摘 要:總結了機械系統優化設計的特點,從優化設計數學模型建立和求解算法兩方面討論了機械系統優化設計的研究趨勢和應用現狀,討論了一些可用于機械系統優化設計的方法,對今后的機械設計提出了展望。 關現代設計方法;機械優化設計;6 C4 ?0 _, B. d- f# w1 U5 u
引言
& B. m. J7 _' b* P: V4 `# ^ 日益激烈的市場競爭,對機械產品的設計提出了更高的要求。為了提高機械產品的性能和質量,縮短設計周期和降低原材料消耗和制造成本,優化設計技術倍受機械工程師們的青睞,得到廣泛的應用。近 20 年來,由于計算機性能的不斷提高,計算技術和優化理論的發展以及工程應用的需要,機械優化設計已經從傳統的面向零部件、單一工作過程、單一學科的局部優化發展到面向整體的多學科的全面優化—即現代機械系統優化。與傳統的優化設計問題相比,現代機械系統的優化設計問題具有以下特點:
- z' Q# c2 o: h, }4 n ①復雜性;
" D! y* o: ]: ]- J$ U8 }( r ②跨學科性;
9 m ]* k: [1 V g2 f ③多目標多約束多參數;
* I( j+ ~8 O& K4 B+ _% @5 X \ ④隱含性。
/ \$ Y% X' B" v 因此我們必須用現代的設計方法才能實現現代機械系統的優化設計。* c2 S( b, s/ z; d( U
1、現代設計方法在機械優化設計中的應用$ T8 I" N* P) B. _
1.1人工神經網絡法* i" r/ b! |, j
人工神經網絡 (artificial neural networ- k):是人類模仿大腦神經網絡結構和功能而建立的一種信息處理系統,是理論化的人腦神經網絡的數學模型。人工神經網絡從事例中學習,可以處理非線性問題,特別擅長處理那些需要人直觀判斷的信息匱乏的問題,如不完全數據集合,模糊信息以及高度復雜問題等。人工神經網絡應用于優化設計,主要體現在以下兩個方面:0 S4 A3 i4 j9 k; \
(1)Hopfield 網絡:8 S! M, ^/ f3 F
網絡在優化計算方面的應用顯示出了它的特點。可以認為,人工神經網絡的聯想記憶與優化計算兩種功能是對偶的,當用于聯想記憶時,通過樣本模式的輸入給定網絡的穩定狀態,經學習求得突觸權重值 W;當用于優化計算時,以目標函數和約束條件建立系統的能量函數確定突觸權重值,網絡演變到穩定狀態即得優化計算問題之解。對于解決組合優化問題等顯示出了它的優越性。
8 U0 X" V. V7 {4 x) }8 P (2)BP 網絡 (back propagation network)。' U! z/ w- q( v
它是工程中應用最多的一種網絡,在函數逼近、模式識別、分類、數據壓縮等領域得到成功的應用,其最大特點是只需樣本數據而不需要建立數學模型,就能建立起輸入與輸出之間的非線性映射關系,用于函數逼近理論上可達到任意精度。用 BP 網絡顯化復雜系統中的耦合關系,建立優化設計模型可以克服上述困難,大大減少結構分析有限元計算的次數,表現出巨大的優越性。
/ M# t% ^6 u/ [0 h2 E 1.2模糊優化
5 b0 g+ j% w( n# F 模糊優化理論和方法的研究起源于 70 年代和 Zadeh 提出的模糊決策的概念和模糊環境下的決策模型,之后許多學者相繼做了大量的研究。在機械零部件和機械系統設計中,設計的優劣標準、材料的強度及適用范圍、某些載荷的分布和性質等,尤其是注重于經濟和效益方面的優化指標都具有模糊性,必須用模糊數學理論建立優化模型。一個復雜機械系統的優化模糊設計問題也可表述為:; [0 C$ ^9 ?" `
min F(X!)=[F1(X!),F2(X!),...Fk(X!)]T
. M& T( R% I! i* i subject to gi(X!)∈Gii=1,2,…,m
, Z, D$ Y- }% \" S3 J, d 式中:X=[x1,x2,...,xn]T為 n 維設計變量; F (X!)—模糊目標函數向量;Gi—第 i 個約束 gi的可行區間;gi(X!)—在隸屬函數 !i意義下 gi模糊屬于 Gi。
! N2 n3 A4 P1 S' i 應用模糊優化理論能夠將設計中的模糊因素和模糊主觀信息定量化,通過合理給定約束函數、目標函數的容許值、期望值及其模糊分布 (隸屬函數) 來 “軟化”邊界條件,擴大尋優范圍和體現專家的經驗、觀點和某些公認的設計準則。把模糊技術應用于優化設計建模,其特長不僅在于它善于表達模糊概念,處理模糊因素,而且還可將復雜問題簡化,使優化模型更加合理。采用模糊理論建立優化設計模型對求解復雜系統優化設計問題具有重要意義。& `, `) Q% k: W5 ]! ?& P
