時間:2023-06-22 09:12:40
序論:速發表網結合其深厚的文秘經驗,特別為您篩選了11篇多目標優化設計范文。如果您需要更多原創資料,歡迎隨時與我們的客服老師聯系,希望您能從中汲取靈感和知識!
[Abstract] Construction enterprises in the construction management of traditional design is in just one index construction time, progress and cost of the single optimization, and without considering the target relation. Resulting in construction and planning is not consistent, so that construction units not know what course to take. This paper in view of the current project management in the three as long as the goal is obtains analyzes one by one and try to integrate these aspects.
[keyword] construction management; multi-objective optimization design;
中國分類號:TL372+.2
1.引言
建筑工程行業一直以來都是我國的支柱性產業,建筑業的發展水平對我國整體經濟的發展形勢起著至關重要的作用。當前,隨著我國住房體制的改革,大量的住房消需求被釋放出來,再加上國家城市化進程的步伐不斷加快,國內建筑行業呈現出欣欣向榮的景象。然而,在競爭愈來愈激烈的形勢下,粗放性經營己無法適應當下的發展,只有加強企業內部管理,向管理要效益才能有出路。對建筑施工企業來說就是要優化設計施工管理中的諸多目標。
2.三大施工管理控制目標的基本分析
施工管理目標是施工管理的重要組成部分,管理的功能決定了實現目標的方法。施工項目管理的目標就是在規定的時間內,用一定的費用建造出符合質量要求的建筑。其目標主要可分為三個方面:進度管理目標、質量管理目標、成本管理目標[1]。
2.1施工項目質量管理
施工項目質量是反映建筑實體能力和特性的總稱,是根據有關法律、法規、及相關技術標準對工程安全、使用、經濟、美觀等特性的綜合要求。施工項目質量管理就是為保證達到項目規定的質量標準而采取的一系列措施和手段。由于工程項目是一個工序流程龐大而復雜的物質生產過程,因此,需要對人、材料、機械、方法和環境構成的系統進行全面控制。
2.2施工項目進度管理
施工進度是指項目在施工過程中各階段所需要的時間。工程進度是工程建設非常重要的一個要求,對項目積極效益起著很大的影響。項目進度管理是對項目在各個施工階段的施工內容、施工時間、施工工序間的關系制定計劃,由于影響工程進度的因素較多,在編制計劃時必須充分認識和估計到各種可能出現的狀況,并進行實時的修改和調整,直至工程竣工驗收。
2.3施工項目成本管理
項目成本就是指某一工程在項目實施過程中發生的全部費用總和。工程施工過程中工人工資、消耗的材料、構配件、租賃費、施工機械臺班費及為組織和管理施工所發生的全部費用支出統稱為項目施工成本。成本管理的目標是在規定時間及預定的質量前提下,不斷優化項目管理工作,充分挖掘降低成本的潛力,以盡可能少的耗費,實現預定的成本目標。因此,施工項目成本管理是對項目實施過程中發生的費用,組織、系統地預測、控制、核算和考核的一系列科學管理工作。
3. 三大施工管理控制目標的優化設計分析
質量、進度、成本三者間既存在矛盾的一面,又存在著統一的一面,工程項目施工管理的優化設計就是將這三大目標作為一個有機的系統來進行整體的控制。
通常情況下,如果對工程質量要求較高,那就需要投入較多的資金和花費較多的時間;如果項目要搶時間、爭進度,那么成本就要相應的提高,或者質量要求適當地下調;如果要降低投資,那么就要考慮降低項目的功能要求和質量標準。這些反映出施工項目三大目標之間矛盾、統一的關系。
3.1 施工項目整體管理制度優化
不斷完善、積極落實項目施工過程中各種相關技術標準、規范、章程。建立健全技術管理及技術責任制。實施技術責任制是為了保證各技術崗位工作都要有專門的技術責任人,杜絕施工過程中出現問題無人負責的現象。同時還可以充分調動技術人員的積極性,務實落實技術交底和檔案管理工作。在圖紙會審階段,要求要有組織、有步驟地按程序進行。未經會審通過的施工圖紙不得用于施工[2]。技術交底的工作一定要分級進行,并且要分級管理,使參與人員都做到心中有數,避免盲目施工。對于重點工程、重點部位的技術應用,工程項目管理人員更需要做詳細清楚的技術交底安排。這其中,交建設單位的竣工資料和施工單位保存的施工組織與管理檔案都應按檔案管理要求進行搜集、整理和歸檔。
3.2 施工項目整體技術優化
在施工準備階段所做的技術準備工作是為了創造有利的施工條件,從而保證施工任務得以順利進行,它的主要工作內容及基本任務是了解和分析建設工程特點、進度、要求,摸清施工的客觀條件,編制施工組織設計,并制定合理的施工方案,充分及時地從技術、物資、人力和組織等方面為工程創造一切必要的條件,使施工過程連續、均衡地進行,保證工程在規定的工期內交付使用,使工程施工在保證質量的前提下,做到提高勞動生產率和降低工程成本。而施工組織設計是指導工程項目進行施工準備和施工的基本技術條件,加強施工組織設計編制的組織工作,對參加編寫的人員明確分工,責任到人,最后匯總,修改定稿。
在施工準備階段,選擇科學的施工方法,協調各個工種在施工中的搭接與配合、合理安排勞動力和各類施工物資的供應、確定各分部分工程的目標工期和單位工程。編制施工計劃,落實計劃的實施, 保證人力、施工物資和資金的及時到位。掌握建設工程特點和施工技術要求,分析工程施工進度要求和投資成本規定,并據此編制施工組織設計、制定施工方案,創造有利的施工條件,保證施工任務順利進行[3]。
在項目施工階段,首先要合理安排人力資源在施工過程中的運用,避免各工種人員出現怠工、窩工的現象,其次做好施工機械的均衡調配, 施工機械的臺班數量和工作面直接影響其最大施工強度,因此大型施工機械的及時進場和轉移應做到合理的銜接安排。當遇到技術難點工序、關鍵工序時,要采取各種措施予以保證其按時順利完成。
