如何优化设计基本概念.pptVIP

在中间过程中每一步的迭代形式为： 图1-11 迭代计算机逐步逼近最优点过程示意图 上式中：X（k）——第k步迭代计算所得到的点，称第k步迭代点， 亦为第k步设计方案； a（k）——第k步迭代计算的步长； S（k）——第k步迭代计算的探索方向。 用迭代法逐步逼近最优点的探索过程如图1-11所示。 搜索过程 最优点 (1 1) 初始点 (-1 1) -1 1 4.00 -0.79 0.58 3.39 -0.53 0.23 2.60 -0.18 0.00 1.50 0.09 -0.03 0.98 0.37 0.11 0.47 0.59 0.33 0.20 0.80 0.63 0.05 0.95 0.90 0.003 0.99 0.99 1E-4 0.999 0.998 1E-5 0.9997 0.9998 1E-8 运用迭代法，每次迭代所得新的点的目标函数都应满足函数值下降的要求： （1）选择搜索方向 （2）确定步长因子 （3）给定收敛准则 迭代法要解决的问题： 2.迭代终止准则 （1）点距准则 或 f fk fk+1 f* xk o xk+1 x* x (a) （2）函数值下降量准则 或 x o f fk fk+1 f* xk xk+1 x* (b) （3）目标函数梯度 准则 上述准则都在一定程度上反映了逼近最优点的程度，但都有一定的局限性。在实际应用中，可取其中一种或多种同时满足来进行判定。 采用哪种收敛准则，可视具体问题而定。可以取： 图1-12 优化设计流程 三、优化设计 一般步骤 * * * * * * * * 2.约束条件 设计空间是所有设计方案的集合，但这些设计方案有些是工程上所不能接受的。如一个设计满足所有对它提出的要求，就称为可行设计。 一个可行设计必须满足某些设计限制条件，这些限制条件称作约束条件，简称约束。 约束又可按其数学表达形式分成等式约束和不等式约束两种类型： (1)等式约束 (2)不等式约束 显式约束 隐式约束 约束函数有的可以表示成显式形式，即反映设计变量之间明显的函数关系，有的只能表示成隐式形式, 如例中的复杂结构的性能约束函数（变形、应力、频率等），需要通过有限元等方法计算求得。 根据约束的性质可以把它们区分成： 性能约束——针对性能要求而提出的限制条件称作性能约束。例如，选择某些结构必须满足受力的强度、刚度或稳定性等要求； 边界约束——只是对设计变量的取值范围加以限制的约束称作边界约束。例如，允许机床主轴选择的尺寸范围，对轴段长度的限定范围就属于边界约束。 图1-2 设计空间中的约束面（或约束线） (a)二变量设计空间中的约束线 (b) 三变量设计空间中的约束面 定义 把满足约束条件的解 称为可行解（或可行点），所有可行点的集合称为可行集（或可行域），记为D，即 。约束优化问题可简记为 。 可行域 : 在设计空间中，满足所有约束条件的所构成的空间 。 如图1-3上画出了满足两项约束条件g1（X）=x12＋x22—16 ≤ O和g2（X）＝2—X2≤0的二维设计问题的可行域D，它位于X2=2的上面和圆 x12＋x22=16的圆弧ABC下面并包括线段AC和圆弧ABC在内。 图1-3 约束条件规定的可行域D 3.目标函数 在优化过程中，通过设计变量的不断向F(X)值改善的方向自动调整，最后求得F(X)值最好或最满意的X值。在构造目标函数时，应注意目标函数必须包含全部设计变量，所有的设计变量必须包含在约束函数中。在机械设计中，可作为参考目标函数的有： 体积最小、重量最轻、效率最高、承载能力最大、结构运动精度最高、振幅或噪声最小、成本最低、能耗最小、动负荷最小等等。 ? 为了对设计进行定量评价，必须构造包含设计变量的评价函数，它是优化的目标，称为目标函数，以F(X)表示。 在最优化设计问题中，可以只有一个目标函数，称为单目标函数。当在同一设计中要提出多个目标函数时，这种问题称为多目标函数的最优化问题。在一般的机械最优化设计中，多目标函数的情况较多。目标函数愈多，设计的综合效果愈好，但问题的求解亦愈复杂。 在实际工程设计问题中，常常会遇到在多目标函数的某些目标之间存在矛盾的情况，这就要求设计者正确处理各目标函数之间的关系。 目标函数等值（线