法（SA）进行公差并行优化 非凸规划问题,存在许多局部最优解 所涉及的设计变量数目很大，容易导致组合爆炸 模拟退火算法（SA） 1、所需的计算量很大； 2、温度下降的速度太快，容易陷于最优解； 3、只能从理论上以概率1收敛到全局最优解，实际上是近似于最优解。 缺点 优点 1、对函数的限制很少； 2、所处理的变量可以是连续的，也可以是离散的； 3、最优解不依赖于初值，因此算法异行； 感谢聆听