4.結束語
通過技術管理工作,做好施工前各項準備,并且加強施工過程中出現的重點、難點控制,優化配置資源提高勞動生產率、降低資源消耗,進而達到質量、進度和成本多方面的和諧統一。作為項目部,為了實現安全、質量、進度、成本等方面的目標要求,必須加強施工過程的技術管理因此加強建筑施工技術管理,對整個工程項目都起著十分重要的作用。
【參考文獻】
中圖分類號:TM614 文獻標識碼:A 文章編號:1009-914X(2015)45-0013-02
風光互補混合供電系統是一種比單獨的光伏和風能供電更加有效、經濟的供電形式,也是可再生能源進行單獨立供電的一種優化選擇,可以極大降低供電系統對電池儲蓄能量的需求。因此,人們越來越重視對風光互補混合供電系統的多目標優化設計進行研究,取得了一定的成就,本文主要介紹運用改進微分進化算法對其進行多目標優化設計的研究方法。
一、風光互補混合供電系統概述
風光互補混合供電系統的主要構成裝置是多種型號不一樣的風力發電機組,光伏電池構件以及多個蓄電池。這些組成部分對環境的適應性各不相同,同時對用戶供電可靠性的要求也不相同,所以把這些裝置集合在一個系統中互補有無,以便可以在符合供電系統要求的基礎上,盡可能實現最經濟、最可靠的供電[1]。風光互補混合供電系統的構成圖如下所示:
(一)風力發電機組。風力發電機組的發電功率和風速之間的關系如下所示:
具體的計算過程如下:
(一)設置初始參數:將系統的種群數量N,終止迭代次數C、系統變異因子的上限和下限Fmax、Fmin,以及供電系統的雜交因子的上限和下限Crmax、Crmin設置出來[4]。
(二)進行優化設計的種群初始化。在系統決策變量的最大范圍中,使其隨機形成對個解。
(三)將系統父代種群的適應度方差準確計算出來。將F和Cr的最小值計算出來。
(四)供電系統多目標有針對性地實行變異和交叉操作,進而產生子代種群。
(五)把上述形成的子代種群代入約束條件計算式(8)和(9)實施檢驗,如果計算結果與需求的條件不符合,就需要根據改進的算法進行計算。
(六)將供電系統父代種群和子代種群互相適應的數值計算出來,接著運用貪婪方法做出操作選擇,同時將目前最優的個體和相應的適應數值準確記錄下來。
(七)再判斷目前的種群分散程度,針對于部分立即要進行重疊的個體,要對其實行解群轉換的操作。
(八)將以上步驟重復計算,一直到實現系統的迭代次數為止。
目前,大多數風光互補混合供電系統多目標優化設計方案中,都將選擇光伏電池的傾角設置成當地的緯度值。可是,在混合供電系統選擇光伏電池的傾角時,要綜合考慮日照、風速、組件的容量等[5]。由于混合系統光伏電池的傾角選擇與其發電量的變化有直接的關系,就需要將蓄電池組的數量增多以更好地確保電力系統的安全性和穩定性,可是這種改變會極大增加電力系統的總成本。所以,就要將光伏太陽板的傾角看成是一個決策的變化量,再將其代入進行計算。
結束語
綜上所述,全面結合了風速、日照、地理方位、負荷等的不同變化,對風光互補混合供電系統的多目標優化設計進行了一定的探討,尤其是光伏太陽板的傾角的選擇,不能只是將其設置為當地的緯度值,而是要結合當時的風速和電量符合等因素,使其和太陽能形成一定的互補性,再將其代入計算。
參考文獻
[1]王紹鈞.風光蓄獨立供電系統應用研究[D].華北電力大學(保定),2014,21(11):17-23.
[2]劉皓明,柴宜.基于GA-PSO的微電網電源容量優化設計[J].華東電力,2013,41(2):311-317.
在飛機設計、工藝、制造、裝配等研制過程中,容差分配是一個復雜的多解問題,合理的容差分配非常關鍵,它控制著產品的性能、制造成本、裝配工藝性等。目前,飛機裝配容差優化的研究主要以最低成本法、綜合優化法等為主。假設作為調整因素的各零件之間的容差信息相互獨立,以裝配性能、加工成本和裝配工藝性作為優化指標,裝配容差優化即設法找到使指標達到最佳值的優化因素組合,這屬于典型的非線性優化問題。而神經網絡作為模仿生物神經的智能信息處理系統,具有高度的非線性映射的特點,為解決容差優化問題提供了一個良好手段。
1、多目標容差優化的神經網絡原理
在多目標容差優化過程中,由于各個目標之間往往存在著一定的矛盾關系,通常不可能達到所有目標都最優的方案,因此引入求解多目標優化的最基本方法——評價函數法,將多目標容差優化問題轉化為單目標容差優化問題進行求解。
1.1 單目標容差優化的BP神經網絡的構建
為簡化分析,以一個確定了制造、裝配工藝方案,包含三個零件的裝配體為例,構建基于BP算法的神經網絡進行單目標的容差優化,采用如圖1所示的三層網絡結構:第一層為輸入層,將各零件的容差信息傳遞給下一層;第二層為以隱層,進行容差信息的處理;第三層為輸出層,輸出優化指標。
將各零件容差的上、下極限偏差作為輸入值,令其為。將裝配性能、加工成本和裝配工藝性三個優化指標作為輸出值,令其為,分別建立三個針對各自優化指標的容差優化BP神經網絡模型。隱層節點數可根據經驗公式來確定,其中為輸出層節點數,為1~10之間的常數。各層之間均采用雙極性Sigmoid函數作為傳輸函數。
圖1容差優化的神經網絡模型
對于一個三層BP神經網絡,若輸出層的輸入信號為,輸出的誤差信號為,則隱層到輸出層的權值矩陣的調整可以表示為:
若隱層的輸入信號為,輸出的誤差信號為,則輸入層到隱層的權值矩陣的調整可以表示為:
單目標容差優化的BP神經網絡經過學習訓練后,將容差與優化指標之間的非線性映射關系存儲在權值矩陣中,在工作階段,便可以實現對非樣本信號的正確映射,得到所對應的優化指標值。
1.2 多目標優化評價函數的建立
建立多目標評價函數之前先完成各自單目標優化模型輸出數據的預處理即歸一化,將輸出數據限制在一定的區域內,以便于在一個共同的區域內進行多個優化指標的綜合評價。將輸出數據變換為[0,1]區間的值可采用變化式:
在三個容差優化指標中,裝配性能指標輸出的是裝配封閉環的容差大小,優化目標是值越小越好,加工成本指標的優化目標同樣是越小越好,裝配工藝性指標輸出的是工藝過程能力指數,其優化目標是越大越好。假設各優化指標與輸入值之間存在著,,由于優化指標之間相互存在著矛盾關系,不可能使得每個優化指標達到最佳,設在值域中存在著一個理想點,尋求距離最近的作為優化的近似值,因此構造評價函數:
這樣就可以將多目標容差優化問題轉化為求上式的極小值問題來解決:
2、多目標容差優化設計的工作流程
根據以上對BP神經網絡的結構的分析,并結合多目標優化的評價函數,多目標容差優化設計可按以下步驟進行:
