机械优化设计课后习题答案
第一章习题答案 1-1 某厂每日(8h 制)产量不低于1800件。计划聘请两种不同的检验员,一级检验员的标准为:速度为25件/h ,正确率为98%,计时工资为4元/h ;二级检验员标准为:速度为15件/h ,正确率为95%,计时工资3元/h 。检验员每错检一件,工厂损失2元。现有可供聘请检验人数为:一级8人和二级10人。为使总检验费用最省,该厂应聘请一级、二级检验员各多少人? 解:(1)确定设计变量; 根据该优化问题给定的条件与要求,取设计变量为X = ?? ????=? ??? ??二级检验员一级检验员 21x x ; (2)建立数学模型的目标函数; 取检验费用为目标函数,即: f (X ) = 8*4*x 1+ 8*3*x 2 + 2(8*25*0.02x 1 +8*15*0.05x 2 ) =40x 1+ 36x 2 (3)本问题的最优化设计数学模型: min f (X ) = 40x 1+ 36x 2 X ∈R 3· s.t. g 1(X ) =1800-8*25x 1+8*15x 2≤0 g 2(X ) =x 1 -8≤0 g 3(X ) =x 2-10≤0 g 4(X ) = -x 1 ≤0 g 5(X ) = -x 2 ≤0 1-2 已知一拉伸弹簧受拉力F ,剪切弹性模量G ,材料重度r ,许用剪切应力[]τ,许用最大变形量[]λ。欲选择一组设计变量T T n D d x x x ][][2 32 1 ==X 使弹簧重量最轻,同时满足下列限制条件:弹簧圈数3n ≥, 簧丝直径0.5d ≥,弹簧中径21050D ≤≤。试建立该优化问题的数学模型。 注:弹簧的应力与变形计算公式如下 3 22234 881 ,1,(2n s s F D FD D k k c d c d Gd τλπ==+==旋绕比), 解: (1)确定设计变量; 根据该优化问题给定的条件与要求,取设计变量为X = ????? ? ????=??????????n D d x x x 2321; (2)建立数学模型的目标函数; 取弹簧重量为目标函数,即: f (X ) = 322 12 4 x x rx π (3)本问题的最优化设计数学模型:
基于MATLAB的优化设计
基于MATLAB的曲柄摇杆机构优化设计 1.问题的提出 根据机械的用途和性能要求的不同,对连杆机构设计的要求是多种多样的,但这些设计要求可归纳为以下三种问题:(1)满足预定的运动规律要求;(2)满足预定的连杆位置要求;(3)满足预定的轨迹要求。在在第一个问题 里按照期望函数设计的思想,要求曲柄摇杆机构的曲柄与摇杆转角之间按照φ=f(?)(称为期望函数)的关系实现运动,由于机构的待定参数较少,故一 般不能准确实现该期望函数,设实际的函数为φ=F(?)(称为再现函数),而再 现函数一般是与期望函数不一致的,因此在设计时应使机构再现函数φ=F(?) 尽可能逼近所要求的期望函数φ=f(?)。这时需按机械优化设计方法来设计曲 柄连杆,建立优化数学模型,研究并提出其优化求解算法,并应用于优化模型的求解,求解得到更优的设计参数。 2.曲柄摇杆机构的设计 在图1所示的曲柄摇杆机构中,l1、l2、l3、l4分别是曲柄AB、连杆BC、摇杆CD和机架AD的长度。这里规定?0为摇杆在右极限位置φ0时的曲柄起始 位置角,它们由l1、l2、l3和l4确定。 图1曲柄摇杆机构简图 设计时,可在给定最大和最小传动角的前提下,当曲柄从?0转到?0+90?时,要求摇杆的输出角最优地实现一个给定的运动规律f(?)。这里假设要求: (?-?0)2(1)φE=f(?)=φ0+2 3π
s=30;qb=1;jj=5;fx=0; fa0=acos(((qb+x(1))^2-x(2)^2+jj^2)/(2*(qb+x(1))*jj)); %曲柄初始角 pu0=acos(((qb+x(1))^2-x(2)^2-jj^2)/(2*x(2)*jj));%摇杆初始角for i=1:s fai=fa0+0.5*pi*i/s; pui=pu0+2*(fai-fa0)^2?