英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料
对桥式起重机的最优化设计
瞿小刚1，2，徐葛宁2，范小宁2*和毕肖城2
- 机电工程学院，兰州理工大学、兰州730050，中国
- 机械工程学院，太原科技大学、太原030024，中国
2014年1月9日收到，2014年9月30修订，2014年10月8号接受
摘要:在起重机金属结构设计的优化中，目前的所用的方法是基于简单模型和混合变量。这在实践中是难以使用的，通常由于变量的四舍五入导致优化结果的失败。起重机金属结构最优设计(CMSOD)属于离散变量约束的非线性优化问题。这是一种结合了蚂蚁蚁群算法与mutation-based本地搜索(ACAM)开发并用于真正的首次CMSOD的新颖算法。在算法模型里，介绍了连续数组元素的编码模式。这不仅避免了需要优化设计的变量的混合。也促进了启发式信息的建设以及存储蚁群信息素的更新。这让ACAM，遗传算法(GA)和粒子群优化(PSO)用于优化起重机的金属结构。优化的结果表明，ACAM大约的收敛速度20%的遗传算法和PSO的的11%左右。目标函数值由ACAM小于22.23%实际设计值,减少算法GA的16.42%和16.42%。发达ACAM是一种有效的智能CMSOD和方法优于其他方法。
关键词:起重机金属结构、设计优化、连续数组元素编码模型、蚁群优化
粒子群优化,遗传算法
1.引言
作为移动和运输的重要工具，起重机被用于各领域进行重型装卸任务，在现代化的生产中，起重机是实现工厂、铁路、港口等地区进行机械装卸的工具。金属结构主要是由滚型钢和厚钢板焊接组成，而其焊接也是按照一定的结构组织的规定。起重机金属结构(cms)，也称为起重机桥梁，它承担和转移起重机及其自重的负担,是机械骨骼和起重机的主要组件。他们的设计质量会直接影响整个起重机的技术和经济效益,以及安全。
一般来说，CMS需要大量的钢材，而且所占有的比重还相当大，其成本占总成本的三分之一.因此,在满足实际设计规范的情况下, CMS的性能改善,节约材料,减少体重意义产生的成本节约。随着材料成本和日益增长的需求的增加，从各个角度来看,起重机金属结构最优设计(CMSOD)变得越来越重要。然而,很少有人注意起重机的优化设计在实践中,由于大多数的起重机制造商已经将不同的标准和起重机设计统一了一个单一的标准来达到制造简单的目的。
虽然一些学者一直在研究这个问题。,基本上他们的工作是基于简单的模型。虽然一些学者一直在研究这个问题,基本上他们的工作是基于简单的模型。目前使用的方法包括:随机方向法、有限元方法、人工神经网络、遗传算法等，并分析紧张的状态和变形强度结构。通过利用COSMOS有限元来优化主要梁式起重机。LAGAROS等,提出了一种基于神经网络预测结构响应方案,，要求每个候选人的质量评估进行优化设计。提出的方法应用于一个高架起重机结构通过选择不同的有限元。模拟相应的固体离散化以及混合离散化shell-solid和beam-solid元素。PANG等分类的优化设计起重机主梁作为混合变量优化问题。提出了一种改进的人工免疫遗传算法和用来进行可靠性优化的桥式起重机主梁。MIJAILOVIĆ等,讨论了塔式起重机的截面优化问题利用拉格朗日乘数。结构的总质量建设被选为目标函数,压力的限制准则作为约束函数。
JARMAI提供了决定性的支持。个人电脑上运行的系统(DSS)的最合理桥式起重机钢结构设计。优化装配起重机轨道梁的跨度部分考察了数学优化算法。作为一个例子,一个对称焊接工字形剖面和钢筋轧制部分。起重机金属结构定期从事繁重的工作:他们必须有足够的强度、刚度和在复杂条件下稳定运行。其设计计算包括典型的空间结构的超静定的问题。因此其计算模型和设计计算复杂。此外,在实际的设计和生产,结构尺寸通常在毫米整数,钢板的厚度中指定单个卷钢板公称厚度”1。”,因此CMSOD应该符合需求约束非线性优化和离散变量,是一个np难问题,而不是作为一个混合变量优化。对于这类问题,当采用经典优化方法一览表就是给予一定标准(如数学规划方法和方法)存在无解或即使有解决方案,他们将消耗大量的优化时间。此外,他们需要梯度信息,然而一个复杂的计算模型的微分计算困难或导数不存在,会导致无法计算。相反的智能优化方法,这样的作为遗传算法,蚂蚁殖民地算法等,不需要梯度信息,可以获得满意的解决方案或算法的解决方案在一个可接受的时间内。到目前为止,他们已经成功地应用于各种优化问题已逐渐成为解决np难优化问题最有力的工具,它已经吸引了相当大的关注全球研究人员。