1.3代理法
: _2 w3 g2 n* ^# w 復雜機械系統的優化過程需要反復調用模擬計算子程序,巨大的模擬計算量會妨礙問題的求解,模型的逼近度越高,計算量越大,僅僅靠采用高速計算機是行不通的。一個基本的想法是采用近似模型來替代計算量巨大的高逼近度模型,但這會影響優化問題的求解精度。一種基于代理思想的代理模型管理框架是一種有意義的嘗試。如圖 1 所示。, C8 m! U4 k5 Y# L2 R: b$ }3 E
該法首先用模擬計算量小的近似模型進行尋優得到預報最優點;其次對預報最優點進行評價和精確分析計算,更新近似模型;最后用新的近似模型進行下一輪尋優,如此反復直到收斂為止。這種代理法是在尋優過程中用一個序列近似模型來代替計算量龐大的精確模型,可大大節省計算時間。& E( M2 I V% r
1.4分解協調法
5 u x3 g0 k7 n9 C- O. [ 機械系統通常由若干個子系統組成,每個子系統的設計都要遵循各自的設計準則,滿足各自的設計目標,同時各個子系統之間又存在相互耦合關系,而且這種耦合關系加大了求解難度。分解協調法是解決復雜機械系統優化設計問題的一個有效方法,其基本思想是利用分解策略,按一定方式,把復雜系統被分別分解為若干個可以進行并行優化子系統(或子結構)。既然子系統之間互相偶合,利用協調策略獲得整個問題的最優解。分解策略不同,相應的子系統優化的協調方式也不同。根據系統的結構,分解策略通常分為 3 種方式,如圖 2 所示。4 ?$ s. ?+ g- I, d H
圖 2 (a)為層次結構,這種層次結構的系統優化問題可以按照系統的物理結構分解,各子系統間的關系簡單,求解相對容易;圖 2 (b)為非層次結構,通常是根據問題的特點,按照設計變量和狀態變量的子空間把整體優化問題分解求解成較簡單的若干個子問題,通過子問題之間的協調,反復迭代求出整個問題的最優解;圖2(c)為混合層次結構,從結構上看,可以視為前兩種結構的組合。) e2 Q. e- w; q# c- ^- T
1.5智能優化法6 z5 D* i( y3 S; T5 O8 I4 d
復雜機械系統優化問題的復雜性、多目標多約束性多參數性以及優化模型的隱含性等特性,使得傳統的數學規劃法顯得無能為力。智能優化法的獨特優勢在于不需要目標函數和約束條件的導數信息,且可以獲得全局最優解,為解決復雜機械系統優化設計問題提供了新的思路和方法。但一般而言,智能算法收斂速度慢,需要大量計算目標函數值,這對于復雜機械系統優化設計問題計算開銷是巨大的。僅僅使用單一的某一種算法往往難以奏效,智能算法與其它技術相結合的改進算法是克服這一缺陷的有效途徑。智能體可表示為:agent=<標識,類型,知識庫,規則集,屬性,參數>。基于多智能體的新型遺傳算法中,用 agent 進行有關的遺傳操作,如選擇、繁殖、變異、淘汰等。這種新型遺傳算法,由于的引入,使得遺傳算法在 層次上和 群體上都具有一定的智能和學習能力,在 agent 群體上具有較強的演化能力和演化優勢。智能優化法已經成為當前優化設計領域的一個研究熱點。2 G& t+ ]( ?# v* Q) L) j: o+ {) v& O
1.6可視化方法1 A3 `+ k0 z o1 k
可視化優化設計代表著現代優化設計技術發展的一個重要方向。現有的優化設計及其過程是封閉式的,設計人員始終處于被動地位,無法在迭代過程中及時駕馭與控制優化過程。可視化技術用于復雜機械系統優化問題,體現在優化設計全過程,即:
" d' s2 _$ s N, M ①優化建模可視化;2 ]9 Y6 y7 K p! s4 F7 ` X( P
②求解過程可視化;
H% n: P: V( A A* O& v( [& ~! A ③前置處理可視化;
9 n. D) x. s& a5 u' i+ S ④后處理可視化。 [2 o" Z; L! o- \* x
1.7計算機輔助設計
0 [( q% U+ y7 f# _6 ^ 機械計算機輔助設計 (機械 CAD)技術,是在一定的計算機輔助設計平臺上,對所設計的機械零、部件,輸入要達到的技術參數,由計算機進行強度,剛度,穩定性校核,然后輸出標準的機械圖紙,簡化了大量人工計算及繪圖,效率比人工提高幾十倍甚至更多。
& u4 a8 B5 f! }8 }9 m! F 1.8動態設計( D7 a% ]* B$ n5 g" J) s3 `
