如何優(yōu)化設(shè)計吊籃車芯體裝配機壓裝部結(jié)構(gòu)?? 樹枝修剪車出租

手機：136-2222-7751，138-2229-3820

 安全 可靠  樹枝修剪車出租, 樹枝修剪車出租, 樹枝修剪車租賃  

    優(yōu)化設(shè)計數(shù)學(xué)模型的建立建立優(yōu)化問題的數(shù)學(xué)模型，需要三個基本要素來對優(yōu)化設(shè)計問題進行描述，即設(shè)計變量、目標函數(shù)及約束條件。1、設(shè)計變量結(jié)構(gòu)優(yōu)化設(shè)計的結(jié)果通過一組設(shè)計參數(shù)的最優(yōu)化組合來表現(xiàn)的。在優(yōu)化設(shè)計過程中根據(jù)已有數(shù)據(jù)、規(guī)律預(yù)先設(shè)定一些獨立參數(shù)，在搜尋最優(yōu)解的過程中逐步調(diào)整、修正，這些獨立參數(shù)就是設(shè)計變量。優(yōu)化問題的維度就是這些參數(shù)的個數(shù)。2、目標函數(shù)47目標函數(shù)是反映設(shè)計變量關(guān)系的數(shù)學(xué)表達式，可以將所需求的性能指標通過該數(shù)學(xué)表達式表示，通過對比最終函數(shù)值的大小評價優(yōu)化方案的好壞。可以根據(jù)目標函數(shù)的數(shù)目分為單目標優(yōu)化設(shè)計和多目標優(yōu)化設(shè)計。3、約束條件約束條件也稱約束函數(shù)，是設(shè)計變量限制條件的表達式。根據(jù)約束條件，可以分為邊界約束和性能約束；根據(jù)有無約束條件，可分為約束優(yōu)化和無約束優(yōu)化，工程中的優(yōu)化問題多為約束優(yōu)化。

    多目標優(yōu)化設(shè)計問題在產(chǎn)品的實際問題中以多目標優(yōu)化設(shè)計問題居多。優(yōu)化目標相互聯(lián)系或相互制約，一個設(shè)計指標性能的提高會使其他優(yōu)化指標性能下降。因此工程中一般無法使所有優(yōu)化目標都達到最優(yōu)，而是存在一個折衷解的集合，被稱為Pareto最優(yōu)解集。這些最優(yōu)解需要決策者根據(jù)設(shè)計要求和工作經(jīng)驗折衷處理，選出一個或多個解作為問題的最優(yōu)解。對芯體裝配機壓裝部結(jié)構(gòu)部分進行優(yōu)化設(shè)計時，需要對結(jié)構(gòu)進行減重，同時還需要提高結(jié)構(gòu)的動靜態(tài)特性，在實際情況中這兩方面的優(yōu)化目標是相互矛盾的，因此，芯體裝配機壓裝部結(jié)構(gòu)的優(yōu)化設(shè)計屬于多目標優(yōu)化設(shè)計的范疇，其優(yōu)化設(shè)計的目的就是找出減輕重量、提高性能等對立優(yōu)化目標間的平衡點。

     多目標遺傳算法上文指出芯體裝配機壓裝部結(jié)構(gòu)的優(yōu)化設(shè)計是一個多目標優(yōu)化問題，而目前在一系列優(yōu)化方法中，遺傳算法是一種有效的直接搜索方法，能夠避免一般算法容易陷入局部陷阱出現(xiàn)“死循環(huán)”現(xiàn)象，對于解決大型、復(fù)雜的優(yōu)化問題有很強的適用性，因此，本文基于多目標遺傳算法對壓裝部結(jié)構(gòu)進行優(yōu)化。遺傳算法應(yīng)用自然界的進化方法求解現(xiàn)代工程中的問題，基本操作包括：選擇、交叉和變異，具體含義如下：

    1）選擇。根據(jù)個體的適應(yīng)性，從父代種群中選取優(yōu)良的個體并遺傳到子代種群中。一般選擇的方法有隨機遍歷抽樣、截斷選擇、局部選擇等。

    2）交叉。交叉是遺傳算法中最重要的一項操作，基本思想是產(chǎn)生結(jié)合父代種群信息、能繼承父代個體特征的新個體。在實數(shù)編碼中，交叉產(chǎn)生的新個體可以表示如下：，是一個隨機數(shù)，0,1；1x和2x是交叉前的個體；1x￠和2x￠是交叉后產(chǎn)生的新個體。交叉是新個體產(chǎn)生的主要途徑，可以通過增大交叉概率cP來提高新個體的產(chǎn)生速度，一般取值范圍為0.59~0.99。

    3）變異。變異的基本思想是對個體的某些部位取反運算，使算法獲得高效的局部搜索能力，可以防止早熟現(xiàn)象的發(fā)生，保持種群的多樣性。實數(shù)編碼中變異產(chǎn)生的新個體表示如下：maxmin(0.5)()meanx￠x+xx（5.3）式中，(0,1)的一個隨機數(shù)；xmax、xmin是變異過程中存在的最大值和最小值；xmean=（xmax+xmin）/2；x￠是變異后的新個體。為了防止種群中優(yōu)良個體發(fā)生變異，變異概率Pm不宜過大，一般取值范圍為0.0001~0.1。傳統(tǒng)的優(yōu)化算法將多目標優(yōu)化問題轉(zhuǎn)化為單目標優(yōu)化來獲得針對某一目標的一個解，經(jīng)過多次求解后近似得到多個優(yōu)化目標的最優(yōu)解集。而多目標遺傳算法是在多目標優(yōu)化設(shè)計的基礎(chǔ)上，能夠一次求解優(yōu)化出不同權(quán)重分配下的所有的Pareto最優(yōu)解集，更高效。而且，多目標遺傳算法通過對現(xiàn)有種群選擇、交叉和變異，通過生成的新解替代確定的劣解，對足夠數(shù)目的種群進行適當(dāng)次數(shù)的計算獲得Pareto最優(yōu)解集，從而找到最優(yōu)解。