机械结构优化设计

机械结构优化设计

——周江琛 2013301390008

摘要：机械优化设计是一门综合性的学科，非常有发展潜力的研究方向，是解决复杂设计问题的一种有效工具。本文重点介绍机械优化设计方法的同时，对其原理、优缺点及适用范围进行了总结，并分析了优化方法的最新研究进展。关键词：优化方法约束特点函数

优化设计是一门新兴学科,它建立在数学规划理论和计算机程序设计基础上,通过计算机的数值计算,能从众多的设计方案中寻到尽可能完善的或最适宜的设计方案,使期望的经济指标达到最优,它可以成功地解决解析等其它方法难以解决的复杂问题,优化设计为工程设计提供了一种重要的科学设计方法,因而采用这种设计方法能大大提高设计效率和设计质量。优化设计主要包括两个方面:一是如何将设计问题转化为确切反映问题实质并适合于优化计算的数学模型,建立数学模型包括:选取适当的设计变量,建立优化问题的目标函数和约束条件。目标函数是设计问题所要求的最优指标与设计变量之间的函数关系式,约束条件反映的是设计变量取得范围和相互之间的关系;二是如何求得该数学模型的最优解:可归结为在给定的条件下求目标函数的极值或最优值的问题。机械优化设计就是在给定的载荷或环境条件下,在机械产品的形态、几何尺寸关系或其它因素的限制范围内,以机械系统的功能、强度和经济性等为优化对象,选取设计变量,建立

目标函数和约束条件,并使目标函数获得最优值一种现代设计方法,目前机械优化设计已广泛应用于航天、航空和国防等各部门。优化设计是20世纪60年代初发展起来的，它是将最优化原理和计算机技术应用于设计领域，为工程设计提供一种重要的科学设计方法。利用这种新方法，就可以寻找出最佳设计方案，从而大大提高设计效率和质量。因此优化设计是现代设计理论和方法的一个重要领域，它已广泛应用于各个工业部门。优化方法的发展经历了数值法、数值分析法和非数值分析法三个阶段。20世纪50年代发展起来的数学规划理论形成了应用数学的一个分支，为优化设计奠定了理论基础。20世纪60年代电子计算机和计算机技术的发展为优化设计提供了强有力的手段，使工程技术人员把主要精力转到优化方案的选择上。最优化技术成功地运用于机械设计还是在20世纪60年代后期开始，近年来发展起来的计算机辅助设计（CAD），在引入优化设计方法后，使得在设计工程中既能够不断选择设计参数并评选出最优设计方案，又可加快设计速度，缩短设计周期。在科学技术发展要求机械产品更新日益所以今天，把优化设计方法与计算机辅助设计结合起来，使设计工程完全自动化，已成为设计方法的一个重要发展趋势。

优化设计方法多种多样，主要有以下几种：1无约束优化设计法；无约束优化设计是没有约束函数的优化设计，无约束可以分为两类，一类是利用目标函数的一阶或二阶导数的无约束优化方法，如最速下降法、共轭梯度法、牛顿法及变尺度法等。另一类是只利用目标函数值的无约束优化方法，如坐标轮换法、单形替换法及鲍威尔法等。此法具有计算

效率高、稳定性好等优点。2约束优化设计法：优化设计问题大多数是约束的优化问题，根据处理约束条件的方法的不同可分为直接法和间接法。直接法常见的方法有复合形法、约束坐标轮换法和网络法等。其内涵是构造一个迭代过程，使每次的迭代点都在可行域中，同时逐步降低目标函数值，直到求得最优解。遗传算法

遗传算法(Genetic Algorithm简称GA)，是20世纪70年代初期由美国密执根（Michigan）大学霍兰（Holland）教授提出的一种全新概率优化方法。GA是一种非确定性的拟自然算法，它仿造自然界生物进化的规律，对一个随机产生的群体进行繁殖演变和自然选择，适者生存，不适者淘汰，如此循环往复，使群体素质和群体中个体的素质不断演化，最终收敛于全局最优解。遗传算法具有鲁棒性、自适应性、全局优化性和隐含并行性。主要应用领域有：函数优化方面、组合优化、机器学习、控制方面、图像处理、故障诊断、人工生命、神经网络等最近几年中遗传算法在机械工程领域也开展了多方面的应用，主要表现在：

(1)机械结构优化设计：针对简单遗传算法中的线性适应度、恒定交叉与变异概率等不能动态地适应整个寻优过程，提出采用非线性适应度与自适应交叉、变异概率的改进遗传算法，

此算法为解决工程结构优化设计、多峰值函数求极值等问题提供了参考。

(2)可靠性分析：以框架结构系统的可靠性分析为基础，提出框架结构系统可靠性优化的遗传算法。

(3)故障诊断：以网络权重和偏差的实数形式作为基因构成染色体向量，采用基因多点交叉和动态变异进行种群最优选择，提出了一种新的遗传

算法，并在此基础上设计出一种基于遗传算法和溶解气体分析的变压器故障在线诊断系统。

(4)参数辨识：在现有T-S模糊模型参数辨识方法的基础上，提出了一种先应用最小二乘法对结论参数进行粗略辨识，以确定参数的大致范围之后，再应用遗传算法对前提参数和结论参数同时优化的参数辨识方法。

(5)机械方案设计：通过把机械方案设计过程看作是一个状态空间的求解问题，用遗传算法控制其搜索过程，构建完善了新的遗传编码体系，为了适应新的编码体系重新构建了交叉和变异等遗传操作，并利用复制、交换和变异等操作进行一次次迭代，最终自动生成一组最优的设计方案。此外，GA还应用在模糊逻辑控制器(FLC)、机器人运动学、反求工程、节能设计、复合材料优化、金属成形优化、数控加工误差自适应预报控制等方面。遗传算法尽管已解决了许多难题，但还存在许多问题，如算法本身的参数优化问题、如何避免过早收敛、如何改进操作手段或引入新的操作来提高算法的效率、遗传算法与其它优化算法的结合问题等。用遗传算法求解约束优化问题时，一般采用惩罚函数法，如何合理的选择惩罚因子是算法的难点之所在。惩罚因子取得过小时，可能造成整个罚函数的极小解不是原目标函数的极小解；惩罚因子取得过大时，有可能在可行域外造成多个局部极值点，给搜索过程增加困难。但从检索情况看，对有关遗传算法应用时处理约束的通用、高效、稳健的方法研究，几乎无人涉及。所以，为了确保GA在求解约束优化问题时能发挥所长，对遗传算法解约束优化问题的方法仍需进一步的研究。

机械优化设计与产品开发：生产是企业的中心任务,而产品的竞