(1)建立針對各優化指標的單目標容差優化的BP神經網絡。
(2)確定BP神經網絡中包括輸入信息與輸出信息在內的網絡結構參數。
(3)準備網絡的訓練數據,對BP神經網絡進行訓練,將訓練好的BP神經網絡模型作為單目標容差優化的函數值仿真計算工具。
(4)分別對各BP神經網絡的目標函數值進行單目標優化,得到有效值域中的理想點。
多目標最優化是門研究多目標最優化問題的重要學科,它的研究對象是多數值目標函數,目的是為了實現在固定區域內實現最優函數值。多目標最優化問題由V.Pareto在1896年首次提出;在1951年,Koopmans在分析上產與分配效率時引入有效解,進一步推動了多目標最優化的發展;20世紀60年代起,人們開始廣泛關注多目標最優化問題,并設計了多種多目標最優化問題解決方案。
一、多目標優化方法的種類
優化設計可以提高工程設計的整體水平,因此備受設計人員的喜愛。優化的目的不同,采用的優化方法也有所不同。
(一)評價函數法。評價函數法應用簡單,只需建立評價函數就能用單目標優化取代多目標優化問題。根據評價函數法的形式對它進行分類,能分為多種類型:P模理想點法、線性加權法以及最短距離法等。這些評價方法具有不同的形式,但卻具有相似的原理。
(二)逐步寬容約束法。評價函數法雖然應用簡單,但卻很難在現實環境中構造。要使復雜的多目標優化問題轉變成簡單的單目標優化問題,還可以采用逐步寬容約束法。這種方法是選取多目標中的一個目標,通過限定其他目標的選值范圍,構成一個單目標優化問題。在使用時不斷改變其他目標的取值,記錄函數值的變化情況,最后選出最優函數值。
(三)目標規劃模型。目標規劃模型的原理是:分別計算每個目標的最優函數值,計算各目標最優點與計算設計點的正負偏差和,通過偏差和確定優化工程設計的最佳方案。
(四)多目標遺傳算法。遺傳算法發展較迅速,它主要應用于含有多變量、多參數和多目標的數值求解。多目標遺傳算法以遺傳算法為基礎,經過多年發展,已經出現了NCGA、NPGA、SPGA等多種形式。其中,NCGA方法在傳統遺傳算法的基礎上優化了加速收斂過程。
(五)多目標模糊優化算法。多目標模糊優化算法應用廣泛,它通過對設計特征進行詳細分析,劃分優化涉及的可行域,給設計人員提供優化空間。這種方法充分考慮了工程設計中的模糊因素,算法的核心就是模糊的設計變量、模糊的約束條件、模糊的目標函數。
二、多目標優化方法的特征及決策方法
優化工程設計,是為了提高設計的整體性能,不可能保證每個設計目標都能得到最好的實現。例如,在優化過程中,一個設計目標達到最佳函數值,但其他的設計目標卻處于較差的狀態。優化目標之間存在的矛盾關系,給優化方案的評判帶來一定困擾;不同設計目標有不同的度量標準,難以比較各自的優化效果;不同設計人員對優化方向的定位不同。因此,針對多目標的優化進度不同,引入了非劣解理論。
非劣解,是指采用不同的優化方案得到的解的集合。每個解都有自己的優化方向,不能僅通過數據進行比較。多目標優化的最優解其實是不存在的。設計人員根據個人意愿,在非劣解中選擇優化方法的過程就是多目標決策。
(一)二元相對比較法。首先,以各分目標對非劣解集合滿意度為參考依據,建立矩陣;然后,使用 截矩陣概念,選擇綜合滿意度最高的非劣解。
(二)模糊關聯度。模糊關聯度是對理想解與非劣解接近程度的反映,通過對非劣解相對理想解的隸屬度進行計算,解決物理量綱影響問題。非劣解一般情況下都是在理想解周圍對稱分布,所以可以選用具有對稱分布特征的隸屬函數,計算非劣解與理想解關聯度的值,關聯度值最大的非劣解就是最優非劣解。
三、實例分析多目標模糊優化設計
首先,根據約束的模糊性,建立多目標模糊優化模型;然后,使用 最優水平截集法,轉化模糊約束的規定區間為普通集合;再然后,計算優化函數在普通集合范圍內的最大值與最小值;構造子目標函數的模糊目標集;以字母表的相對重要性未依據,判斷多目標模糊優化的最優解。
四、分析不同優化方法的優化特點與效果
線性加權法:通過改變優化目標的權系數,得到相應的非劣解。然后根據非劣解計算得到Pareto的前沿。
逐步寬容約束法:首先處理優化目標,將它轉化成約束條件,進而簡化優化問題。然后通過漸次放寬目標約束條件手段,計算得到Pareto的前沿。在本方法使用中,應合理選擇優化目標范圍作為約束條件。
P模理想點法:使用不同的P值進行計算,分析計算結果可知,P值對優化結果影響較小,試驗后取得的優化結果很相似。極大模理想點法與P模理想點法具有相同的優化目標系數1,計算取得的非劣解在線性加權法(0.5,0.5)范圍內。
目標點法:參考點的選擇很重要,能對優化結果產生直接影響。選取參考點,首要考慮的就是Pareto前沿,參考點位置離Pareto前沿越近,優化結果和Pareto前沿越相符。但是這種方法對設計者的要求較高,設計者不僅需要有豐富的知識儲備和設計經驗,還要對工程有全面了解。在初期設計中,設計者缺乏對工程項目問題的具體分析,不適宜使用這種方法。
NCGA方法:該方法在取得Pareto前沿的同時,還能計算可行域范圍的可行解,對工程設計有很大的促進作用。
引言
傳統的折疊桌的桌腿采用垂直著地的設計,容易造成桌子的稱重能力下降、不穩定并且浪費材料的缺點,制作過程沒有具體的數學模型,不利于大規模地推廣與應用.基于傳統折疊桌的種種弊端,本文提出了切實可行的優化方案.
文章通過全面地分析桌體高度、桌面邊緣線的形狀大小和桌腳邊緣線的形狀等因素,建立了優化模型,使平板材料的設計加工最優,穩固性最好,加工方便,用材最少,通過MATLAB算法得出平板材料的尺寸、鋼筋位置、開槽長度和桌面高度最優加工參數,并結合實際情況建立軟件設計模型,適合大規模地推廣應用.
優化主要模型采用多目標規劃,首先以桌子穩固性作為一級目標,在穩固的基礎上以用材最省作為二級目標,在這兩者的基礎上以操作簡單作為三級目標,以此建立最優設計模型.同時,結合實際生活,模型大膽創新,建立不同桌形的軟件模型系統,增加客戶的選擇性,使模型具有很好的推廣意義.本文將詳細研究優化設計模型和創意軟件模型建立求解的過程.
1.優化設計算法
多級目標規劃
一級目標:穩定性最好
根據受力分析得出正三角形的穩定性最好.假設三條邊所用的材質都相同,即:所能承受的最大應力都一樣.現在在三條邊的中點上分別施加一個力F并且讓其逐漸增大,對三角形進行受力分析,顯然當為等邊三角形時桌子受力均勻,所以當桌面與最短兩條桌腿的延長線構成等邊三角形時,能夠保證桌子穩定性最好.