(3*pi); ri=sqrt(qb^2+jj^2-2*qb*jj*cos(fai)); alfi=acos((ri^2+x(2)^2-x(1)^2)/(2*ri*x(2))); bati=acos((ri^2+jj^2-qb^2)(/2*ri*jj)); if fai>0&fai<=pi psi=pi-alfi-bati; elseif fai>pi&fai<=2*pi psi=pi-alfi+bati; end fx=fx+(pui-psi)^2; end f=fx; (2)编写非线性约束函数M文件confun.m function[c,ceq]=confun(x); qb=1;jj=5;m=45*pi/180;n=135*pi/180; c(1)=x(1)^2+x(2)^2-(jj-qb)^2-2*x(1)*x(2)*cos(m); %最小传动角约束c(2)=-x(1)^2-x(2)^2+(jj+qb)^2+2*x(1)*x(2)*cos(n); %最大传动角约束ceq=[]; (3)在MATLAB命令窗口调用优化程序 x0=[6;4]; lb=[1;1]; ub=[]; %线性不等式约束 a=[-1-1;1-1;-11];b=[-6;4;4];[x,fn]=fmincon(@optimfun, x0,a,b,[],[],lb,ub,@confun); (4)运行结果
机械优化设计考试重点
机械优化设计复习点 判断题,分析题,计算题 一,优化问题的基本解法(简答填空题)p27 (1)画图法找最小点 (2)解析解法 (3)数值的近似解法 二,数学基础(简答题) (1)方向导数和梯度(概念,关系)p31 p32 (2)泰勒展开的物理含义及表达式p35 物理含义:泰勒展开在优化方法中十分重要,许多方法及其收敛性证明都是从泰勒出发的,是把方程g(x)=0的解,写成曲线方程的形式看看和x轴有什么交点。泰勒公式的应用一般有三个方面: 1、利用泰勒展开式做代换求函数的极限。 2、利用泰勒展开式证明一些等式或者不等式。 3、应用拉格朗日余项,可以估值,求近似值。 表达式:矩阵形式和线性代数形式 p35 (3)极值条件 在什么条件下判断找到最优解(极值条件)? p38 无约束优化问题:通过莫干函数求导等于0,等式约束:通过拉格朗日参数法求无约束优化物理含义:课件上(暂无) 线性组合概念:课件上(暂无) 不等式约束的基本条件: 通过一个双次(?)变量转换成等式约束,再利用拉格朗日来求极值条件。导数的kt条件和kuhn-taker条件 p46 不等式的表达条件和物理含义: 三,一维搜索方法(计算题为主) (1)一维搜入优化方法:p59 (2)计算题(书上和课件上题型) 模拟计算机计算流程,把一两个迭代步,计算过程写出来 (3)黄金分割法的原理及迭代的步骤 (4)二次插值法算法推导及原理 四,无约束的优化方法(最重点) (1)最速下降法,牛顿法,共轭方向法,变尺度法(大概)p69-p83 (2)牛顿法和最速下降法的区别p70-p74 最速下降法的优点是算法简单,每次迭代计算量小,占用内存量小,且对初始点要求不高,即使从一个不好的初始点出发,往往也能收敛到局部极小点,但它有一个严重缺点就是收敛速度慢,特别是当椭圆比较扁平时,最速下降法的收敛速度越慢牛顿法收敛速度非常快,具有二次收敛的优点,但它存在下面四个严重的
机械优化设计
[1] 《机械最优化设计》,刘惟信主编,清华大学出版社(第二版) 机械优化设计试题 浏览次数:910次悬赏分:20 |解决时间:2009-3-17 10:06 |提问者:xmtxmtxmt9 1、有一圆截面的销轴,一端固定在机架上,另一端作用着集中载荷P和扭矩T,其简化模型如图,由于结构需要,轴的长度不得小于80mm,其材料密度为,许用弯曲应力为[σF],许用扭剪应力为[τ],允许挠度为[?],弹性模量为E。要求设计此梁重量最轻,试写出这一优化问题的数学模型。(圆轴的抗弯截面模量为W=πd3/16,抗扭截面模量为WT=πd3/32,挠度公式为fmax=Pl3/3EI,惯性矩为I=πd4/64)(20分) 2、将优化问题 画出此优化问题的目标函数等值线和约束曲线,并确定: (1)可行域的范围(用阴影线画出)。 (2)在图中标出无约束最优解、和约束最优解、。 (3)若再加入等式约束,在图中标出约束最优解、。 (20分) 3、目标函数,初始点,试用变量轮换法求迭代两轮的设计变量和目标函数的值。(20分) 4、已知约束优化问题 试从迭代点出发,沿方向进行搜索,完成一次迭代,获取一个新的迭代点,并画出本次迭代的搜索路线。(20分) 5、试画出离散变量优化设计方法网格法的算法框图。(20分) 问题补充: 请研究生帮忙做一下,谢谢!原题点下面图片放大即可 一种优化设计方法在圆柱蜗杆减速器设计中的运用
