多目标遗传算法在整车轻量化优化设计中的应用研究

采用D－最优试验设计方法对汽车前部关键吸能部件的材料和板料厚度进行多参数空间的样本数据设计;为提高计算效率,将能够代表整车正面碰撞过程的高精度多参数近似模型引入到整车轻量化优化设计中,并利用多目标遗传算法对近似模型进行优化,使得车身前部吸能部件的板料厚度和材料得到合理配置,同时也使得整车质量和B柱加速度尽可能最小。在车辆安全性满足CMVDR294安全法规的同时,也在一定程度上减小了整车的质量。     

基于遗传算法的汽车驱动轴多目标轻量化优化设计

驱动轴是汽车传动系统的重要零部件之一,它对汽车驱动性能和运行稳定性有重大影响。依据汽车轻量化技术的发展趋势,提出了一种基于数值优化和有限元模拟技术相结合的多目标轻量化设计方法。以汽车驱动轴的内径值为设计参数,在满足驱动轴刚度和强度约束条件下,利用拉丁方试验设计和最小二乘方法建立了驱动轴多目标轻量化设计的响应面预测模型,并采用多目标遗传算法计算得到了驱动轴多目标轻量化设计函数的Pareto解集,结合实际产品设计的需要,研发了一种新型全空心驱动轴结构,运用有限元法对新型驱动轴的模态振型和等效应力等力学特性进行了分析。仿真结果表明:新型驱动轴等效应力最大值发生在花键末端圆角过渡部位,低于驱动轴材料的抗扭强度,满足强度设计要求;驱动轴的前10阶非零振型主要为弯曲变形,新型驱动轴固有频率与实心驱动轴固有频率相近,在使用过程中可有效避免共振。为驱动轴以及其它机械产品的多目标轻量化设计提供了一种新的理论方法,在汽车行业轻量化设计方面具有重要参考价值。     

可重构装配线多目标优化调度研究

针对可重构装配线调度存在的问题,综合考虑影响可重构装配线调度的三个主要因素,即最小化空闲和未完工作业量、均衡零部件的使用速率、最小化装配线重构成本,建立了可重构装配线多目标优化调度的数学模型。提出了一种基于Pareto多目标遗传算法的可重构装配线优化调度方法,该算法综合运用了群体排序技术、小生境技术、Pareto解集过滤及精英保留策略,并采用了交叉概率和变异概率的自适应重构策略。实例仿真表明该算法具有比其他遗传算法更高的求解质量。

     

基于BP网络和Pareto遗传算法的多目标协同优化

多学科设计优化（MDO）问题往往是多目标的。Pareto遗传算法（PGA）所求得的Pareto最优解集为设计决策提供了很大方便。针对在CO的计算构架中直接使用PGA会导致计算量过大的问题，提出基于BP神经网络和pareto遗传算法的多目标协同优化方法。采用试验设计方法选择设计点，构造具有全局近似能力的各学科优化神经网络响应面，进而采用PGA进行系统层优化问题的多目标寻优。用上述方法对某型干线客机进行总体多目标优化。与直接采用PGA求解MDF单级多目标优化模型所得的计算结果对比表明，所提出的方法能有效近似该问题的Pareto最优前沿．、     

基于响应面的码垛机器人承载体多目标优化

针对4自由度码垛机器人承载体结构轻量化设计的需要,在对码垛机器人腕部旋转部分结构设计和受力体末端执行器承载体动态性能分析的基础上,建立了一种将多目标优化和响应面优化相结合的优化算法,以承载体的尺寸作为设计变量,以承载体的刚度δ、强度σ、一阶频率f、质量M最轻为优化目标进行优化设计,优化的结果表明:优化后的质量的到明显减少,一阶固有频率有所提高,变形量有所减小,强度有所增大,但不影响其性能,达到轻量化的优化效果。     