【分類號】:TG260
在鑄鋼件成形的時候,冒口是避免出現縮松、縮孔等問題的關鍵渠道,因此對冒口進行合理科學的設計是整個鑄造過程的重要環節。本文結合極差和方差分析,對多因素多個目標值進行分析。運用模糊數學中的綜合評判法,根據各目標值對產品質量的影響程度,進行加權綜合評分。模擬試驗在華鑄CAE軟件上進行。模擬不同工藝條件下的成形過程,得到工藝出品率,縮孔數量、體積、位置與大小等信息,同時可以觀察鑄件的充型過程、凝固動態、熱量傳輸及分布狀況。
一、鑄造工藝優化
1、鑄鋼件工藝優化設計存在的問題
對于大型鑄鋼件,縮孔、縮松等是難以消除的缺陷。通過設置冒口來盡量減少缺陷數量與減小缺陷體積,同時引導缺陷產生在非重要或次重要位置。實際生產過程中,為了保證鑄件的產品質量,冒口常常設計得較為保守,導致工藝出品率較低。以工藝出品率、縮松、縮孔數量、縮孔體積大小為目標值,對3個目標值進行了數據分析,討論了最優鑄造工藝參數組合。
2、鑄造工藝優化試驗方案的設計
采用正交試驗法安排模擬試驗,具體過程為:
①確定模擬試驗目標:工藝出品率A1、縮松、縮孔數量A2,縮松、縮孔體積A3;
②確定影響因素以及因素的水平;
③選擇因素水平表及正交試驗表,選擇5因素4水平表,采用L16(45)正交試驗表;
④軟件平臺模擬試驗,搜集試驗數據;
⑤采用方差分析法分析數據,總結最優參數組合,提出最優工藝方案;
⑥在軟件平臺進行模擬驗證最優的工藝方案。
二、鑄鋼件鑄造工藝優化設計案例
1、試驗模型
根據大齒輪模型,在Pro/E中構建附帶工藝的三維圖,并分別導出鑄件STL文件冒口STL文件澆注系統STL文件。將其導入模擬軟件平臺華鑄CAE中模擬分析,觀察成形情況,獲取縮松、縮孔信息。
2、試驗目的
通過對鑄件成形過程中溫度場的分析,預測縮松、縮孔的位置信息、數量及體積大小。分析目標為工藝出品率A1(%)、縮松、縮孔數量A2(個)、縮松、縮孔體積A3(mm3)。
3、試驗過程影響鑄件成形的冒口工藝因素有很多,選取成形過程中影響較大的5個因素,每個因素安排4個水平,見表1。因素1為圓柱形明冒口形狀;因素2為圓柱形明冒口高度h,mm;因素3為腰圓明冒口形狀;因素4為腰圓明冒口寬度A,mm;因素5為冒口數量,個。
4、數據的處理
假設用正交試驗表安排N個因素的正交試驗,試驗總次數為n,試驗結果分別為x1,x2,...,xn。假定每個因素取m個水平,每個水平做p次試驗,則n=mp。
所有試驗次數的平均值計算如下:
因素的平方差和=因素差方和/因素自由度=Q因/f因 (8)
試驗誤差的平均差方和=試驗誤差方和/試驗誤差自由度=Qe/fe (9)
將各因素的平均差方和與誤差的平均差方和相比,得出F比值。這個比值的大小反映了各因素對試驗結果影響程度的大小。
F比=因素的平均差和/試驗誤差的平均差方和 (10)
5、結果分析
通過方差分析法,可以看出因素1圓柱形明冒口形狀的F比較大,是較為關鍵的因素。在模擬試驗中,所選3個目標的量綱不一致,而且對冒口工藝的重要程度也有所不同,無法直接將3個數據疊加評價。鑒于此,根據目標值在綜合評價體制中的重要程度,運用100分制加權評分。根據鑄件冒口的設計要求和各指標的影響的重要性,A1、A2、A3的權重分值A1=30%,A2=35%,A3=35%。計算時,加權系數做適當調整。計算系數為a=1,b=0.01,c=0.54。由于工藝出品率越大越好,而縮孔數量、縮孔體積越小越好,故評分公式如下:
F比=aCj1-bCj2-cCj3 (11)
統計分析得出分值證實因素1圓柱形明冒口形狀對綜合評分影響較大,即對鑄件質量影響較大,形狀為D時,質量最好。通過計算分析因素對工藝出品率、縮孔數量和縮孔體積的影響可以看出,標準圓柱形明冒口高度h越高,工藝出品率越低。圓柱形明冒口形狀為D時,縮孔數量最少。綜合來看,因素1對各指標影響較大。
因素的重要程度依次是,因素1,因素5,因素2,因素3,因素4。通過試驗驗證,經過華鑄CAE分析,模擬結果為:工藝出品率A1=74.02%,縮松、縮孔數量A2=153,縮松、縮孔體積A3=62.38mm3,得分為38.78。方案13得分為46.63,為最優方案。
三、結論
1、標準圓柱冒口形狀對各指標影響較大,選擇合適的圓柱冒口形狀,可以顯著提高工藝出品率,減少縮孔數量和縮孔體積。優化冒口形狀,工藝改善效果明顯。冒口形狀為圓柱形明冒口時,工藝出品率較高,縮孔體積較小,數量較少。
2、圓柱冒口數量對工藝出品率和縮孔體積有一定影響。冒口數量(非冒口體積大?。┰蕉?,工藝出品率越低。冒口數量為5時,縮孔體積較小。標準腰圓形冒口參數對縮孔數量有影響,取325mm時,縮孔數量較少。
參考文獻:
機械優化設計是綜合性和實用性都很強的理論和技術,為機械設計提供了一種可靠高效的科學設計方法,使設計者由被動地分析、校核進入主動設計,能節約原材料,降低成本,縮短設計周期,提高設計效率和水平,提升企業競爭力、經濟效益與社會效益。國內外相關學者和科研人員對優化設計理論方法及其應用研究十分重視,并開展了大量工作,其基本理論和求解手段已逐漸成熟。并且它建立在數學規劃理論和計算機程序設計基礎上,通過有效的實驗數據和科學的評價體系來從眾多的設計方案中尋到盡可能完善的或最適宜的設計方案。該領域的研究和應用進展非常迅速,并且取得了可觀的經濟效益。那就讓我們關注機械優化設計中那些重要的量。
解決優化設計問題的一般步驟
解決優化設計問題的一般步驟如下:
機械設計問題――建立數學模型――選擇或設計算法――編碼調試――計算結果的分析整理
優化設計中數學模型的建立
a設計變量
在最優化設計過程中需要調整和優選的參數,稱為設計變量。設計變量是最優化設計要優選的量。最優化設計的任務,就是確定設計變量的最優值以得到最優設計方案。但是每一次設計對象不同,選取的設計變量也不同。它可以是幾何參數,如零件外形尺寸、截面尺寸、機構的運動尺寸等;也可以是某些物理量,如零部件的重量、體積、力與力矩、慣性矩等;還可以是代表工作性能的導出量,如應力、變形等??傊O計變量必須是對該項設計性能指標優劣有影響的參數。
b約束條件
設計空間是一切設計方案的集合,只要在設計空間確定一個點,就確定了一個設計方案。但是,實際上并不是任何一個設計方案都可行,因為設計變量的取值范圍有限制或必須滿足一定的條件。在最優化設計中,這種對設計變量取值時限制條件,稱為約束條件,而約束條件是設計變量間或設計變量本身應該遵循的限制條件,而優化設計問題大多數是約束的優化問題。針對優化設計數學模型要素的不同情況,可將優化設計方法進行分類,約束條件的形式有顯約束和隱約束兩種,前者是對某個或某組設計變量的直接限制,后者則是對某個或某組變量的間接限制。等式約束對設計變量的約束嚴格,起著降低設計變量自由度的作用。優化設計的過程就是在設計變量自由的允許范圍內,找出一組優化的設計變量值,使得目標函數達到最優值。
c目標函數
在優化設計過程中,每一個變量之間都存在著一定的相互關系著就是用目標函數來反映。他可以直接用來評價方案的好壞。在優化設計中,可以根據變量的多寡將優化設計分為單目標優化問題和多目標優化問題,而我們最常見的就是多目標函數優化。
一般而言,目標函數越多,設計的綜合效果越好,但問題求解復雜。在實際的設計問題中,常常會遇到在多目標函數的某些目標之間存在矛盾的情況,這就要求設計者正確處理各目標函數之間的關系。對這類多目標函數的優化問題的研究,至今還沒有單目標函數那樣成熟
優化設計理論方法
優化準則法對于不同類型的約束、變量、目標函數等需導出不同的優化準則,通用性較