https://www.360docs.net/doc/e94965414.html, 期刊门户-中国期刊网2009-5-26来源:《中小企业管理与科技》2009年4月下旬供稿文/摆亚辉 [导读]明确设计任务——确定设计参数(变量)——确定设计函数(明确变量的取值范围)——确定优化方法——编写优化程序——得出优化结果并圆整。 期刊文章分类查询,尽在期刊图书馆 摘要:一般的机械设计都是设计人员按照各种资料提供的数据,结合自己的经验,对已有产品进行类比,初步定出方案,再通过验算确定方案是否是可用的。这样的方案不能说是最优的。优化设计,是利用计算机的计算优势采用数学方法,用数量指标对方案进行评判和选择。通过这样的过程获得的方案不仅是可用的,而且也是相对最优的。它的一般过程如下:明确设计任务——确定设计参数(变量)——确定设计函数(明确变量的取值范围)——确定优化方法——编写优化程序——得出优化结果并圆整。 关键词:优化设计减速器运用 本文介绍一种优化设计方法(复合形法)在圆柱蜗杆减速器设计中的运用。 题目:设计一由功率为3KW的电动机驱动的双级圆柱蜗杆减速器,第一级蜗杆转速960r/min,总传动比220.载荷平稳,单向回转。按在保证承载能力的前提下,最大限度的减轻体积。已知:各级许用应力155Mpa、传动效率0.9、载荷系数1.2、蜗杆头数4、蜗杆选用40cr,表面淬火HRC>45.蜗轮材料为铸锡青铜ZQSn10-1。 从题设条件可知啮合参数:传动比[i]、模数[m]、齿数(头数)[z]、直径系数[q]是设计待定参数。结合蜗轮齿面接触强度的计算可确定设计变量如下:X=[x1 x2 x3]T=[i1 q1 q2]T。据蜗轮齿面接触强度设计公式可得题设条件的目标函数如下: 从工程意义上看,确定未知数的范围可以保证蜗杆传动的应有性能,并明确了变量的可行区域,这样就控制了优化结果的搜寻区域。据传动特点可以确定约束条件如下: g1(x)=7-x1≤0g2(x)=x1-33≤0g3(x)=7-x2≤0 g4(x)=x2-18≤0g5(x)=7-x3≤0g6(x)=x3-18≤0 对已定的数学模型,正确选用优化算法,对计算成功有很大关系。本次设计任务选择的依据:设计是有约束问题,规模不大,所要达到的精度较高,目标函数为非线性函数、其他的数学性态未知。为使优化计算过程可靠完成,选择优化算法为:复合形法,它的关键是确定每步迭代的搜索方向和步长。它是利用由若干个顶点构成复合形,通过顶点的不断更迭而发生形变和位移,最终趋向最优点。由于复合形是一种在可行域内直接求优的方法,因此要求第一个复合形就必须在可行域内。这样,其k个复合形顶点才是可行点,通常顶点数取n+1≤k≤2n。则本设计任务的寻优规则如下:①给出四个初始顶点②计算复合形4个顶点的目标函数值,选出最坏点x(H)、次坏点x(G)、最好点x(L)。计算4个顶点的中心点x(C)及其函数值,判断,如成立则停止运行,x(L)即为最优解,否则执行下一步。③计算出最坏点外的3个顶点的中心点x(S),检验是否可行。如果在可行域内则继续执行下一步,否则结束程序,重新构造复合形。④若在可行域内,则求映射点x(R)=x(S)+a(x(S)-x(H))。⑤检验映射点是否在可行域内,如在执行下一步,否则转向第8步。⑥若在可行域内,则计算其函数值,判断其与最坏
机械优化设计复习总结
10. 1. 优化设计问题的求解方法:解析解法和数值近似解法。解析解法是指优化对象用数学方程(数学模型)描述,用数学解析 方法的求解方法。解析法的局限性:数学描述复杂,不便于或不可能用解析方法求解。数值解法:优化对象无法用数学 方程描述,只能通过大量的试验数据或拟合方法构造近似函数式,求其优化解;以数学原理为指导,通过试验逐步改进 得到优化解。数值解法可用于复 杂函数的优化解,也可用于没有数学解析表达式的优化问题。但不能把所有设计参数都 完全考虑并表达,只是一个近似的数学描述。数值解法的基本思路:先确定极小点所在的搜索区间,然后根据区间消去 原理不断缩小此区间,从而获得极小点的数值近似解。 