优化设计的数学模型及基本要素

优化设计的数学模型及基本要素 1 / 8 第2章 优化设计的数学模型及基本要素 2

2-1 数学模型的建立 ( ) 建立数学模型，就是把实际问题按照一定的格式转换成数学表达式的过程。数学模型建立的合适、正确与否，直接影响到优化设计的最终结果。 建立数学模型，通常是根据设计要求，应用相关基础和专业知识，建立若干个相应的数学表达式。如机械结构的优化设计，主要是根据力学、机械设计基础等专业基础知识及机械设备等专业知识来建立数学模型的。 当然，要建立能够反映客观实际的、比较准确的数学模型并非容易之事。数学模型建的过于复杂，涉及的因素太多，数学求解时可能会遇到困难；而建的太简单，又不接近实际情况，解出来也无多大意义。因此，建立数学模型的原则：抓主要矛盾，尽量使问题合理简化。： .

由于设计对象千变万化，即使对同一个问题，由于看问题的角度不同，数学模型建的可能也不一样。建立数学模型不可能遵循一个不变的规则，本课也不准备把大量的时间花在数学模型的建立上。仅想以几个例子来演示一下数学模型的建立过程，使学生从中得到一些启发。 . 2-1

例2-1 用宽度为cm24，长度cm100的薄铁皮做成cm100长的梯形槽，确定折边的尺寸x和折角（如图 2-1所示），使槽的容积最大。

解: 由于槽的长度就是板的长度，槽的梯形截面积最大就意味着其容积最大。因此，该问题就由，求体积最大变成求截面积最大。槽的梯形截面积为： 图 2-1 21S 高 （上底边+下底边）

其中，上底边=x224；下底边=cos2224xx；高=sinx 定义：该优化设计问题的目标函数是槽的梯形截面积S，设计变量为,x。问题可以简单地

归结为：选择适当的设计变量,x，在一定的限制条件下，使目标函数S达到最大，限制条件为: 120,20x . 2-2 例2-2 如图 2-2所示是一根简化了的机床主轴。在设计这根轴时，有二个重要因素需要考虑，主轴的重量和外伸端的扰度。对于加工精度要求不高的普通机车而言，以选取主轴重量最轻为优化设计的目标，外伸端的扰度可以作为限制条件来考虑。 优化设计的数学模型及基本要素 2 / 8 图 2-2 解： 当主轴的材料选定后，其重量仅与四个量有关。轴的内经d，外经D，支撑间的跨距l及外伸端a。由于机床主轴的内孔是用来通过待加工的棒料，其大小由机床型号决定，

不能选作设计变量。因此，该问题的设计变量取 aDl,,；目标函数，即主轴的重量为

))((4122dDalf ；主轴的限制条件，取它的刚度条件，即外伸端的扰度小于某

一规定值 }[yyc及尺寸。 在外力F作用下，外伸端的扰度为EJalFayc3}(2 其中，)(6444dDJ。因此，主轴的刚度约束为][3}(2yEJalFa。它的尺寸约束为

101010,,aaaDDDlll。

. 2-3 (p8) 例2-3 如图 2-3所示，钢梁C的一端与刚性支撑B焊接在一起,另一端承受作用力6000N。最优的设计钢梁尺寸，使梁的重量最轻。

图 2-3 解： 钢梁包括梁本身及焊缝，选择独立的设计变量为尺寸,,hlt和b，并给定长度1.4Lm。

用1234TTXxxxxhltb表示设计变量。 钢梁的总重量，即目标函数为 cwVVV 其中，CV 梁C的体积，立方英寸；WV 焊缝的体积，立方英寸。 从图上看，它们的体积分别是 ()CVtbLl

2212()2WVhlhl 所以，总重量为 2()VtbLlhl  234212()()fXxxLxxx 对于焊接钢梁的限制条件有 （1）焊接应力 ()X 优化设计的数学模型及基本要素 3 / 8 焊接应力由二部分组成，()'''X，其中，12',''2FMRJxx

MF产生的扭矩，2[(/2)]MFLx；J 极惯性矩，222311220.707[()122xxxJxx； 122

2231[]42xxxR





（2）弯曲应力()X 最大的弯曲应力为 2436()FLXxx （3）失稳临界载荷 ()CPX 当 34/tbxx 值变大，即梁变薄时，会出现失稳的趋势。对于矩形梁，失稳临界载荷近似地表示成

32

4.013()[1]2CEIxEIPXLL

其中，E 杨氏模量；334112Ixx ；33413Gxx，G 剪切模量 （4）梁的变形()X 假定钢梁是长L的简支梁，其变形是 33344()FLXExx 上面四种约束，加上尺寸约束表示如下 1234142536718()()0()()0()0()0()0()()0()0.1250()0.25()0dd

c

gXXgXXgXxxgXxgXxgXPXFgXxgXX

. 2-4 例2-4 某工厂生产BA,二种产品。产品A每件需用材料kg9，3个工时和hkw.4电，产

值为60元；产品B每件需用材料kg4，10个工时和hkw.5电，产值为120元；若每天可提供材料kg300，300个工时和hkw.200电，问每天生产BA,产品各多少件，获得的总产值才能最大？ 解： 这是一个生产计划的优化问题。假设每天生产A产品1x件，B产品2x件，在材料、