傳統的機械設計主要是依據靜態條件下強度、剛度、穩定性及結構要求和材料選擇來進行設計的,動態設計則以系統論,控制論為依據,在一定的位移,速度,力和力矩的干擾下對影響整機性能非常重要的戰術指標 (包括響應速度、跟蹤精度和動態穩定性等)進行設計。目前國產工程機械和車輛在高速行駛情況下暴露出的問題,除制造工藝、裝配水平原因外,主要原因是動態設計技術落后。9 a8 q! u0 p0 ?* F
1.9模塊化設計
3 r( O9 e# |" M 根據各部件的位置及功能不同,設計為一個個獨立的模塊,模塊之間又可以組成一個大單元,如機械液力變矩器、變速器和中央傳動一體化單元等,使整機的裝配和維護更為方便。從工程機械的傳動方式看,傳統的“液力變矩十動力換檔變速箱+兩級最終傳動”方式,逐步向模塊化的傳動方式轉變。如采用典型模塊化設計的傳動系統為:外分流式液力變矩器+傳動軸+動力換檔變速器與中央傳動的組合+離合器與盤式制動器的組合+行星最終傳動。
4 h" B3 m9 K/ d" w- r2 z8 } 1.10計算仿真設計
; l5 T$ K9 U) Y7 M) J 根據工程機械不同的作業功能,在計算機上模擬各種作業過程,以分析和確定各種狀態下的作業參數,研究工程機械各系統主要部件的結構合理性,借助數學實驗等方法預估工程機械的作業效果,從而可大大減少設計上的失誤,避免或減少走彎路。0 F" |$ T2 B r( O Z
2、結束語
" H7 M# s% b. V9 Y/ z( L 現代高新設計方法在機械優化設計中的應用已越來越廣泛,但應該看到,現代的設計不僅僅是單一的完成某零部件的設計,而應該將使用及維修等的因素統一考慮,所以殊如強調環保設計、可靠性設計、維修性設計等考慮綜合性因素的設計應該會得到越來越廣泛的應用。 e3 c# R( n0 I% a& R" y. C6 C
參考文獻:
2 |, P0 \3 B, H0 i, w [1] Kalogirou S A.Artificial intelligence for the modeling and control of combustion processes a review [J]. Progress in Energy and combustion Science,2003,29.
7 `8 k J1 J5 [" f5 I! {0 A$ d [2] 唐小兵,沈成武,陳定方.遺傳算法和人工神經網絡結合在結構優化中的應用[J].武漢交通科技大學學報,1999,5.
9 z/ g* v3 W( w6 l1 F7 _- h [3] Booker A J, et al, A rigorous framework for optim- ization of expensive functions by surrogates[J]. struct. Optim.
+ E G2 ~2 W5 {+ f [4] Kenneth W. English, Coupling Suspension Compl- ex System Optimization[D]. State University of New York, 2001.
$ I# C" m( x, [6 C. F0 | [5]張志波. 現代設計方法在礦山機械設計中的應用[J]. 科技傳播,2013,5(08):162+154.
/ R. w5 h, r& G1 b, v7 y- v$ y [6] Luis P.Backfill. A Theory of Distribution Camel Structure[J].press of Caliph.0niaUniVersity,2001,21. . K& I" x% U9 z& u
[7] Louis Stem and Ambary.Marketing Chillier.5thed.Upper Saddle Riving[J],yinghuiyun.com,prentice Hall,2003,14-15. + ^9 F, o$ L* o% y$ o
[8] Coughlin, Anent, Erin Anderson, Louis W. Stefan. El-Ambary. Marketing Channels (6thed)[M].Beijing: Tsinghai University Press,2001,20.+ o0 n* n2 b' ^9 ]) a) I l+ M. t
: @) m+ u4 s0 O/ U) X$ i1 j
9 r# c$ F( J; G, V7 `/ r- K; V" W+ F1 q5 H' q/ U
|