2. 优化的数学模型包含的三个基本要素:设计变量、约束条件(等式约束和不等式约束)、目标函数(一般使得目标函 数达到极小值)。 3. 机械优化设计中, 两类设计方法:优化准则法和数学规划法。 k 1 k k 优化准则法:X c X (为一对角矩阵) k 1 数学规划法:X k 1 k k k X k d ( k d 分别为适当步长某一搜索方向一一数学规划法的核心) 4. 机械优化设计问题一般是非线性规划问题, 实质上是多元非线性函数的极小化问题。 的极值问题和不等式约束优化问题的极值条件。 5. 对于二元以上的函数,方向导数为某一方向的偏导数。 重点知识点:等式约束优化问题 f | X o *kCOS i d i 1 X i 函数沿某一方向的方向导数等于函数在该点处的梯度与这一方向单位向量的内积。 速上升方向),建议用 单位向量 表示,而梯度的模是函数变化率的最大值。 6. 梯度方向是函数值变化最快的方向 (最 7. 8. 9. 多元函数的泰勒展开。 f X f x 0 T f X o -X T G X o 2 f X o f X i f X 2 X , X 2 1 2 X1 X 2 2f 2f 为X 2 2 f X 1 X 2 X 1 2 f X 2 -- 2 X 2 海赛矩阵: x o 2 f ~2 X 1 2 f 2 f X l X 2 X 1 X 2 2 f 2 X 2 (对称方 阵) 极值条件是指目标函数取得极小值时极值点应满足的条件。 某点取得极值, 要条件:极值点必在驻点处取得。用函数的二阶倒数来检验驻点是否为极值点。 导数等于零时,判断开始不为零的导数阶数如果是偶次,则为极值点, 在此点函数的一阶导数为零, 极值点的必 二阶倒数大于零,取得极小值 。二阶 奇次 则为拐点。二元函数在某点取得极值的充 分条件是在该点岀的海赛矩阵正定。 极值点反映函数在某点附近的局部性质 凸集、凸函数、凸规划。 凸规划问题的任何局部最优解也就是全局最优点 中任意两点 的线段上的所有元素都包含在该集合内。 凸函数:连接凸集定义域内任意两点的线段上, 。凸集是指一个点集或一个区域内,连接其 性质: 凸集乘上某实数、两凸集相加、两凸集的交集仍是凸集。 函数值总小于或等于用任意两点函数值做线性内插所得的值。 数学表 达:f ax, 1 a x 2 f X i f X 2 0 1,若两式均去掉等号,则 f X 称作严格凸函数。凸 函数同样满足倍乘, 加法和倍乘加仍为凸函数的三条基本性质。 优化问题。 等式约束优化问题的极值条件。两种处理方法:消元法和拉格朗日乘子法。也分别称作降维法和升维法。消元法 等式约束条件的一个变量表示成另一个变量的函数。减少了变量的个数。拉格朗日乘子法是通过增加变量 约束优化问题变成无约束优化问题,增加了变量的个数。 不等式约束优化问题的极值条件。不等式约束的多元函数极值的必要条件为库恩塔克条件。库恩塔克条件: 凸规划针对目标函数和约束条件均为凸函数是的约束 :将 将等式
机械优化设计MATLAB程序文件
机械优化设计作业1.用二次插值法求函数()()()22 ?极小值,精度e=0.01。 t t =t 1- + 在MATLAB的M文件编辑器中编写的M文件,如下: f=inline('(t+1)*(t-2)^2','t') a=0;b=3;epsilon=0.01; t1=a;f1=f(t1); t3=b;f3=f(t3); t2=0.5*(t1+t3);f2=f(t2); c1=(f3-f1)/(t3-t1); c2=((f2-f1)/(t2-t1)-c1)/(t2-t3); t4=0.5*(t1+t3-c1/c2);f4=f(t4); k=0; while(abs(t4-t2)>=epsilon) if t2f4 f1=f2;t1=t2; t2=t4;f2=f4; else f3=f4;t3=t4; end else if f2>f4 f3=f2;t3=t2; t2=t4;f2=f4; else f1=f4;t2=t4; end end c1=(f3-f1)/(t3-t1); c2=((f2-f1)/(t2-t1)-c1)/(t2-t3); t4=0.5*(t1+t3-c1/c2);f4=f(t4); k=k+1; end %输出最优解 if f2>f4 t=t4;f=f(t4); else t=t2;f=f(t2); end fprintf(1,'迭代计算k=%3.0f\n',k) fprintf(1,'极小点坐标t=%3.0f\n',t) fprintf(1,'函数值f=%3.4f\n',f)
