复合机床动态耦合特性分析及优化

针对自主研制的复合机床多工况和多轴联动的特点,对机床在多轴联动下的动态耦合特性进行仿真分析,结果表明立柱为影响机床动态耦合性能的关键结构件;以立柱为优化目标,提出了一种BP神经网络近似模型与NSGA-Ⅱ算法相结合的优化设计方法;采用最佳填充空间试验设计,在设计空间抽取样本点进行网络训练,并构建神经网络近似模型;利用NSGA-Ⅱ算法对神经网络模型循环逼近优化,得到Patero前沿解。结果表明,优化后整机前两阶固有频率得到较大提升,机床在X、Y、Z方向上的共振峰值分别下降了41.0%,57.5%和39.7%。     

纯电动清扫车动力风机改型与优化

为提升纯电动类清扫车车用动力离心风机的性能,针对某风机转子叶轮进行了叶片型线改进和多目标优化.采用圆弧型叶片替代原始风机叶片,并建立叶轮参数化模型以便优化.结合最优拉丁超立方采样方法、Kriging模型和改进的NSGA-Ⅱ算法,以全压效率和全压为目标对叶轮进行了多目标优化.优化前后的数值模拟结果表明:单独叶轮优化后全压...     

基于Kriging模型的某轻型货车悬架系统多目标优化

针对底盘调校过程中操纵稳定性和行驶平顺性两个目标相互矛盾的问题,对某轻型货车悬架刚度阻尼进行优化匹配。在多体动力学软件ADAMS中建立整车的动力学模型,并通过操稳性道路试验验证模型的准确性。选取前后悬架的刚度、减震器阻尼曲线系数及后稳定杆的扭转刚度为优化变量,以汽车的操纵稳定性和行驶平顺性为优化目标,采用拉丁超立方试验设计拟合Kriging代理模型,利用遗传算法NSGA-Ⅱ对悬架系统进行多目标优化得到Pareto最优解集,并选取一个最优解进行ADAMS仿真验证。结果表明,汽车的行驶平顺性和操纵稳定性都得到了改善。     

基于双加点动态Kriging模型的提升塔架优化设计

为在满足强度要求的情况下尽量减小提升塔架质量,同时解决传统Kriging模型全局精度和局部精度不易同时保证的问题,提出了一种双加点动态Kriging模型,并利用该模型和人工蜂群算法对提升塔架进行了优化设计。将全局敏感性分析得到的敏感参数作为设计变量,利用拉丁超立方试验设计得到的样本数据建立初始Kriging模型,以最大应力为约束条件,通过人工蜂群算法对提升塔架进行了减重优化。优化过程中, 采用双加点准则不断更新Kriging模型,以提高模型的全局精度和最优解处局部精度,直到获得最优解。研究结果表明：在最大应力不变的条件下,优化后的提升塔架质量减小了39.37%。基于双加点动态Kriging模型的优化设计与仿真模型的优化设计相比,其优化效率大幅度提高。双加点动态Kriging模型相较于静态Kriging模型和基于传统加点准则的动态Kriging模型,具有更高的全局精度、局部精度和最优解处局部精度。     

近似模型聚合在机床立柱优化设计中的应用

建立了某重型机床立柱部件优化问题的数学模型,采用拉丁超立方试验设计生成50个隐式约束的有限元仿真数据样本。使用样本集分别建立Kriging模型、径向基神经网络和二阶多项式响应面模型,通过近似模型聚合方法来替代隐式约束的有限元计算。结合全局优化算法,得到一组可行的立柱尺寸参数组合,使机床立柱的质量减轻,并满足工作载荷下的挠度、应力和油压约束条件。研究表明:近似模型聚合方法很适合解决高仿真代价的隐式约束问题。     

立式振动磨关键结构参数的多目标优化设计

以获得立式振动磨最佳粉碎效果为目的,建立了立式振动磨参数化仿真模型,采用拉丁超立方方法生成样本数据,构建了立式振动磨响应面近似模型且其精度达到可接受水平。以振动强度、撞击力最大,研磨介质体积最小为目标函数,采用多目标遗传算法NSGA-Ⅱ对响应面近似模型进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,为立式振动磨结构设计和参数选择提供理论指导。最后,通过立式振动磨的优化算例说明了该方法的有效性。近似模型方法能提高优化效率,且该研究也为其他复杂模型的设计优化问题提供了一种方法。     

细化Kriging模型在轻轨车轴优化设计中的应用

基于仿真试验,根据低地板轻轨车轴的结构特点和性能指标,将Kriging插值和拉丁超立方抽样试验相结合来构造车轴多目标优化的代理数学模型,并通过多目标遗传算法寻找该代理模型的最优解作为车轴参数的设计依据。为了使所构造的Kriging响应面能准确高效地代表稳健优化目标和约束函数,将Kriging模型在响应面精度检验时的样本点和多目标遗传算法所产生的最优解检验点进行更新,直到达到精度要求为止,从而保证所建立的响应面模型具有较高的全局拟合精度和最优解拟合精度。     

基于双层更新Kriging模型的机械结构动态特性稳健优化设计

针对现有机械结构优化设计未考虑材料特性参数的不确定性和结构动态特性对综合性能的影响、优化求解效率低下等不足,提出基于双层更新Kriging模型的机械结构动态特性稳健优化设计方法。将机械结构动态特性指标的均值和方差作为优化目标,将机械结构变形量作为约束条件,建立机械结构动态特性稳健优化的数学模型。利用拉丁超立方试验设计、误差最大区域和近似最优解邻域的局部样本点加密技术和双层更新策略,建立能准确高效地获取稳健优化目标和约束函数值的Kriging模型。在此基础上,基于邻域培植遗传算法和双层更新的Kriging模型求出机械结构动态特性稳健优化问题的所有Pareto最优解。某型号大型汽轮发电机定子端部绕组锥环固定结构动态特性稳健优化设计实例验证了方法的有效性和相对于确定性优化设计方法的优越性。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化EI北大核心CSCD

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。