门座起重机变幅机构中齿轮_齿条的遗传优化方法.docVIP

门座起重机变幅机构中齿轮)齿条的遗传优化方法 南京交通高等专科学校 林晓通 林晓辉 刘娜 高澍 摘要:通过对遗传算法优化设计门座起重机变幅机构中齿轮)齿条传动问题的研究,得出遗传算法与传统优化方法相比具有全局寻优能力强、不需要导数信息和并行运算等优点。为了避免寻优过程陷入局部最优,该算法引入了相似尺度函数。计算结果表明,遗传算法能保证高效率的寻到问题的全局最优解和若干个局部最优解。 叙词:门座起重机 变幅机构 齿轮传动 遗传 优化 Abstract:Thispaperstudiestheproblemofoptimaldesignofgear-rackdrivesonluffingmechanismsofportalcranes,concludingtheadvantagesofthegeneticalgorithmovertraditionaloptimaldesignmethodsuchasbetterwholeoptimizationcharac-teristic,containingconcurrentcalculationandnoneedforderivation.Toavoidobtainingpartialoptimalsolutionsonly,thege-neticmethodintroducessimilardimensionfunction.Thecalculatingresultsindicatethatthegeneticalgorithmcanmakesuretoob-tainboththewholeoptimalsolutionandseveralpartialoptimalsolutions. Keywords:Portalcrane Luffingmechanism GearDrive Genetics Optimization 在门座起重机的变幅机构中(见图1),齿轮)齿条的摇架传动形式是被广泛采用的形式之一。设计中已知齿条力来确定的几何参数、齿轮轴的几何参数,常规的方法是根据小齿轮数Z、模数m、变位系数N、齿宽B、齿轮轴径d、齿轮轴的长度L等参数,由经验选取某些参数,然后分别根据齿轮弯曲强度条件、齿轮强度条件、轴的疲劳强度条件以及结构要求确定其余参数。虽然得到了一系列较好的几何尺寸参数,但实际上由于小齿轮的几何参数直接影响到齿轮轴上的载荷、变幅机构一般传动比较大、希望齿轮)齿条传动有最合适的传动比等原因,常规计算方法所得到的结果并不是最优的解,因此变幅机构的齿轮)齿条传动优化设计问题具有非常现实的意义。 传统的优化方程一般仅从一个初始点开始寻优,不易寻到全局最优解,而且寻优过程需要目标函数的导数信息,寻优效率较差。遗传算法是一种寻优能力较强的算法,具有概率收敛到全局最优解、并隐含并行运算、寻优过程不需要导数信息以及寻优效率高等优点。本文采用该算法对变幅机构的齿轮)齿条进行优化设计,引入相似尺度函数,可克服寻优过程陷入局部最优的问题, 提高收敛到图1 门座起重机变幅机构示意图1.配重 2.象鼻架 3.齿条 4.小齿轮 全局最优解的概率。 1 遗传优化算法的基本原理 遗传优化算法(简称GA算法)是模拟自然界中的/优胜劣汰0法则进行寻优的,它主要由以下过程组成: (1)将设计向量进行编码(一般采用二进制编码),形成设计向量的基因码串。 (2)随机生成N个初始基因编码串(每个编码串代表一个设计向量),从N个初始向量开始寻优搜索。 (3)计算每个设计向量的适应度(函数优化一般以函数值作为适应度),遗传优化算法是通过适 应度来评价各设计向量的优劣,从而进行优胜劣汰。 (4)对N个设计向量群体进行筛选运算操作,目的是从N个设计向量群体中根据适应度选出优良的个体,使它们有机会遗传后代。 (5)对筛选后的设计向量群体进行交叉运算操作,随机生成交叉位置i,将任意两设计向量的基因码串i右边的编码进行交换,产生两个新的基因码串,这两个基因码串组合了父代的特点。(6)对经过交叉运算的设计向量群体进行变异运算操作。首先在N个设计向量群体中随机选择一个设计向量,以一定概率随机改变该设计向量基因码串的某个编码值,对于二进码就是将1变为0,将0变为1,变异运算为产生新的设计向量基因码串提供了机会。 (7)经过筛选、交叉、变异运算操作后,形成了新一代(子代)设计向量码串,然后判断终止条件,条件满足则输出子代中优良性最好的设计向量为优化结果,否则转向(3)继续进行遗传迭代。 为了保持设计向量群体的多样,局部提高遗传算法搜索全局最优的能力,将以下相似尺度函数来修改适应度。相似尺度函数形式为: g(Si,Sj)=|xi-xj| 式中 Si)))第i个设计向量 Sj)))第j个设计向量 x)))第i个设计向量中的第k个设计