运行结果如下: 迭代计算k= 7 极小点坐标t= 2 函数值f=0.0001 2.用黄金分割法求函数()32321+-=t t t ?的极小值,精度e=0.01。 在MATLAB 的M 文件编辑器中编写的M 文件,如下: f=inline('t^(2/3)-(t^2+1)^(1/3)','t'); a=0;b=3;epsilon=0.01; t1=b-0.618*(b-a);f1=f(t1); t2=a+0.618*(b-a);f2=f(t2); k=1; while abs(b-a)>=epsilon if f1matlab(四连杆优化设计)
机械优化设计在matlab中的应用 东南大学机械工程学院** 一优化设计目的: 在生活和工作中,人们对于同一个问题往往会提出多个解决方案,并通过各方面的论证从中提取最佳方案。最优化方法就是专门研究如何从多个方案中科学合理地提取出最佳方案的科学。由于优化问题无所不在,目前最优化方法的应用和研究已经深入到了生产和科研的各个领域,如土木工程、机械工程、化学工程、运输调度、生产控制、经济规划、经济管理等,并取得了显著的经济效益和社会效益。 " 二优化设计步骤: 1.机械优化设计的全过程一般可以分为如下几个步骤: 1)建立优化设计的数学模型; 2)选择适当的优化方法; 3)编写计算机程序; : 4)准备必要的初始数据并伤及计算; 5)对计算机求得的结果进行必要的分析。 其中建立优化设计数学模型是首要的和关键的一步,它是取得正确结果的前提。优化方法的选取取决于数学模型的特点,例如优化问题规模的大小,目标函数和约束函数的性态以及计算精度等。在比较各种可供选用的优化方法时,需要考虑的一个重要因素是计算机执行这些程序所花费的时间和费用,也即计算效率。 2.建立数学模型的基本原则与步骤 ①设计变量的确定; — 设计变量是指在优化设计的过程中,不断进行修改,调整,一直处于变化的参数称为设计变量。设计变量的全体实际上是一组变量,可用一个列向量表示: x=。 ②目标函数的建立; 选择目标函数是整个优化设计过程中最重要的决策之一。当对某以设计性能有特定的要求,而这个要求有很难满足时,则针对这一性能进行优化会得到满意的效果。目标函数是设计变量的函数,是一项设计所追求的指标的数学反映,因此它能够用来评价设计的优劣。 目标函数的一般表达式为: 。 f(x)=,要根据实际的设计要求来设计目标函数。 ③约束条件的确定。 一个可行性设计必须满足某些设计限制条件,这些限制条件称为约束条件,简称约束。 由若干个约束条件构成目标函数的可行域,而可行域内的所有设计点都是满足设计要求的,一般情况下,其设计可行域可表示为
30586机械优化设计考纲
高纲1513 江苏省高等教育自学考试大纲 30586 机械优化设计 南京理工大学编 江苏省高等教育自学考试委员会办公室 Ⅰ课程性质与课程目标 一、课程性质和特点 《机械优化设计》是高等工科院校中机械设计制造及其自动化专业现代设计方法模块的一门选修课程,它综合运用先修课程所学到的数学、计算机编程和机械等方面知识与理论,来解决机械工程领域内有关机构、机械零部件、机械结构及机械系统的优化设计问题及机械工程领域的其他优化问题。通过课程的学习可以培养学生运用现代设计理论与方法来更好地解决机械工程设计问题的能力。为进一步深入学习现代机械设计的理论与方法及更好地从事机械工程方面的设计、制造和管理等相关工作打下良好的基础。本课程的特点是数学基础理论与计算机编程语言与机械设计专业知识高度结合的综合课程。 二、课程目标 本门课程通过授课、练习和上机实践等教学环节,使学生树立机械优化设计的基本思想,了解机械优化设计的基本概念,初步掌握建立优化数学模型的基本方法和要求,了解和掌握一维搜索、无约束优化和约束优化中的一些基本算法及各种基本优化方法的特点和相关优化参数的选用原则,具有一定的编制和使用优化软件工具的能力,并具备一定的将机械工程问题转化为最优化问题并求解的应用能力。 三、与相关课程的联系与区别 本课程教学需要的先修课程:高等数学、理论力学、材料力学、机械原理、机械设计、机械制造装备设计、计算机编程语言。 本门课程要利用高等数学中有关偏导数、函数、极值、线性代数和矩阵等知识来