差,且多為近似最優解;規劃法需多次迭代、重復分析,代價昂貴,效率較低,往往還要求目標函數和約束條件連續、可微,這都限制了其在實際工程優化設計中推廣應用。因此遺傳算法、神經網絡、粒子群算法、進化算法等智能優化法于20世紀80年代相繼提出,并且不需要目標函數和約束條件的導數信息,就可獲得最優解,為機械優化設計提供了新的思路和方法,并在實踐中得到成功應用。
a遺傳算法
遺傳算法起源于20世紀60年代對自然和人工自適應系統的研究,最早由美國密歇根大學Holland教授提出,是模擬生物化過程、高度并行、隨機、自適應的全局優化概率搜索算法。它按照獲得最大效益的原則進行隨機搜索,不需要梯度信息,也不需要函數的凸性和連續性,能夠收斂到全局最優解,具有很強的通用性、靈活性和全局性;缺點是不能保證下一代比上一代更好,只是在總趨勢上不斷優化,運行效率較低,局部尋優能力較差。
b神經網絡法
神經網絡是一個大規模自適應的非線性動力系統,具有聯想、概括、類比、并行處理以
及很強的魯棒性,且局部損傷不影響整體結果。美國物理學家Hopfield最早發現神經網絡具有優化能力,并根據系統動力學和統計學原理,將系統穩態與最優化態相對應,系統能量函數與優化尋優過程相對應,與Tank在1986年提出了第一個求解線性優化問題的TH選型優化神經網絡。該方法利用神經網絡強大的并行計算、近似分析和非線性建模能力,提高優化計算的效率,其關鍵是神經網絡的構造,多用于求解組合優化、約束優化和復雜優化。近些年,神經網絡法有較大發展,Barker等將神經網絡用于航空工程結構件的優化設計。
c粒子群算法
Kennedy和Ebehart于1995年提出了模擬鳥群覓食過程的粒子群法,從一個優化解集開始搜索,通用個體間協作與競爭,實現復雜空間中最優解的全局搜索。粒子群法與遺傳算法相比,原理簡答、容易實現、有記憶性,無須交叉和變異操作,需調整的參數不多,收斂速度快,算法的并行搜索特性不但減小了陷入局部極小的可能性,而且提高了算法性能和效率,是近年被廣為關注和研究的一種隨機起始、平行搜索、有記憶的智能優化算法。目前,粒子群算法已應用于目標函數優化、動態環境優化、神經網絡訓練等諸多領域,但用于機械優化設計領域研究還很少。
d多目標優化法
功能、強度和經濟性等的優化始終是機械設計的追求目標,實際工程機械優化設計都屬于多目標優化設計。多目標優化廣泛的存在性與求解的困難性使其一直富有吸引力和挑戰性,理論方法還不夠完善,主要可分為兩大類:①把多目標優化轉化成一個或一系列單目標優化,將其優化結果作為目標優化的一個解;②直接求非劣解,然后從中選擇較好的解作為最優解。具體有主要目標法、統一目標法、目標分層法和功效系數法。
優化設計方法的評價指標
根據優化設計中所以解決問題的特點,選擇適當的優化方案是非常關鍵的。因為解決同
一個問題可能有多種方法,而每一種方法也有可能會導致不同的結果,而我們需要的是可以更加體現生產目標的最優方案。所以我們在選擇方案時一定要考慮一下四個原則:
a效率提高。所謂效率要高就是所采用的優化算法所用的計算時間或計算函數的次數要盡可能地少。
b可靠性要高??煽啃砸呤侵冈谝欢ǖ木纫笙拢谝欢ǖ螖祪然蛞欢ㄓ嬎銜r間內,求解優化問題的成功率要盡可能地高。
c采用成熟的計算程序。解題過程中要盡可能采用現有的成熟的計算程序,以使解題簡便并且不容易出錯。
d穩定性要高。穩定性好是指對于高度非線性偏心率大的函數不會因計算機字長截斷誤差迭代過程正常運行而中斷計算過程。
另外選擇適當的優化方法時要進行深入的分析優化模型的約束條件、約束函數及目標函
數,根據復雜性、準確性等條件結合個人的經驗進行選擇。優化設計的選擇取決于數學模型的特點,通常認為,對于目標函數和約束函數均為顯函數且設計變量個數不太多的問題,采用懲罰函數法較好;對于只含線性約束的非線性規劃問題,最適應采用梯度投影法;對于求導非常困難的問題應選用直接解法,例如復合形法;對于高度非線性的函數,則應選用計算穩定性較好的方法,例如BFGS變尺度法和內點懲罰函數相結合的方法。
結論
機械優化設計作為傳統機械設計理論基礎上結合現代設計方法而出現的一種更科學的
優化設計方法,可使機械產品的質量達到更高的水平。近年來,隨著數學規劃理論的不斷發展和工作站計算能力的不斷挖掘,機械優化設計方法和手段都有非常大的突破,且優化設計思路不斷的開闊。總之,每一種優化設計方法都是針對某一類問題而產生的,都有各自的特點,都有各自的應用領域,機械優化設計就是在給定的載荷和環境下,在對機械產品的性能、幾何尺寸關系或其它因素的限制范圍內,選取設計變量,建立目標函數并使其獲得最優值得一種新的設計方法,其方法多樣依據不同情形選擇合理的優化方法才能更簡便高效的達到目標。當今的優化正逐步的發展到多學科優化設計,充分利用了先進計算機技術和科學的最新成果。所以機械優化設計的研究必須與工程實踐、數學、力學理論、計算機緊密聯系起來,才能具有更廣闊的發展前景。
參考:
中圖分類號 U66 文獻標識碼A 文章編號 1674-6708(2013)103-0100-02
進行船舶結構優化設計的目的就是尋求合適的結構形式和最佳的構件尺寸,既保證船體結構的強度、穩定性、頻率和剛度等一般條件,又保證其具有很好的力學性能、經濟性能、使用性能和工藝性能。隨著計算機信息技術的發展,在計算機分析與模擬基礎上建立的船舶結構的優化設計,借鑒了相關的工程學科的基本規律, 而且取得了卓越的成效;基于可靠性的優化設計方法也取得了較大的進步;建立在人工智能原理與專家系統技術基礎上的智能型結構設計方法也取得了突破性進展。
1經典優化設計的數學規劃方法
結構優化設計數學規劃方法于1960年由L.A.Schmit率先提出。他認為在進行結構設計時應當把給定條件的結構尺寸的優化設計問題轉變成目標函數求極值的數學問題。這一方法很快得到了其他專家的認可。1966年,D.Kavlie與J.Moe 等首次將數學規劃法應用于船舶的結構設計,翻開了船舶結構設計的新篇章。我國的船舶結構的設計方法研究工作始于70 年代末,已研究出水面船舶和潛艇在中剖面、框架、板架和圓柱形耐壓殼等基本結構的優化設計方法。
由于船舶結構是非常復雜的板梁組合結構,在受力和使用的要求上也很高,所以在進行船舶結構的優化設計時,會涉及到許多設計變量與約束條件,工作內容很多,十分困難。船舶結構的分級優化設計法就是在這個基礎上產生的,其基本思路是最優配置第一級的整個材料,優選第二級的具體結構的尺寸。每一級又可以根據具體情況劃分成若干個子級。兩級最后通過協調變量迭代,將整個優化問題回歸到原問題。分級優化方法成功地解決了進行船舶優化設計中的剖面結構、船舶框架和板架、潛艇耐壓殼體等一系列基本問題。
2 多目標的模糊優化設計法
經典優化設計的數學規劃方法是在確定性條件下進行的, 也就是說目標函數與約束條件是人為的或者按某種規定提出的,是個確定的值。但是在實際上, 在船舶結構的優化設計過程、約束條件、評價指標等各方面都包含著許多的模糊因素,想要實現模糊因素優化問題, 就必須依賴于模糊數學來實現多目標的優化設計。模糊優化設計問題的主要形式是:
式中j 和j分別是第j性能或者幾何尺寸約束里的上下限。
模糊優化設計方法大大的增加了設計者在選擇優化方案時的可能性, 讓設計者對設計方案的形態有了更深入的了解。目前,模糊優化設計法發展很快, 但是,還未實現完全實用化。多目標的模糊優化設計法的難點主要在于如何針對具體設計對象, 正確描述目標函數的滿意度與約束函數滿足度隸屬函數的問題。
3 基于可靠性的優化設計方法
概率論與數理統計方法首先在40 年代后期由原蘇聯引入到結構設計中, 產生了安全度理論。這種理論以材料勻質系數、超載系數、工作條件系數來分析考慮材料、載荷及環境等隨機性因素。早在50年代,人們就在船舶結構的優化設計中指出了可靠性概念,隨后,船舶設計的可靠性受到人們的重視,開始研究可靠性設計方法在船舶結構建造中的應用。
