如何優化設計吊籃車芯體裝配機壓裝部結構?? 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  

    優化設計數學模型的建立建立優化問題的數學模型，需要三個基本要素來對優化設計問題進行描述，即設計變量、目標函數及約束條件。1、設計變量結構優化設計的結果通過一組設計參數的最優化組合來表現的。在優化設計過程中根據已有數據、規律預先設定一些獨立參數，在搜尋最優解的過程中逐步調整、修正，這些獨立參數就是設計變量。優化問題的維度就是這些參數的個數。2、目標函數47目標函數是反映設計變量關系的數學表達式，可以將所需求的性能指標通過該數學表達式表示，通過對比最終函數值的大小評價優化方案的好壞。可以根據目標函數的數目分為單目標優化設計和多目標優化設計。3、約束條件約束條件也稱約束函數，是設計變量限制條件的表達式。根據約束條件，可以分為邊界約束和性能約束；根據有無約束條件，可分為約束優化和無約束優化，工程中的優化問題多為約束優化。

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

     多目標遺傳算法上文指出芯體裝配機壓裝部結構的優化設計是一個多目標優化問題，而目前在一系列優化方法中，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“死循環”現象，對于解決大型、復雜的優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構進行優化。遺傳算法應用自然界的進化方法求解現代工程中的問題，基本操作包括：選擇、交叉和變異，具體含義如下：

    1）選擇。根據個體的適應性，從父代種群中選取優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，基本思想是產生結合父代種群信息、能繼承父代個體特征的新個體。在實數編碼中，交叉產生的新個體可以表示如下：，是一個隨機數，0,1；1x和2x是交叉前的個體；1x￠和2x￠是交叉后產生的新個體。交叉是新個體產生的主要途徑，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，可以防止早熟現象的發生，保持種群的多樣性。實數編碼中變異產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；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。為了防止種群中優良個體發生變異，變異概率Pm不宜過大，一般取值范圍為0.0001~0.1。傳統的優化算法將多目標優化問題轉化為單目標優化來獲得針對某一目標的一個解，經過多次求解后近似得到多個優化目標的最優解集。而多目標遺傳算法是在多目標優化設計的基礎上，能夠一次求解優化出不同權重分配下的所有的Pareto最優解集，更高效。而且，多目標遺傳算法通過對現有種群選擇、交叉和變異，通過生成的新解替代確定的劣解，對足夠數目的種群進行適當次數的計算獲得Pareto最優解集，從而找到最優解。