构建优化的方法;利用力学、机械设计和机械制造等方面的专业知识将工程问题转化成规范的优化设计数学模型,并利用计算机编程语言将优化方法和数学模型转化成可以执行的计算机程序,从而得到优化问题的解。因此,它既区别于基础的数学、力学课程和计算机编程语言课,又不同于机械设计和机械制造等机械专业课程,是利用数学方法和编程语言来解决机械工程设计问题的综合性课程。需要培养学生综合应用各选修课程知识解决工程设计问题的能力。 四、课程的重点和难点 本课程的重点内容:机械优化设计的基本概念、一维搜索优化方法、基本的无约束优化方法和约束优化方法。 本课程的次重点内容:机械优化数学模型建立方法和原则、优化设计的数学基础、线性规划方法、多目标和离散变量的优化方法。 本课程的的难点内容:约束优化方法、优化方法在机械工程设计中的实际应用。 Ⅱ考核目标 本大纲在考核目标中,按照识记、领会和应用三个层次规定其应达到的能力层次要求。三个能力层次是递升的关系,后者必须建立在前者的基础上。各能力层次的含义是: 识记(Ⅰ):要求考生能够识别和记忆本课程中有关优化设计数学模型和各种基本优化方法基本概念、基本原理、算法特点、算法步骤等主要内容并能够根据考核的不同要求,做正确的表述、选择和判断。 领会(Ⅱ):要求考生能够领悟和理解本课程中有关优化问题数学建模、求解及各种基本优化方法的概念及原理的内涵及外延,理解各种优化方法的数学基础和求解步骤的确切含义,掌握每种方法的适用条件和优化参数选用原则;理解相关知识的区别和联系,做出正确的判断、解释和说明。 应用(Ⅲ):要求考生能够根据所学的方法,对简单的优化问题求解,得出正确的结论或做出正确的判断。能够针对具体、实际的工程情况发现问题,并能探究解决问题的方法,建立合理的数学模型,用所学的优化方法进行求解,并学会编程或利用现有优化软件求解优化问题。 Ⅲ课程内容与考核要求 绪论 一、学习目的与要求 了解机械优化设计的特点、发展概况以及本课程的主要内容。 二、课程内容 传统设计和优化设计的特点和区别,机械优化设计发展概况及本课程的主要内容。 三、考核知识点与考核要求 1. 传统设计和优化设计 识记:传统设计特点,传统设计流程; 领会:优化设计特点,现代设计流程。 2. 机械优化设计发展概况
系统可靠性大作业
《系统可靠性》课程结业考核报告题目:《装载机差速器的可靠性优化设计》 专业:机械工程 班级:机械工程131 姓名:肖磊 学号:3130109128 教师:唐冶老师 成绩: 安徽工程大学机械与汽车工程学院 2016/12/02
装载机差速器的可靠性优化设计 摘要运用可靠性设计理论和最优化设计技术,提出了装载机差速器的可靠性优化设计方法。建立了可靠性优化设计数学模型并给出了优化实例和结果分析。 关键词差速器可靠性优化设计数学模型 0引言 差速器具有结构简单、工作平稳、性能可靠等优点,在装载机上获得了广泛的 行星齿轮轴3 及中 行星齿轮2、 应用。图1为装载机差速器简图,它由半轴齿轮1、 央传动从动锥齿轮4组成。差速器设计的好坏直接影响着装载机的成本、寿命与效 强度益。其常规设计和普通优化设计都是以安全系数为基础,且将设计中的应力、 等变量视为确定型变量,这一方面不符合实际运行情况,经大量试验统计证明它们是符合某种统计规律的变量;另一方面安全系数大小的选取也有不确定性,受设计人员经验的影响。为了弥补上述缺陷,考虑影响差速器齿轮传动的种种因素的不确定性,将变量处理成随机变量,运用可靠性设计理论最优化设计技术,对差速器齿轮传动进行可靠性优化设计,不失为一种新的选择。 1.半轴齿轮 2.行星齿轮 3.行星齿轮轴 4.中央传动从动锥齿轮 图1 装载机差速器简图 1.差速器齿轮齿根弯曲强度的可靠度计算 由于差速器齿轮的啮合次数比传动系其它齿轮少得多,很少因齿面点蚀而破