船舶結構可靠性的理論和方法根據設計目標的不同要求, 可以得出不同的結構可靠性的優化設計準則。大體分為以下3種:
1)根據結構的可靠性R·,要求結構的重量W最輕,即:
MinW(X),s.t.R ≧R·
2)根據結構的最大承重量W·, 要求結構的可靠性最大或者破損概率最小,即:
Min Pf(X ) , s.t.W (X ) ≦ W·
3)兼顧結構重量和可靠性或破損概率, 實現某種組合的滿意度達到最大,即:
Max[a1uw(X)+a2upf(X)]
式中, a1,a2分別代表結構重量和破損概率的重要度程度, 而且滿足a1+a2≥1.0,a1,a2≥0;uw,upf分別為代表相應的滿意度。
關于船舶結構的可靠性優化設計方法的研究越來越多, 逐漸成為船舶的結構優化設計中的重要方向。但是,可靠性的優化設計方法除了在大規模的隨機性非線性規劃求解中存在困難外, 還有一個重要的難點在于評估船舶結構可靠性的過程很復雜, 而且計算量大。
4 智能型的優化設計方法
隨著人工智能技術(Al)和計算機信息技術的發展, 給船舶結構的優化設計提供了一個新的途徑,也就是智能型優化設計法。
智能型的優化設計法的基本做法為:搜索優秀的相關產品資料,通過整理,概括成典型模式,再進行關聯分析、類比分析和敏度分析尋找設計對象和樣本模式間的相似度、差異性與設計變量敏度等,按某種準則實施的樣本模式進行變換, 進而產生若干符合設計要求的新模式, 經過綜合評估與經典優化方法的調參和優選, 最終取得最優方案。
智能型的優化設計法法的優點是創造性較強,缺點是可靠性較弱。所以在分析計算其產生的各種性能指標時,應當進行多目標的模糊評估, 必要時還應當使用經典優化方法對某些參數進行調整。
5 結論
通過本文對船舶結構優化設計方法的研究,我們得出在進行船舶結構優化設計的時候, 往往會涉及到很多相互制約和互相影響的因素, 這就需要設計人員權衡利弊, 進行綜合考察, 不但要進行結構參數與結構型式的優選,而且還要針對具體情況對做出的方案進行評估、優選和排序。通過什么準則對不同的方案進行綜合評估,得出最優方案, 成為專家和設計人員需要繼續研究的問題。
參考文獻
Abstract: this paper researched optimum tool of MATLAB. The paper solves optimum design for planet speed reducer of construction machinery. Through a practical example, it is concluded that using MATLAB can availably solve optimum design for planet speed reducer.
Key word: MATLAB, planet speed reducer,optimum design
中圖分類號:S611文獻標識碼:A 文章編號:
工程機械是一種運行緩慢,體積大,承受的載荷也大的設備。它的行走驅動系統有兩種方案:一為高速方案,即用高速液壓馬達和齒輪減速器組合驅動;二是低速方案,即采用低速大扭矩液壓馬達驅動。后者可省去減速裝置,使機構大為簡化,但由于低速大扭矩液壓馬達的成本較高,維修困難,所以一般的工程機械都采用前者。又因行星減速器相對于其它類型的齒輪減速器具有較大減速比,所以工程機械的行駛系統驅動中多采用行星減速器實現減速增扭的目的。
1、MATLAB語言及優化設計簡介
MATLAB語言是由美國Mathworks公司開發的集科學計算、數據可視化和程序設計為一體的工程應用軟件,現已成為工程學科計算機輔助分析、設計、仿真以至教學等不可缺少的基礎軟件,它由MATLAB主包、Simulink組件以及功能各異的工具箱組成。MATLAB優化工具箱的應用包括:線性規劃和二次規劃,求函數的最大值和最小值,多目標優化,約束優化,離散動態規劃等,其簡潔的表達式、多種優化算法的任意選擇、對算法參數的自由設置,可使用戶方便地使用優化方法。[1]
通常多目標優化問題在求解時應作適當的處理,一種方法是將多目標優化問題重新構成一個新的函數,即評價函數,從而將多目標優化問題轉變為求評價函數的單目標優化問題,如線性加權和法,理想點法,目標達到法等。另一種是將多目標優化轉化為一系列單目標優化問題來求解,如分層序列法等。MATLAB優化工具箱采用改進的目標達到法使目標達到問題變為最大最小問題來獲取合適的目標函數值。
該論文中,行星減速器的設計就采用將多目標的優化問題轉化為單目標,多約束條件的優化問題。
2、行星減速器模型的建立
工程機械使用行星減速器的設計是一項較復雜的工作,一般采用經驗設計。經驗設計不僅對于一個新的企業很難進行設計,而且往往找到的不是最優方案。
2.1確定優化設計的目標函數
工程機械的體積較大,對其靈活運行帶來一定的影響,因此對行星減速器進行最優化設計時,取行星減速器最小重量為優化目標,不但可以減小行星減速器的重量,而且可以改善工程機械的靈活機動性、節約材料和降低成本。
行星減速器由太陽輪、行星輪、行星架和齒圈構成。由于太陽輪和全部行星輪的重量之和能影響和決定齒圈和整個機構的重量,由于太陽輪和全部行星輪的重量與它們的體積成正比,因此可選擇太陽輪和全部行星輪的體積為最優化設計的目標函數。
…………………(1)
式中: 為太陽輪的體積; 為行星輪的體積; 為行星輪的個數; 為太陽輪或行星輪模數; 為太陽輪或行星輪齒寬; 為太陽輪齒數; 為行星輪齒數。
2.2約束條件:
(1)傳動比條件[2]:
…………………(2)
式中: 為齒圈的齒數。
(2)為了使內外嚙合齒輪副強度接近相等,并提高外嚙合承載能力,應限制齒輪內外嚙合角在給定的范圍內,即:
…………………(3)
…………………(4)
式中: 、 為太陽輪和行星論、行星輪和齒圈的嚙合角。
(3)齒輪不發生根切的最少齒數為17,但太陽輪的齒數常小于規定的標準齒輪不根切最小齒數17,為保證不根切,太陽輪變位系數應滿足以下條件:
…………………(5)
式中: 太陽輪的最小變位系數
(4)各齒輪應滿足強度要求,即齒輪的齒面接觸強度和彎曲強度的安全系數均大于給定值,亦即
…………………(6)
…………………(7)
式中: 、 ——給定的齒輪接觸強度、彎曲強度安全系數;
、 ——各齒輪的接觸強度、彎曲強度的安全系數。
(5)為了保證傳動連續和平穩性,齒輪的重合度必須大于規定值,即
…………………(8)
…………………(9)
式中: 、 ——分別為太陽輪和行星輪、內齒圈與行星輪的重合度
(6)行星輪根圓直徑 不宜過小,以保證在行星輪內孔能安裝上符合壽命要求的滾動軸承,即
…………………(10)
式中: ——滾動軸承外徑 ;
m——齒輪的模數
(7)模數約束
…………………(11)
(8)齒寬約束
…………………(12)
(9)行星輪個數約束
…………………(13)
(10)變位系數的約束[3]
…………………(14)
…………………(15)
…………………(16)
式中: 、 、 分別為太陽輪、行星輪和齒圈的變位系數
通過以上分析,知以上建立的模型是一個具有7個設計變量,15個約束條件的單目標優化設計。
3、應用舉例:
某工程機械的輪邊減速器采用行星減速器,其具體要求為:轉速: ;功率: ;壽命:10a;工況:中等沖擊;日工作時間:14h;年工作天數300天;傳動比: ; ;精度:6級;太陽輪:材料為20CrMnTi,熱處理為滲氮滲碳;行星輪:材料為20CrMnTi,熱處理為滲碳淬碳;內齒輪為40Cr,熱處理為調質[4]。
經使用MATLAB程序優化設計后行星減速器的主要參數和采用常規設計的主要參數的比較,如表1。
表1使用MATLAB優化設計和常規設計的參數比較
4、結論