基于可靠性的多学科设计优化在薄壁梁轻量化设计中的应用研究

针对对车身安全性有重要影响的薄壁纵梁进行优化设计,提出将薄壁梁的设计过程看作是一个需要考虑安全性、静态承载特性与一阶振动模态等方面的多学科优化过程的分析方法。同时,优化设计过程涉及材料、尺寸、焊点的布置等众多参数,传统的确定性优化设计结果往往都收敛于约束边界,而不能满足产品设计的可靠性要求。将试验设计、响应面模型、可靠性理论与遗传算法相结合,构造了基于产品质量工程的薄壁纵梁的可靠性多学科优化设计方法,与传统的确定性优化结果相比较得知,可靠性优化结果不仅较好地满足了轻量化的设计要求,同时也使得薄壁梁的使用可靠性有较大幅度的提高。     

基于响应面模型的白车身多目标轻量化设计

基于MSC/NASTRAN软件平台建立了某多用途汽车（MPV）白车身有限元模型。首先,利用相对灵敏度分析方法选取了19个白车身零部件壁厚作为轻量化设计变量;然后,采用拉丁超立方试验方法和一阶响应面模型方法建立白车身质量、弯扭刚度、一阶弯扭模态的近似模型,模型的复相关系值R2都接近1.0,模型精度高;最后,以白车身质量最小和扭转刚度最大为优化目标函数,弯曲刚度和一阶弯扭模态为约束条件,采用非支配排序遗传算法对白车身进行多目标优化。优化结果表明,轻量化后的白车身弯扭刚度、一阶变扭模态变化均小于1.0%,且在不改变用材的前提下,实现白车身减重6.4kg。     

多材料——多零件规格组合结构多目标优化的应用

提出一种包括零部件系统的材料类型、零件规格、零件厚度的组合结构并以质量及成本最小化为目标的多目标优化方法.常规的轻量化设计往往在零件材料或者零件规格单一化的基础上对零件厚度进行优化设计.推导出这种多材料-多零件规格组合结构的多目标优化的数学模型.通过将材料类型而不是材料的多个属性、零件规格而不是零件的几何和价格属性定义为离散变量,大大降低了优化问题的复杂程度.采用最优拉丁试验计及最小二乘响应面方法构建多目标优化系统的各个目标及约束性能参数的近似模型.利用多目标遗传优化算法NSGA-II (非支配解排序遗传算法)对多目标优化模型进行优化.利用此方法对某转向盘进行轻量化设计,为验证优化结果建立转向盘抗压试验台架.结果验证了该方法的可行性.     

面向客户定制产品开发的多目标优化算法设计

对多目标优化进化算法进行研究,设计了基于客户需求信息的产品多目标优化算法。针对进化算法优化效率低的缺点,提出了目标侧重度概念,使进化算法有选择地收敛,提高了算法的优化效率;针对进化算法容易陷入局部最优和解分布不均匀的缺点,提出了目标间距概念,避免算法在收敛过程中早熟,保证了最优解的多样性,降低了客户的选择压力。在MATLAB 7.0平台上对改进算法进行仿真实验,并与NSGA-2和SPEA-2两种进化算法进行对比分析,验证了改进算法的可行性、可靠性与优越性。     

多目标优化在大型加工中心轻量化设计中的应用

为保证某大型加工中心的加工精度和切削效率,以其关键部件立柱为例,提出以质量及一阶固有频率为多目标优化的机床轻量化设计方法。首先根据有限元法利用有限元分析软件ABAQUS对立柱进行动静态特性分析,根据立柱结构分析提取影响1阶固有频率与质量的关键因素。通过均匀试验设计,利用MATLAB建立目标与关键因素的多元线性回归方程并进行灵敏度分析,找出敏感性因素。运用响应面法建立敏感因素与目标的2阶响应面数学模型,进而建立以减轻质量与提高固有频率为目标的立柱优化模型,最后应用MATLAB对数学模型进行优化求解。立柱经过优化后,提高立柱固有频率的同时质量减轻13.6%。     