坏,因此无需进行齿面接触强度可靠度计算,而只需计算齿根弯曲强度的可靠度。 锥齿轮齿根弯曲强度条件为 ζF=F t KY Fa Y(1) 式中Ft———作用在行星齿轮和半轴齿轮上的圆周力 Ft=2 T1/2C3 dm1 T1———差速器设计转矩 dm1———半轴齿轮平均分度圆直径,且 dm1 = d1(1 - 0. 5ΦR) =mz1(1 - 0. 5ΦR) m———锥齿轮端面模数 ΦR———齿宽系数,ΦR= b/R R=m z1(u +1)1/2/2 K———载荷系数,K= KAKVKFαKFβ,其中,KA为使用系数,KV为动载系数,KFα为齿间载荷分配系数,取KFα= 1,KFβ为齿向载荷分布系数 YFα———载荷作用在齿顶时锥齿轮的齿形系数 YSα———载荷作用在齿顶时锥齿轮应力校正系数 ζFP———许用弯风应力 ζFP= KFNζF Lim/SF (2) 这里,ζF Lim为锥齿轮齿根弯曲疲劳极限值,SF为齿根弯曲疲劳计算用安全系数,KFN为弯曲疲劳计算时的寿命系数。 从理论上讲,式(1)、式(2)中的各参数,除齿数比u和行星轮个数 C可预先确定之外,其余均为随机变量,具有一定的分布规律。实际上由于锥齿轮的几何参数误差相对来说一般均很小,故可视为确定量。有些参数的分布情况尚难以考虑,也暂定为确定量[2]。这样随机变量ζF和ζFP的均值、标准差可用可靠性设计理论中的变异系数法[2]求得,其值分别为 ζ = KAKVKFβFtYFαYSα(3) F=bm(1 - 0. 5ΦR) SζF=ζFCζF(4) ζFP= KFNζF Lim/SF(5)
华中科技大学参考书教学总结
│ 华中科技大学参考书目 │201《高等工程数学》,于寅,华中科技大学出版社,第二版,1995年。 │ │202《西方语言学名著选读》,胡明扬编,人民大学出版社 │ │203《微观经济学》,平狄克、鲁宾费尔德著,中国人民大学出版社,2000年 第4版。│ │ 《微观经济学的产生与发展》,张培刚著,湖南人民出版社,1997年版。 │ │ 《宏观经济学》,多恩布什、费希尔著,中国人民大学出版社,2000年第 7版。│ │204《高等教育学》,潘懋元、王伟廉主编,福建教育出版社,1995年版。 │ │ 《高等教育新论--多学科的高等教育研究》王承绪主编,浙江教育出版社, 1988年版│ │ 《高等教育哲学》,约翰·布鲁贝克著,浙江教育出版社,1987年版。 │ │205 "P. R. Halmos: Measure Theory" 1975 (1-9章) │ │ 严士健、王隽骧、刘秀芳,《概率论基础》,科学出版社,1983 │ │206《微观经济理论》,H. T. Varian, Microeconomic Analysis, Third Edition, │ │ W.W. Norton Se Company, 1981 │ │207 量子力学《量子力学简明教程》周士勋编,高等教育出版社 │ │208 控制理论:《机械工程控制基础》,杨叔子等,华中科技大学出版社 │ │ 《自动控制原理》,李友善,国防工业大学出版社 │ │209 互换性与测量技术基础:《互换性与技术测量》,李柱等,华中科技大学 出版社。210 │ │优化设计:《机械优化设计》,陈立周等编,上海科学技术出版社,1985;另 附加有│ │ 关线性规划的内容 │ │211《钢的强韧化理论与设计》,俞德刚,上海交大出版社 │ │ 《金属材料学》,王笑天,机械工业出版社 │ │212《陶瓷材料学》,周玉,哈尔滨工业大学出版社 │
机械优化设计课后习题答案
第一章习题答案 1-1 某厂每日(8h 制)产量不低于1800件。计划聘请两种不同的检验员,一级检验员的标准为:速度为25件/h,正确率为98%,计时工资为4元/h;二级检验员标准为:速度为15件/h ,正确率为95%,计时工资3元/h 。检验员每错检一件,工厂损失2元。现有可供聘请检验人数为:一级8人和二级10人。为使总检验费用最省,该厂应聘请一级、二级检验员各多少人? 解:(1)确定设计变量; 根据该优化问题给定的条件与要求,取设计变量为X = ?? ????=??????二级检验员一级检验员 21x x ; (2)建立数学模型的目标函数; 取检验费用为目标函数,即: f(X) = 8*4*x 1+ 8*3*x 2 + 2(8*25*0.02x1 +8*15*0.05x 2 ) =40x 1+ 36x 2 (3)本问题的最优化设计数学模型: min f (X ) = 40x 1+ 36x 2 X ∈R 3· s.t. g 1(X ) =1800-8*25x 1+8*15x 2≤0 g 2(X ) =x1 -8≤0 g 3(X ) =x 2-10≤0 g4(X) = -x 1 ≤0 g5(X) = -x 2 ≤0 1-2 已知一拉伸弹簧受拉力F ,剪切弹性模量G ,材料重度r ,许用剪切应力[]τ,许用最大变形量[]λ。