如何優(yōu)化設(shè)計(jì)吊籃車芯體裝配機(jī)壓裝部結(jié)構(gòu)?? 樹(shù)枝修剪車出租

手機(jī)：136-2222-7751，138-2229-3820

 安全 可靠  樹(shù)枝修剪車出租, 樹(shù)枝修剪車出租, 樹(shù)枝修剪車租賃  

    優(yōu)化設(shè)計(jì)數(shù)學(xué)模型的建立建立優(yōu)化問(wèn)題的數(shù)學(xué)模型，需要三個(gè)基本要素來(lái)對(duì)優(yōu)化設(shè)計(jì)問(wèn)題進(jìn)行描述，即設(shè)計(jì)變量、目標(biāo)函數(shù)及約束條件。1、設(shè)計(jì)變量結(jié)構(gòu)優(yōu)化設(shè)計(jì)的結(jié)果通過(guò)一組設(shè)計(jì)參數(shù)的最優(yōu)化組合來(lái)表現(xiàn)的。在優(yōu)化設(shè)計(jì)過(guò)程中根據(jù)已有數(shù)據(jù)、規(guī)律預(yù)先設(shè)定一些獨(dú)立參數(shù)，在搜尋最優(yōu)解的過(guò)程中逐步調(diào)整、修正，這些獨(dú)立參數(shù)就是設(shè)計(jì)變量。優(yōu)化問(wèn)題的維度就是這些參數(shù)的個(gè)數(shù)。2、目標(biāo)函數(shù)47目標(biāo)函數(shù)是反映設(shè)計(jì)變量關(guān)系的數(shù)學(xué)表達(dá)式，可以將所需求的性能指標(biāo)通過(guò)該數(shù)學(xué)表達(dá)式表示，通過(guò)對(duì)比最終函數(shù)值的大小評(píng)價(jià)優(yōu)化方案的好壞?？梢愿鶕?jù)目標(biāo)函數(shù)的數(shù)目分為單目標(biāo)優(yōu)化設(shè)計(jì)和多目標(biāo)優(yōu)化設(shè)計(jì)。3、約束條件約束條件也稱約束函數(shù)，是設(shè)計(jì)變量限制條件的表達(dá)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(wú)約束條件，可分為約束優(yōu)化和無(wú)約束優(yōu)化，工程中的優(yōu)化問(wèn)題多為約束優(yōu)化。

    多目標(biāo)優(yōu)化設(shè)計(jì)問(wèn)題在產(chǎn)品的實(shí)際問(wèn)題中以多目標(biāo)優(yōu)化設(shè)計(jì)問(wèn)題居多。優(yōu)化目標(biāo)相互聯(lián)系或相互制約，一個(gè)設(shè)計(jì)指標(biāo)性能的提高會(huì)使其他優(yōu)化指標(biāo)性能下降。因此工程中一般無(wú)法使所有優(yōu)化目標(biāo)都達(dá)到最優(yōu)，而是存在一個(gè)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(jì)要求和工作經(jīng)驗(yàn)折衷處理，選出一個(gè)或多個(gè)解作為問(wèn)題的最優(yōu)解。對(duì)芯體裝配機(jī)壓裝部結(jié)構(gòu)部分進(jìn)行優(yōu)化設(shè)計(jì)時(shí)，需要對(duì)結(jié)構(gòu)進(jìn)行減重，同時(shí)還需要提高結(jié)構(gòu)的動(dòng)靜態(tài)特性，在實(shí)際情況中這兩方面的優(yōu)化目標(biāo)是相互矛盾的，因此，芯體裝配機(jī)壓裝部結(jié)構(gòu)的優(yōu)化設(shè)計(jì)屬于多目標(biāo)優(yōu)化設(shè)計(jì)的范疇，其優(yōu)化設(shè)計(jì)的目的就是找出減輕重量、提高性能等對(duì)立優(yōu)化目標(biāo)間的平衡點(diǎn)。

     多目標(biāo)遺傳算法上文指出芯體裝配機(jī)壓裝部結(jié)構(gòu)的優(yōu)化設(shè)計(jì)是一個(gè)多目標(biāo)優(yōu)化問(wèn)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(duì)于解決大型、復(fù)雜的優(yōu)化問(wèn)題有很強(qiáng)的適用性，因此，本文基于多目標(biāo)遺傳算法對(duì)壓裝部結(jié)構(gòu)進(jìn)行優(yōu)化。遺傳算法應(yīng)用自然界的進(jìn)化方法求解現(xiàn)代工程中的問(wèn)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(gè)體的適應(yīng)性，從父代種群中選取優(yōu)良的個(gè)體并遺傳到子代種群中。一般選擇的方法有隨機(jī)遍歷抽樣、截?cái)噙x擇、局部選擇等。

    2）交叉。交叉是遺傳算法中最重要的一項(xiàng)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(gè)體特征的新個(gè)體。在實(shí)數(shù)編碼中，交叉產(chǎn)生的新個(gè)體可以表示如下：，是一個(gè)隨機(jī)數(shù)，0,1；1x和2x是交叉前的個(gè)體；1x￠和2x￠是交叉后產(chǎn)生的新個(gè)體。交叉是新個(gè)體產(chǎn)生的主要途徑，可以通過(guò)增大交叉概率cP來(lái)提高新個(gè)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(duì)個(gè)體的某些部位取反運(yùn)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(shí)數(shù)編碼中變異產(chǎn)生的新個(gè)體表示如下：maxmin(0.5)()meanx￠x+xx（5.3）式中，(0,1)的一個(gè)隨機(jī)數(shù)；xmax、xmin是變異過(guò)程中存在的最大值和最小值；xmean=（xmax+xmin）/2；x￠是變異后的新個(gè)體。為了防止種群中優(yōu)良個(gè)體發(fā)生變異，變異概率Pm不宜過(guò)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(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為單目標(biāo)優(yōu)化來(lái)獲得針對(duì)某一目標(biāo)的一個(gè)解，經(jīng)過(guò)多次求解后近似得到多個(gè)優(yōu)化目標(biāo)的最優(yōu)解集。而多目標(biāo)遺傳算法是在多目標(biāo)優(yōu)化設(shè)計(jì)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(biāo)遺傳算法通過(guò)對(duì)現(xiàn)有種群選擇、交叉和變異，通過(guò)生成的新解替代確定的劣解，對(duì)足夠數(shù)目的種群進(jìn)行適當(dāng)次數(shù)的計(jì)算獲得Pareto最優(yōu)解集，從而找到最優(yōu)解。