蚁群优化(ACO)是被DORIGO在1991年发明的,灵感来自真实蚁群的觅食行为中个体蚂蚁存款道路上的一种叫做信息素的物质,而从他们的巢穴到食物来源,反之亦然。因此,信息素轨迹形成通过个体蚂蚁帮助气味和路线选择。路径与更多的信息更有可能选择其他蚂蚁,把当前信息素轨迹进一步放大,导致一个正反馈过程。因为蚂蚁的行为,一段时间后,从巢穴到食物的最短路径源将形成。第一个ACO算法,叫做蚂蚁系统,应用于解决TSP问题。因为搜索并行算法是基于组件的解,算法的搜索效率要高得多。所以,引入以来,ACO meta-heuristic已广泛应用于许多领域,包括结构优化和承诺结果在不同的其他应用程序。然而,这种方法还没有用于CMSOD，其一直被归类为一个混合离散变量优化,导致优化设计变量的结果必须是圆形的。但是否圆角设计变量在可行域内还需要验证。当使用遗传算法（GAs）在CMSOD,存在复杂的操作和低整体收敛速度的缺点。由于人工神经网络的构建配置的复杂性和不稳定性,导致许多研究仍需要应用和扩展他们的使用。有限单元法使造型复杂,产生高计算成本。鉴于这些原因,第一次,本文基于起重机金属结构,发展一个高效的蚁群算法，本地搜索(ACAM)的最优化设计的桥式起重机金属结构(OTCMS)组成的离散设计变量和评估算法的性能比较其结果与其他优化技术。
本文的其余部分安排如下。第二节OTCMS及其优化问题方案。第三节结构的ACAM优化设计的OTCMS和描述优化的过程。随后ACAM上使用实际优化测试用例及其数值结果在第四节介绍和讨论。最后,第五节的结论。
2优化问题的声明的OTCMS
起重机是在不收地面相关因素干扰的情况下来移动、装载机械的。在这个研究中，典型OTCMS被选为研究对象。所示图1,它由两个平行的跨度为跑道纵梁宽度和动作纵梁和两个尾端支架位于每一方平衡梁跨度的房子。因为主梁是校长的水平横梁OTCMS尾端支架支持电车和所支持的尾端支架,他们是主要的承载组件和占80%以上OTCMS的总重量。因此,最优设计一个OTCMS主要是其主要的设计梁。起重机的腹式梁通常是一个箱形断面。装配式钢结构板,主副骨架肋板,顶部和底部法兰盘,如图2所示。因此给定一个范围,其优化设计将把重点放在获得最小自重,即,最低主梁横截面积,同时满足给定的条件。在这里,一个实际偏斜的轨道箱主梁主要考虑和优化设计的数学模型是列于表1。
图2主梁截面
图 1桥式起重机金属结构
表1。OTCMS优化设计的数学模型
设计变量的优化问题' (1)
变量 X1 X2 X3 X4 X5
象征 h t t1 t2 b
目标函数:最小化梁的横截面积 (2)
e是设置为20 mm促进焊接:b被设置为15 t保证悬臂安装法兰和轨道的局部稳定性
约束优化问题
不等式约束 约束条件的性质 描述
g1(X)=1-()le;0 静强度约束 最大综合应力危险点①(1-1section)
g2(X)=2-()le;0 静强度约束 法向应力危险点②(1-1section)
g3(X)=3-()le;0 静强度约束 法向应力危险点③(1-1section)
g4(x)=T1-[T]0 静强度约束 最大剪应力的主要网络(2节)
g5(x)=T2-[T]0 静强度约束 横向剪切应力在法兰(2节)
g6(X)=max4-(r4)le;0 疲劳强度约束 疲劳强度在临界点④(1-1section)
g7(X)=max5-(r5)le;0 疲劳强度约束 疲劳强度在临界点⑤(1-1section)
g8(x)=-3 稳定约束 箱形梁的高宽比
g9(x)=fv-[fv]0 静态刚度约束 中跨的垂直静载弯曲
g10(x)=fh-[fh]0 静态刚度约束 水平中跨的静态位移
g11(x)=[fv]-fv0 动态刚度约束 垂直中跨的自然振动频率
g12(x)=[fH]-fH0 动态刚度约束 水平中跨的自然振动频率