(1)利用MATLAB優化設計的行星減速器的體積比常規設計的少了12%。
(2)建立目標函數時只考慮太陽輪和行星輪的體積,對內齒圈和行星架的體積沒有考慮,這樣可以減小計算量和提高計算速度。但是也存在著相應的問題,目標函數中沒有將齒圈的強度考慮在內,會對設計的結果產生一定的影響。
參考文獻
[1]薛定宇,陳陽泉.基于matlab/simulink的系統仿真技術與應用[M].北京:清華大學出版社,2002
[2]徐灝.機械設計手冊.[M]北京:機械工業出版社
Abstract: with the rapid development of national economy, automobile production increased year by year, our country more and more cars, cars are more and more complex. Especially the rapid development of science and technology, the automobile industry competition has changed from single performance competition steering performance, environmental protection, energy saving, comprehensive competition. Only the automobile engine, to cope with the world energy crisis and reducing the environmental pollution, the research and development work has focused on reducing fuel consumption, reduce emissions, lightweight and reduce wear and so on, to optimize the technology will be widely used in these studies.
Keywords: engine, machine, technology, performance
中圖分類號:S219.031文獻標識碼:A 文章編號:2095-2104(2012)
發動機是一部由許多機構和系統組成的是將某一種型式的能量轉換為機械能的復雜機器。其作用是將液體或氣體燃燒的化學能通過燃燒后轉化為熱能,再把熱能通過膨脹轉化為機械能并對外輸出動力。而汽車發動機是汽車的動力裝置。由機體、曲柄連桿機構、配氣機構、冷卻系、系、燃料系和點火系(柴油機沒有點火系)等組成。按燃料分發動機有汽油和柴油發動機兩種。按工作方式有二沖程和四沖程兩種,一般發動機為四沖程發動機。
隨著世界能源問題和環境污染問題的日趨嚴重,飛機及汽車作為污染環境和消耗能源的大戶,備受人們的關注。發動機燃燒過程直接影響節能和環保,對發動機燃燒過程優化的研究越來越受到重視。
發動機設計以結構、熱力、燃燒、強度、振動、流體、傳熱等多個學科為基礎,可變因素多,隨機性大,是一個可變互耦系統的優化問題。多學科設計優化通過充 分利用各個學科之間的相互作用所產生的協同效應,獲得系統的整體最優解,因而在發動機傳統設計流程圖上有很大的應用優勢。
發動機的優化涉及到多個目標,與單目標優化問題不同的是這些目標函數往往耦合在一起,且每一個目標具有不同的物理意義和量綱。它們的關聯性和沖突性使得對其優化變得十分困難。多目標優化方法可以分為如下兩大類并且已在發動機的優化設計中得到了應用。1.基于偏好的多目標優化方法此方法根據工程實際的具體情況,首先選擇一個偏好向量,然后利用偏好向量構造復合函數,使用單目標優化算法優化該復合函數以找到單個協議最優解。如利用線性組合法對發動機的懸置系統進行多目標優化;利用加權法對液體火箭發動機的減損和延壽控制進行多目標優化。2.基于非劣解集的多目標優化方法 此方法首先需要找到盡可能多的協議解,然后根據工程實際情況,獲得決策解。相比基于偏好的多目標方法,該方法更系統、實用和客觀。如通過多目標遺傳算 法,以單位推力、耗油率等為目標函數對航空發動機總體性能進行優化;基于多目標遺傳算法對固體火箭發動機的性能和成本進行優化。在發動機的生產及實際使用中,總是存在著材料特性、制造、裝配及載荷等方面的誤差或不確定性。雖然在多數情況中,誤差或不確定性很小,但這些誤差或不確定性結合在一起可能對發動機的性能和可靠性產生很大的影響。對于此類不確定性問題的優化,傳統的優化方法已無法解決,而必須求助于不確定性優化方法。 隨著發動機質量越來越輕,而其功率和轉速不斷提高,振動和噪聲問題越來越突出。振動不僅影響到發動機自身的強度和性能,而且會給車輛整體壽命和乘客舒適 性造成很大的影響。除了對發動機本身結構進行改進外,對發動機的減振系統進行優化也是一條提高車輛整體振動性能的有效途徑。傳統的彈性減振系統已無法滿足 舒適性要求,未來的趨勢是半主動減振和主動減振控制系統,即能根據發動機激勵、路況、車輛行駛狀態和載荷等自動調節系統參數,優化車輛動力學特性,實現主 動減振。車用發動機的減振系統是一復雜的非線性系統,而神經網絡因其自身的非線性映射能力在未來發動機減振系統的優化設計中具有很大的潛力。另外,由于發 動機動力系統的復雜性,在模型、載荷、激勵等方面都具有很大的不確定性,減振系統的優化不可避免地應考慮系統不確定性的影響,可以利用模糊集或區間數學理 論結合神經網絡進行不確定性優化,以提高減振系統的可靠性和魯棒性。
發動機的燃燒和排放系統直接影響到 發動機的燃油經濟性、噪聲、排放等重要指標,影響到汽車的節能與環保性能。對燃燒與排放系統的優化可從兩個方面進行。一方面是燃料噴射系統的優化,可通過 電控單元精確控制各氣缸的燃油噴射量,自由控制發動機的轉矩,使得發動機具有良好的啟動性能和最佳的輸出響應特性,并使得氣缸達到最佳混合氣狀態,提高燃 油熱效率,降低噪聲;另一方面是優化進氣管系的結構參數,改進發動機燃燒室,優化壓縮比。未來的燃燒與排放系統的設計,應當綜合考慮噴射系統和發動機結 構,同時注重結構、燃燒、流體、噪聲等不同專業領域的性能提高,進行多學科優化設計。汽油發動機的熱效率為 20 %~30 % ,柴油發動機為 30 %~40 %。如能廣泛地使用柴油機 ,將會節約大量燃料。柴油機的優點還在于它可以使用純度比較低、價格比汽油便宜的柴油作燃料。據統計 ,將汽油機轉換為柴油機 ,每升燃料的行程里程平均可增加 35 % ,同樣質量和功率相同的柴油機與汽油機相比 ,油耗可降 15 %~ 25 %。因此 ,各汽車制造商都積極地增加柴油車的比重 ,目前絕大多數商用車都裝備柴油機 ,而各汽車廠商提供的裝有柴油機的轎車、行車也日益增多 ,如寶馬、奔馳、奧迪、豐田、本田、馬自達等都在全力開發并推出環保型柴油車。在歐洲 ,轎車柴油化的比例已高達 40 % ,且有不斷上升之勢。
綜上所述,優化技術在發動機的設計 制造中占有非常重要的地位。包括常規優化方法和智能優化方法在內的優化技術已被應用于發動機設計??紤]到能源的短缺和環境問題的重要性,未來的車用發動機 優化設計的研究將是以節能和環保為重點的綜合最優,應當建立并應用多種不確定多目標多學科優化理論方法、策略及算法;并應大力開發在一個優化平臺上集成各 個學科設計要求的多學科多目標優化設計系統,該系統將具有更高的優化效率和較好的開放性,可以更好地適應未來汽車個性化設計的趨勢。
摘要:
[1]汽車行業一體化 (質量、境、業健康安全)管理體系認證的研究 .吉林大學 . 2007中國優秀碩士學位論文全文數據庫 .
