性能驱动的机械产品优化设计集成平台软件开发

《性能驱动的机械产品优化设计集成平台软件开发》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研究工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人已经发表或撰写过的研究成果，．也不包含为获得．叁鲞叁堂或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。学位论文作者签名：莲瞻氛签字日期：)口。3年易月，f日学位论文版权使用授权书本学位论文作者完全了解丞壅基鲎有关保留、使用学位论文的规定。特授权丕鲞叁堂可以将学位论文的全部或部分内容编入有关数据库进行检索，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同

2、意学校向国家有关部门或机构送交论文的复印件和磁盘。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：签字日期：)pD＆年6月¨日导师签名：签字日期：夕司年易月c，L伯第一章绪论日益激烈的市场竞争，对机械产品的设计提出了更高的要求。为了提高机械产品的性能和质量，缩短设计周期和降低原材料消耗及制造成本，优化设计技术倍受机械工程师们的青睐，得到了广泛的应用。近20年来，随着计算机性能的不断提高，计算技术和优化理论的发展以及工程应用的需要，机械产品优化设计已经从传统的面向零部件、单一工作过程、单一学科的局部优化发展到面向整体的多学科的全面优化【lJ。在机械优化设计的过程

3、中，充分利用计算机辅助设计／分析／优化(CAD／CAE／CAO)一体化技术，实现机械产品快速优化设计已成为机械优化设计的重要研究内容。1．1课题研究的背景及意义机械产品优化设计是使某项机械设计在规定的各种设计限制条件下，优选设计参数，使某项或几项设计指标获得最优值的设计过程。工程设计上的最优值是指在满足多种设计目标和约束条件下所获得的最令人满意和最适宜的值。1．1．1机械产品优化设计问题的特点与传统的优化设计问题相比，机械产品，尤其是复杂机械产品的优化设计问题具有以下特剧2J：(1)复杂性。复杂性是复杂系统的本质特征。复杂机械产品都是由多个子系统组成，各个子系统之间存在

4、着错综复杂的非线性相互作用关系，彼此之间的耦合或强或弱。这就导致复杂机械系统优化设计的目标函数、约束条件和设计变量之间的关系非常复杂，大多是不连续、不可微、多峰值、有噪音的黑箱函数，梯度信息匮乏。(2)跨学科性。机械设计过程是多学科知识的综合过程，面向复杂机械系统设计全过程的优化设计涉及到多个学科领域的知识，具有跨学科的特性。如液压机结构参数优化设计问题，涉及到机械强度，动力学，和摩擦学等众多学科，各学科之间存在相互联系、影响和耦合。(3)多目标多约束多参数。目标函数、约束条件和设计变量是优化设计的三个基本要素。复杂机械系统优化设计一般表现为多目标多约束多参数的优化问第

5、一章绪论题，且各子目标函数之间存在着相互矛盾的关系。如液压机优化问题，其优化目标为机床重量和刚度，而两者是相互矛盾的关系。(4)隐含性。复杂机械产品中各个子系统间的耦合关系多隐含在一组偏微分方程组中，这导致优化设计问题的目标函数、约束条件难以用一般的解析表达式来表示。1．1．2机械产品优化设计的主要问题首先，复杂机械产品的目标函数和约束条件函数难以准确的写出。从数学原理上看，机械产品的设计变量与其特性参数之间的关系，实质上是一种高度非线性的映射关系，无法用一个简单的数学函数来表示，因此其目标函数很难建立。约束条件众多，有些条件很难用准确的函数来表达【引。其次，就复杂机械

6、产品优化设计而言，由于其问题的复杂性，至今还没有一套完整的优化设计理论来供人们遵循，设计中很多方面有主观因素在内。特别地，在如下几方面有待进一步的探索和研究：对具有非线性特点的复杂机械系统，如何解决其全局优化设计问题；对具有最优值的复杂机械系统，如何求得最优值；对于复杂机械系统，在随机条件下，如何进行系统稳健设计14J。1．1．3机械产品优化设计的发展趋势(1)寻找可靠而又高效的算法。对于非线性目标模型的求解方法来说，基于梯度的方法运算速度较快，但易陷入局部最优，对目标函数和可行域也有一定的限制。利用遗传算法可以处理结构复杂的非线性模型，并且在种群中个体数目和遗传代数不

7、受限制的情况下，运算结果以概率逼近全局最优解，但运算量较大151。如何将遗传算法与其它算法相结合，提高优化设计的可靠性和效率，是近年来研究的重点，这方面已有一些成果，但仍需进一步研究。(2)利用人工神经网络来解决目标函数和约束条件函数难以准确的表达的问题。人工神经网络模型是由大量神经元互连而成的网络，具有极强的非线性映射功能，是一种描述和处理非线性关系的有力数学工具，因此，可以通过神经网络实现机械系统设计变量与其特性参数之间的映射，并利用该神经网络模型建立目标函数，此时是利用神经网络的权值矩阵来储存目标函数和约束条件函数的信息，在实际训练