基于多目标优化的钢-铝混合轻量化车架设计

以国产某SUV车架为研究对象,建立了车架有限元模型,对车架进行弯曲刚度、扭转刚度分析,并进行模态分析和模态试验,验证模型的有效性。利用正交试验法确定了材料轻量化部件,并将这些部件的钢材料替换成铝合金,得到钢-铝混合轻量化车架。针对钢-铝混合轻量化车架刚度和模态性能的减弱问题,采用基于折中规划法的多目标形貌优化方法对部件进行优化改进,提高了车架的刚度和模态性能。设计结果表明,使用钢、铝材料结合多目标优化方法设计的钢-铝混合轻量化车架相比原钢质车架在保证一定的刚度和模态性能条件下,质量减轻了6.7kg。     

设计空间差别处理优化方法及其在汽车轻量化设计中的应用

提出了一种设计空间差别处理方法,改进了传统的设计空间移除方法会移除全局最优的弱点。首先应用昂贵点构建一个逐渐缩小的重点空间,同时将在设计空间移除方法中被删除的空间定义为其他空间,然后每次迭代都应用二阶多项式响应面（QF）同时搜索这两类空间,并分别从中选取数目不同的新的昂贵点参与QF的更新和重建。该方法采用在其他空间中选择少量新的昂贵点来代替移除空间,有效地避免了局部最优的陷阱。多个标准函数算例的验证表明,新的方法具有较高的精度和效率。将该方法应用于某款车的后车架轻量化设计中,经过优化,后车架系统的质量减小了7.67kg,即整个系统质量减小了10.4%,且其刚度性能得到提高。与以前提出的混合自适应元模型方法相比,新方法的精度和效率都有显著提高。     

基于多目标遗传算法的齿轮传动优化

针对某牵引机车齿轮常出现齿面胶合、点蚀等问题,采用遗传算法,以重合度,齿面接触应力和齿根弯曲应力为优化目标,对齿轮的啮合参数进行了优化。为节省计算成本,在齿轮参数化有限元模型仿真计算的基础上,建立了齿面接触应力和齿根弯曲应力的代理模型。结果表明:遗传算法在多维区域内能快速有效的搜索Pareto解集,实现多目标的优化。以优化的结果对齿轮进行重新设计后,经有限元仿真验证,轮齿齿面接触应力及齿根弯曲应力均得到有效降低。     

多学科优化设计在热成形车架轻量化中的应用

采用最优拉丁方试验设计方法进行样本数据设计,采用移动最小二乘响应面方法构建白车身扭转刚度、白车身关键区域强度、整车正碰多学科系统的近似模型。利用连续二次规划优化方法对此近似模型进行优化,将热成形板的前中后大梁厚度、大梁内部加强板厚度作为设计变量,在满足正碰设计要求、白车身强度刚度要求的同时,显著减小了车架的质量。     

横风下高速列车流线型头型多目标气动优化设计

为改善高速列车的横风气动性能,建立高速列车流线型头型的多目标优化设计方法,以横风下高速列车的侧力和升力为优化目标,对高速列车流线型头型进行多目标自动优化设计。建立高速列车流线型头型的参数化模型,提取出5个优化设计变量,利用计算流体动力学方法进行高速列车流场计算,并结合多目标遗传算法,实现横风下高速列车流线型头型的自动寻优设计。通过相关性分析,得到影响侧力和升力的关键优化设计变量,并进一步研究关键优化设计变量和优化目标之间的非线性关系。经过多目标优化设计,获得一系列的Pareto最优头型,这些头型的横风气动性能均得到明显改善。同时为保证无风环境下高速列车的基本气动性能不发生恶化,最终筛选出8个Pareto最优头型。对于这8个Pareto最优头型,相对于原始头型来说,横风下的侧力最多可降低3.06%,横风下的升力最多可降低19.60%,无风时的气动阻力最多可降低4.51%,无风时的气动升力最多可降低9.68%。     