gj1(x)=x1-[ximax] 边界约束条件 上界的设计变量为j1 =13hellip;21,i=1hellip;5
gj2(x)=[ximin]-x0 边界约束条件 下界的设计变量j2 =14hellip;22,i=1hellip;5
材料许用应力()176 MPa,许用剪应力()101 MPa。(r4),(r5)焊接接头抗拉疲劳④、⑤许用应力的点。[fv],[fh]是垂直和水平允许的静态刚度,分别为和，(跳频)[f],是梁的跨度。是垂直和水平允许等于L和800分别拍摄出来的动态刚度,等于2到4赫兹和1.5分别为2赫兹。Ximin与Ximax是设计变量的上下界限。
运行时,OTCMS受到的载荷主要包括以下几点:1)静载荷(包括F均布荷载和集中载荷P(j = 1,2);2)垂直移动载荷(即滚轮负载sum;P适用于货物载荷之和,电车的体重(P);3)水平惯性载荷(包括集中惯性载荷P和统一的惯性载荷F),横向力P;4)移动的扭矩T等。
图3主梁受力图
显示了力在主梁的垂直和水平的简图。计算图确定临界断面1 - 1图2所示。设计变量满足结构强度、刚度、稳定性、制造工艺,和空间的局限,根据起重机设计规范约束如表1所示。
在表1中,约束、g(X),g(X)和g(X)对应工况的电车,满载,定位在中跨,降低和制动,同时起重机桥是起动或制动。约束,g(X)和g(X),对应的工况,电车满载定位端跨度,降低和制动,同时起重机桥是起动或制动。约束,g(X)和g(X)对起重机的条件是在正常服务。当满载的电车是定位在中跨,约束,g(X),g(X),g(X)和g(X)计算。此外,由于当地的稳定(与当地
屈曲)安排可以保证主梁的横向和纵向加劲肋形式形成区域网格根据法兰的宽度和厚度比率和高度和厚度比率的网络,只有全面稳定g(X)主梁的需要
被认为是在这里。总之,主梁的优化设计
OTCMS是五维优化问题
有22个约束,如表1所示。
3优化蚁群算法
OTCMS算法是一个总括的术语的改进的蚂蚁算法,包括:
蚁群系统(ACS)不等式蚂蚁,等等。更多细节,有兴趣的读者可以阅读以下相关文学研究。
3.1表示和初始化的解决方案
一个适当的表示一个工程问题是进化设计的最关键因素之一。不仅要考虑的重要方面的理解传统工程的造型问题,而且相关的计算问题,包括搜索效率、可伸缩性和映射一个搜索空间和一个实际的设计空间。从理论上讲,主梁高度和宽度是连续的实值变量。然而,在实际的设计和生产,这些变量通常是毫米的整数。因此,主梁高度和宽度可能被视为离散的整数值变量(mm)。这种解决方法不仅可以满足设计和生产要求,而且简化了设计变量。此外,根据指定的厚度的钢板轧制钢板公称厚度”1。”,钢板的厚度低于30 mm中指定的倍数0.5毫米,超过30毫米厚度在1毫米的倍数,所以指定web和法兰的厚度也离散变量。
因此,设计一个OTCMS应该属于约束非线性离散变量优化问题类而不是一直被认为的混合变量类。在这个算法连续array-element-codedmethod,也就是说,一个解决方案是由不同的数组元素,在其中不同的设计变量被存储。蚂蚁搜索路径之一是解决优化问题的一组设计方案。第i个蚂蚁的路径在n维搜索空间迭代t可以由Xi所示。(i=1,2,p,p表示数量)。连续[m]数组元素数组用于存储离散设计变量x引入顺序依次(m表示数组j设计变量x的序列号。它是一个整数,1le;le;m。j n,其中n是设计变量的数量。M是离散值的数量可供第j设计变量x。上下界的设计变量x)。解决方案的初始化是意识到的= 1,2、随机方法描述下面的伪代码:
=（17）
For i=1 to p do
For j=1 to n do
Next j
Next i
这里随机函数生成一个整数均匀分布的范围(1米)。然后设置初始信息素(T(m))的数组元素空间为零。启发式informationeta;(m)的数组元素数组[m]或
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[151006]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