工时和电力供应量的限制下，求21,xx的值，使总产值最大。 该优化问题的设计变量为 1x和2x； 优化设计的数学模型及基本要素 4 / 8 目标函数为 max1206021xxf 满足限制条件 材料 3604921xx 工时 30010321xx 电力 2005421xx 2-2 数学模型的三要素及一般形式 无论什么样的优化设计问题，尽管其物理概念不同，但数学模型一般均由设计变量、目标函数和约束条件组成，称其为三要素。 2-2-1 设计变量 （ ） 1) 设计变量 在机械设计中，一个零件、部件或是一台设备的设计方案，通常是由一组基本参数来 确定和表示的。在设计中，选择哪些参数表示一个设计方案，需要根据各种设计问题的性质来定。有的可以用几何参数，如零件的外形尺寸、截面尺寸、机构的运动学尺寸等；有的可用某些物理量，如构件的重量、惯性距、频率、力和力矩等；还有的可用一些代表工作性能的导出量，如应力、扰度、冲击系数等。总之，这些基本参数是对设计指标性能好坏有直接影响的量。 在设计中，有些基本参数可以根据设计要求事先给定，称为设计常数，如弹模、许用应力等材料特性等。而有些则需要通过在设计过程中进行调整、优选来定，如尺寸等。对于需要优选的参数，在设计过程中均把它们看作是变化的量，称为设计变量。应注意，设计变

量一定是独立参数（ ），任何导出量不能作为设计变量（如式21zzi中只能取三个量中的二个作为设计变量）。设计变量有连续变量和离散变量二种形式（ & ）。大多数机械优化设计中的设计变量都是连续变量，可以用常规的优化算法来求解。而对于像齿轮的齿数、模数、钢板的厚度等只能在一定的数集里取值的离散变量的优化设计问题，则需用特殊的优化算法。 2) 设计变量的表示 对于一个优化问题，设计变量的个数则称为该问题的维数（），用一数组X或向量表示：（ ）

T

nnxxxxxxX212

1

以n个设计变量为坐标轴张成的实空间称为设计空间 （ ），用nR表示。设计空间中的每一个点都对应着一个设计方案。二个设计变量（2n）对应的设计空间是一个平面（），三个设计变量（3n）对应的设计空间是一个三维立体空间（）（如图 2-4所示）， 优化设计的数学模型及基本要素 5 / 8 图 2-4 当维数大于三时（3n），设计空间就无法用图来表示，称为超越空间（ ）。 3) 设计变量的选取 设计空间的维数表示设计的自由度数。设计变量越多，设计自由度就越大，可供选择 的方案就越多，容易得到比较理性的结果。但随着设计变量数目的增多，必然会使问题复杂化，给寻优带来更大的困难。因此，在满足基本设计要求的前提下，应尽量减少设计变量的个数，把对目标函数影响较大的那些参数选作设计变量。但也应注意实用性，如为了选择一种最合适的材料，将材料的某些性能取为设计变量，但这样求得的最优值，从材料供应方面往往难以实现（ a ）。 2-2-2 目标函数 （ ） 1）目标函数的表示 在优化设计中用于评价设计方案好坏的衡量标准（），称为目标函数或评价函数。它是

设计变量的函数，记作 )()(21nxxxfXf。 在工程实际中，优化设计问题的目标函数有二种形式，目标函数的极小化或极大化，即 （ & ）

min)(Xf或 max)(Xf

其实，目标函数)(Xf的极大化就等价于)(Xf的极小化，为了统一优化算法和程序，以后最优化均指目标函数的极小化。 建立目标函数是整个优化设计中的重要环节。在机械设计中，目标函数主要根据设计准则来建立的。对于机构的优化设计，这个准则可以是运动学或动力学的特性，如运动误差、振动特性等；对于另部件的设计，这个准则可以是重量、体积、效率等；对于产品设计，也可以将成本、价格、寿命等作为设计追求的目标。 2）单目标和多目标优化问题 （ ） 在优化设计中，数学模型中仅包含一项设计准则，即目标函数的称为单目标优化问题。同时包含若干个设计准则的就是多目标优化问题。一般来说，目标函数越多，对设计的评价就越周全，设计的综合效果就应该越好，但对问题的求解就会越复杂。本课主要解决单目标优化问题，在最后介绍一些多目标问题的求解方法。 3） 目标函数等值线（ , ）

目标函数)(Xf是设计变量x的函数。一组设计变量Tnxxx21就代表一个设计方

案，在设计空间就确定了一个设计点kx，就有确定的目标函数)(kxf与之对应。但反过来，一定值的目标函数CXf)(，却有无穷多个设计点与之对应。这无穷多个目标函数相同的