基于协同优化和多目标遗传算法的车身结构多学科优化设计

在汽车车身结构NVH和侧面碰撞安全性研究中,实施多学科多目标优化的可行性设计。通过试验设计制定试验方案并进行数据采样,构建考虑整车侧撞安全性、白车身模态、静态弯曲刚度、扭转刚度和轻量化等性能的响应面近似模型,然后对车身结构分别进行确定性和可靠性轻量化单目标设计。最后,运用多目标遗传算法结合多学科协同优化对车身结构进行多目标优化设计,获取Pareto最优化解集。研究结果表明:可靠性优化设计较确定性优化设计而言,能考虑产品设计和生产过程中的不确定性因素,保证产品稳健性;车身结构的多目标优化设计全面考虑了车身结构轻量化、NVH和碰撞安全性能等多学科之间的耦合和解耦;设计者可按需选择其满意的优化结果,这将大幅缩减产品开发周期、降低产品开发成本。     

基于流固耦合的液压阀芯均压槽多目标优化设计

高压大流量换向阀依靠阀芯的移动来实现控制执行机构的运作,合理的设计阀芯上均压槽的尺寸、槽间距与阀芯与阀套间间隙能够降低阀芯与阀套之间的卡紧力与泄漏量。基于ANSYS建立流固耦合三维求解模型,以矩形均压槽宽深比、槽间距和阀芯与阀套间间隙为设计变量,将泄漏量、卡紧力与等效应力作为响应变量,通过建立Non-Parametric Regression响应面模型,分析了设计变量对响应变量的影响。结合多目标遗传算法(MOGA),实现阀芯均压槽的尺寸与分布的优化设计。当均压槽槽宽与槽深比值为0.83,槽间距为1.43 mm,阀芯与阀套间间隙为0.027 mm时,泄漏量与卡紧力能够较小,其值分别为6.05 mL·min^-1和0.28 N,与优化前相比泄漏量降低了25%,卡紧力降低了36%。为阀芯均压槽的尺寸设计提供了参考。     

基于多目标遗传算法的鱼雷多学科稳健优化设计

传统的多学科设计优化多为确定性优化,这种设计优化忽视了系统本身固有的不确定性因素,求得的最优解往往只具有数学意义,很难应用于工程实践。本文将多目标遗传优化算法与多学科设计优化方法相结合,同时考虑了稳健性对优化结果的影响,采用响应面近似方法获得系统耦合关系,通过效力系数把设计变量分配到相应的子空间中,在每一个子空间里都进行基于遗传算法的多目标优化,使各学科的模拟分析、优化设计得到并行设计。提高了优化效率。本文通过鱼雷总体多学科优化设计的算例证明了此方法的可行性。在工程实践中有一定的指导意义。     

基于多目标遗传算法的扭转梁式后悬架分析与设计

通过推导扭转横梁的剪切中心,建立了某扭转梁式后悬架等效侧倾运动学模型,计算得到了前束角、轮距以及侧倾中心随侧倾运动时轮跳的变化关系。利用多目标遗传算法,将悬架横梁的位置、衬套中心位置作为设计变量,以车轮运动的前束角、轮胎侧向滑移量以及静态侧倾中心高度为目标函数对数学模型进行了优化,一次性获得了所有的非支配解。通过获得的Pareto解的边界,选择合适的悬架侧倾运动学特性,可以指导扭转梁式后悬架的设计,大幅提高扭转梁式后悬架的设计效率。     

一种基于多目标优化的测试性分配方法

针对测试性分配问题,在测试性分配数学分析的基础上提出了一种以全生命周期费用和测试性水平为目标的多目标优化模型。在求解模型时,按照权重将多目标问题转化为单目标优化问题后采用浮点编码遗传算法求解,该模型有利于提高求解精度,尤其在分配参数较多的情况下,可以改变各目标权重值,满足不同的分配需求。最后应用该模型对某型工程机械液压系统进行实际分配,分析结果表明该模型能够对系统测试性和全生命周期费用进行有效权衡,在系统及其子系统（或单元）测试性指标约束下进行合理的测试性分配。