中圖分類號:TM352 文獻標識碼:A 文章編號:2095-1302(2016)10-00-02
0 引 言
一直以來,人們都想實現模擬集成電路設計的自動化,但考慮到模擬集成電路性能指標多,各性能指標間互相影響等因素,使得模擬集成電路的自動化進程遠遠落后于數字集成電路,模擬集成電路已經成為制約集成電路發展的瓶頸。隨著技術的發展,片上系統將模擬集成電路與數字集成電路整合到一塊芯片上。但人們對模擬集成電路的自動化研究卻從未中斷過,同時也取得了一些成果,其中基于優化的設計方法因適用范圍廣而受到了人們的青睞。
基于優化的設計方法將模擬集成電路的設計看作是多目標優化問題,電路設計時的性能指標如增益、帶寬、相位裕度等就是多目標優化的目標函數。通過多目標優化算法求解出電路目標空間的Pareto前沿,該前沿就是電路各種性能指標折衷后的最優前沿,允許電路設計者從一組相互沖突的設計指標中做出最佳選擇。
基于優化的設計方法的核心是多目標優化算法,解決多目標優化問題的常用算法是加權和算法[1],該算法容易理解、操作簡單,但是該算法不能求出Pareto前沿上位于凹區間內的解,而當權值均勻分布時,Pareto前沿上凸區間內的解分布不均勻[2]。本文采用了自適應加權和算法,該算法在加權和算法的基礎上改進而來,克服了加權和算法的上述缺點。
1 自適應加權和算法原理
自適應加權和算法[3]的權值系數沒有預先確定,而是通過所要求解問題的Pareto前沿曲線獲得。首先用傳統加權和算法產生一組起始解,然后在目標空間確定需要細化的區域。將待細化區域看作可行域并且對該區域施加不等式約束條件,最后用傳統加權和方法對這些需要細化的子區域進行優化。當Pareto前沿上的所有子區域長度達到預定值時,優化工作完成。
圖1所示的自適應加權算法與傳統加權和算法進行了對比,說明了自適應加權和算法的基本概念。真正的Pareto前沿用實線表示,通過多目標優化算法獲得的解用黑圓點表示。在該例中,整個Pareto前沿由相對平坦的凸區域和明顯凹的區域組成。解決這類問題的典型方法就是加權和算法,該算法可以描述成如下形式:
上式中描述的是兩個優化目標的情形,J1(x)和J2(x)分別為兩個目標函數,sf1,0(x)和sf2,0(x)分別為對應的歸一化因子,h(x)和g(x)分別為等式約束條件和不等式約束條件。
圖1(a)為采用加權和算法后解的分布,可以看出大部分解都分布在anchor points和inflection point,凹區間內沒有求出解。該圖反映了加權和算法的兩個典型缺點:
(1)解在Pareto前沿曲線上分布不均勻;
(2)在Pareto前沿曲線為凹區間的部分不能求出解。
因此盡管加權和算法具有簡單、易操作的優點,但上述缺點卻限制了其應用,這些固有缺陷在實際多目標優化設計問題中頻繁出現。圖1描述了本文所提出的自適應加權和算法的總體流程以及基本概念。首先根據加權和算法得到一組起始解,如圖1(a)所示,通過計算目標前沿空間上相鄰解的距離來確定需要進行細化的區域,如圖1(b)所示,該圖中確定了兩個需要進行細化的區域。在確定需要進行細化的區域分別在平行于兩個目標方向上添加額外的約束,如圖1(c)所示,在該圖中向減小方向J1添加的約束為1,J2減小方向添加的約束為2。對細化后添加完約束的區域用加權和算法優化,得出新解,如圖1(d)所示,其中加權和算法求解最優解時采用Matlab中的fmincon函數。從該圖中可看出,細化區域內產生了新解,Pareto前沿上解的分布較之前更加均勻,且求出了凹區域內的解,繼續細化能夠找出更多的解,Pareto前沿上的解也將分布地更加均勻。自適應加權和算法的流程圖如圖2所示。
2 兩級運放設計實例
以一個帶米勒補償的兩級運放[4]為例,說明自適應加權和算法的多目標優化設計。兩級運放電路圖如圖3所示。
電路的各項性能指標如表1所列。
電路優化過程中采用工作點驅動[5,6]的設計方法,電路的設計變量為電路直流工作點上一組獨立的電壓、電流。電路性能通過方程獲得,但方程中的小信號參數通過對工藝庫進行模糊邏輯建模[7,8]得到,使得計算速度提高的同時保證了計算精度。兩級運放電路的優化結果如圖4所示。
圖為算法迭代五代后的優化結果,由圖可以發現,經過五代的優化迭代,求出的最優解在Pareto前沿上分布均勻。在同一電路中,單位增益帶寬的增加與擺率的增加都會使功耗增加,而電路功耗降低導致的結果是電路的面積增加,或通過犧牲面積來換取低功耗,犧牲面積換取電路的帶寬增加。這些結果與電路理論相吻合,同時也再次說明了模擬電路設計過程中的折衷以及模擬集成電路設計的復雜性。
3 結 語
自適應加權和算法能求出位于凹區間內的最優解,并且最優解分布均勻。本文通過兩級運放電路驗證了算法的優化效果,最終得到了滿意的優化結果。
參考文獻
[1]陽明盛,羅長童.最優化原理、方法及求解軟件[M].北京:科學出版社,2010:92-94.
[2]I.Das, J.E. Dennis. A closer look at drawbacks of minimizing weighte dsums of objectives for Pareto set generation in multicriteria optimization problems [J]. Structral Optimization, 1997(14):63-69.
[3]I. Y. Kim, O. L. de Weck. Adaptive weighted-summethod forbi-objective optimization:Paretofrontgeneration [J]. Struct Multidisc Optim, 2005(29):149-158.
[4]Razavi B. Design of analog CMOS integrated circuits [M]. New York: Mc Graw-Hill, 2001.
[5]陳曉,郭裕順.工作點驅動的模擬集成電路優化設計[J].杭州電子科技大學學報,35(6):18-22.