欲选择一组设计变量T T n D d x x x ][][2 32 1 ==X 使弹簧重量最轻,同时满足下列限制条件:弹簧圈数3n ≥, 簧丝直径0.5d ≥,弹簧中径21050D ≤≤。试建立该优化问题的数学模型。 注:弹簧的应力与变形计算公式如下 3 22234 881 ,1,(2n s s F D FD D k k c d c d Gd τλπ==+==旋绕比), 解: (1)确定设计变量; 根据该优化问题给定的条件与要求,取设计变量为X = ????? ? ????=??????????n D d x x x 2321; (2)建立数学模型的目标函数; 取弹簧重量为目标函数,即: f(X) = 322 12 4 x x rx π (3)本问题的最优化设计数学模型:
(完整word版)优化设计Matlab编程作业
优化设计
无约束优化 min f(x)= 21x +22x -21x 2x -41x 初选x0=[1,1] 程序: Step 1: Write an M-file objfun1.m. function f1=objfun1(x) f1=x(1)^2+2*x(2)^2-2*x(1)*x(2)-4*x(1); Step 2: Invoke one of the unconstrained optimization routines x0=[1,1]; >> options = optimset('LargeScale','off'); >> [x,fval,exitflag,output] = fminunc(@objfun1,x0,options) 运行结果: x = 4.0000 2.0000 fval = -8.0000 exitflag = 1 output = iterations: 3 funcCount: 12 stepsize: 1 firstorderopt: 2.3842e-007 algorithm: 'medium-scale: Quasi-Newton line search' message: [1x85 char] 非线性有约束优化 1. Min f(x)=321x +2 2x +21x -32x +5
Subject to: 1g (x)=1x +2x +18≤0 2g (x)=51x -32x -25≤0 3g (x)=131x -412 2x 0≤ 4g (x)=14≤1x 130≤ 5g (x)=2≤2x 57≤ 初选x0=[10,10] Step 1: Write an M-file objfun2.m function f2=objfun2(x) f2=3*x(1)^2+x(2)^2+2*x(1)-3*x(2)+5; Step 2: Write an M-file confun1.m for the constraints. function [c,ceq]=confun1(x) % Nonlinear inequality constraints c=[x(1)+x(2)+18; 5*x(1)-3*x(2)-25; 13*x(1)-41*x(2)^2; 14-x(1); x(1)-130; 2-x(2); x(2)-57]; % Nonlinear inequality constraints ceq=[]; Step 3: Invoke constrained optimization routine x0=[10,10]; % Make a starting guess at the solution >> options = optimset('LargeScale','off'); >> [x, fval] = ... fmincon(@objfun2,x0,[],[],[],[],[],[],@confun1,options) 运行结果: x = 3.6755 -7.0744 fval = 124.1495