机床支承件不确定性多目标优化设计

发布时间：2017-09-05 12:11

  本文关键词：机床支承件不确定性多目标优化设计

  更多相关文章： 拓扑优化 不确定性 遗传算法 粒子群算法 多目标优化

【摘要】：现代工业精密、超精密加工对机床的各项性能提出了更高的要求,机床支承件作为主要承载零件,其结构合理与否直接影响着机床的加工质量。传统支承件设计方法常采用经验法、相似产品类比法,其效率低、设计周期长、能耗高且设计效果不佳,不得不探索更高效、有效的支承件设计方法。机床支承件在制造与使用过程中广泛存在各种不确定因素(诸如材料参数不确定性和载荷不确定性),众多不确定因素耦合对机床加工精度产生的影响不容忽视。然而常规支承件设计方法无法处理工程中含有不确定因素的问题,不确定性多目标优化方法则成为解决此问题的关键技术。本文考虑支承件优化设计过程中支承件材料密度、弹性模量及切削载荷的不确定性,采用几种不同的不确定性多目标优化方法对主轴箱和立柱进行了不确定性多目标优化设计,对比优化结果并确定最终设计方案。本文主要工作内容如下：(1)首先建立支承件不确定性多目标优化问题。选取不确定变量,并利用Ansys Workbench软件分别对主轴箱和立柱的主要特征尺寸进行了关于各优化目标的灵敏度分析,依据分析结果选取优化变量；采用拉丁超立方抽样方法在不确定变量和优化变量组成的空间抽样,并计算相应的优化目标值；运用支持向量机方法(SVM)构建了不确定变量、优化变量与优化目标、约束函数的近似模型,并验证其精度。(2)采用将改进的非支配排序遗传算法(NSGA-Ⅱ)与隔代映射遗传算法(IP-GA)嵌套的算法,以机床切削点位移和支承件(主轴箱、立柱)重量为优化目标,将支承件—阶固有频率作为约束,求解主轴箱和立柱不确定性多目标优化问题。(3)采用将粒子群算法(PSO)嵌套的方法代替嵌套遗传算法来求解第三章中的支承件不确定性多目标优化问题。(4)采用将改进的非支配排序遗传算法(NSGA-Ⅱ)于粒子群算法(PSO)嵌套的方法求解第三章中的支承件不确定性多目标优化问题,并对比三种方法求解结果,选定最终优化方案。结果表明：本文提出的不确定性优化方法可以有效解决不确定因素影响下的支承件结构设计问题。相对于初始方案,经不确定性多目标优化后的主轴箱切削点位移均值降低11.87%,切削点位移区间减小34.78%,主轴箱重量降低8.01%；立柱切削点位移降低5.56%,切削点位移区间减小24.22%,立柱重量降低6.91%。
【关键词】：拓扑优化 不确定性 遗传算法 粒子群算法 多目标优化
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TG502.1
【目录】：

• 摘要4-5
• Abstract5-9
• 1 绪论9-17
• 1.1 课题来源9
• 1.2 研究背景及意义9-10
• 1.3 不确定因素及其优化模型10-12
• 1.3.1 工程中不确定因素的分类10
• 1.3.2 不确定性优化模型10-12
• 1.4 支承件结构优化方法研究现状12-15
• 1.4.1 结构拓扑优化13-15
• 1.4.2 不确定性多目标优化15
• 1.5 本文研究工作15-17
• 2 支承件不确定性多目标优化问题及优化模型的建立17-38
• 2.1 支承件不确定性多目标优化问题描述17-19
• 2.1.1 支承件性能评价指标17-18
• 2.1.2 支承件不确定性多目标优化问题的建立18-19
• 2.2 常用近似模型技术19-22
• 2.2.1 响应面模型20
• 2.2.2 Kriging模型20-21
• 2.2.3 支持向量机模型21-22
• 2.3 不确定变量的选取22
• 2.4 基于灵敏度分析优化变量选取22-29
• 2.4.1 载荷计算23-24
• 2.4.2 主轴箱优化变量的选取24-26
• 2.4.3 立柱优化变量的选取26-29
• 2.5 基于拉丁超立方采样方法的设计点选取29-34
• 2.5.1 主轴箱设计点的选取30-32
• 2.5.2 立柱设计点的选取32-34
• 2.6 SVM模型建立及精确度验证34-37
• 2.6.1 主轴箱SVM模型建立及精确度验证34-36
• 2.6.2 立柱SVM模型建立及精确度验证36-37
• 2.7 本章小结37-38
• 3 基于遗传算法的支承件区间不确定性多目标优化38-50
• 3.1 不确定性多目标优化遗传算法39-41
• 3.1.1 改进非支配排序遗传算法(NSGA-Ⅱ)39
• 3.1.2 隔代映射遗传算法(IP-GA)39-40
• 3.1.3 嵌套遗传算法40-41
• 3.2 主轴箱优化结果及分析41-45
• 3.2.1 嵌套遗传算法优化结果42-45
• 3.3 立柱优化结果及结果分析45-49
• 3.3.1 嵌套遗传算法优化结果45-49
• 3.4 本章小结49-50
• 4 基于粒子群算法的支承件区间不确定性多目标优化50-57
• 4.1 不确定性多目标优化粒子群算法50-52
• 4.1.1 粒子群算法(PSO)50-51
• 4.1.2 嵌套粒了群算法51-52
• 4.2 主轴箱优化结果及分析52-54
• 4.2.1 嵌套粒子群算法优化结果52-54
• 4.3 立柱优化结果及结果分析54-56
• 4.3.1 嵌套粒子群算法优化结果54-56
• 4.4 本章小结56-57
• 5 基于改进算法的支承件不确定性多目标优化57-63
• 5.1 主轴箱不确定性多目标优化结果57-59
• 5.2 立柱不确定性多目标优化结果59-62
• 5.3 本章小结62-63
• 结论63-64
• 参考文献64-67
• 攻读硕士学位期间发表学术论文情况67-68
• 致谢68-69

【参考文献】

中国期刊全文数据库 前10条

1 刘继红;付超;孟欣佳;;随机与区间不确定性下基于BLISS的多学科可靠性设计优化[J];计算机集成制造系统;2015年08期

2 丁文政;汪木兰;朱松青;黄筱调;;高档数控机床动态性能的评价研究[J];机床与液压;2014年23期

3 马福民;徐安平;刘涛涛;;不确定因素作用下连续型企业能源消耗过程建模方法[J];计算机集成制造系统;2015年10期

4 黄韶娟;盛伯浩;;未来机床制造业发展探析[J];航空制造技术;2014年11期

5 李伟平;谢锋;马腾飞;张宝珍;;基于区间的车架不确定性多目标优化[J];汽车工程;2014年03期

6 许华e，

本文编号：797888