起重机主梁轻量优化精确建模与智能求解方法

发布时间：2021-06-20 20:53

　　为了减轻起重机主梁自重,提出了基于多进化行为粒子群算法的主梁轻量化设计方法。建立了主梁轻量化设计模型,使用罚函数将约束优化问题转化为非约束优化问题;以粒子群算法为基础,制定了向群体最优学习、向自身学习、向其他粒子学习等多渠道信息来源方法,提出了四种粒子进化方法,以不同进化方法的即时价值和未来价值为依据,构造了粒子选择不同进化行为的概率,从而提出了多进化行为粒子群算法的优化模型智能求解方法。经测试函数验证,对于低维和高维寻优问题,多进化行为粒子群算法均具有超强的寻优的能力;与企业生产主梁相比,多进化行为粒子群算法优化后主梁面积减少了10.86%,且经有限元分析可知,优化后主梁仍满足约束条件,负荷设计要求。 

【文章来源】：机械设计与制造. 2020,(08)北大核心

【文章页数】：6 页

【部分图文】：

箱型主梁截面图

多进化行为粒子群算法

为了形成对比，分别使用基本粒子群算法、文献[11]给出的DGL-CPSO算法、多进化行为粒子群算法进行寻优，多进化行为粒子群算法参数设置为：个体未来价值和全局未来价值的平衡系数α=0.5，自适应惯性权重ω∈[0.2,0.9]，自身学习因子c1=1.4962，群体学习因子c2=1.4962，每种算法均独立运行10次，每次迭代1000次。运行结果，如表2所示。平均最优值迭代曲线，如图3、图4所示。图4 不同算法对测试函数2的寻优结果

【参考文献】：
期刊论文
[1]改进UCT算法在爱恩斯坦棋中的应用[J]. 张小川,李琴,南海,彭丽蓉.  计算机科学. 2018(12)
[2]应用混沌萤火虫算法的无人机航迹规划[J]. 余胜东,吴洪涛,马金玉.  机械设计与制造. 2018(11)
[3]基于改进ISPO算法的三维航迹规划方法[J]. 刘志阳,江涛,甄云卉.  电光与控制. 2018(07)
[4]桥式起重机箱型主梁模糊可靠性优化[J]. 范小宁,岳小云,崔智勇.  机械设计与制造. 2017(02)
[5]改进量子遗传算法在无人机航迹规划中的应用[J]. 鱼佳欣,李刚,李东涛,李文君.  计算机仿真. 2015(05)
[6]基于改进人工蜂群算法的无人机实时航迹规划[J]. 张洛兵,徐流沙,吴梅.  飞行力学. 2015(01)



本文编号：3239914