為了減輕起重機主梁自重,提出了基于多進化行為粒子群算法的主梁輕量化設(shè)計方法。建立了主梁輕量化設(shè)計模型,使用罰函數(shù)將約束優(yōu)化問題轉(zhuǎn)化為非約束優(yōu)化問題;以粒子群算法為基礎(chǔ),制定了向群體最優(yōu)學(xué)習(xí)、向自身學(xué)習(xí)、向其他粒子學(xué)習(xí)等多渠道信息來源方法,提出了四種粒子進化方法,以不同進化方法的即時價值和未來價值為依據(jù),構(gòu)造了粒子選擇不同進化行為的概率,從而提出了多進化行為粒子群算法的優(yōu)化模型智能求解方法。經(jīng)測試函數(shù)驗證,對于低維和高維尋優(yōu)問題,多進化行為粒子群算法均具有超強的尋優(yōu)的能力;與企業(yè)生產(chǎn)主梁相比,多進化行為粒子群算法優(yōu)化后主梁面積減少了10.86%,且經(jīng)有限元分析可知,優(yōu)化后主梁仍滿足約束條件,負(fù)荷設(shè)計要求。 

【文章來源】：機械設(shè)計與制造. 2020,(08)北大核心

【文章頁數(shù)】：6 頁

【部分圖文】：

箱型主梁截面圖

多進化行為粒子群算法

為了形成對比，分別使用基本粒子群算法、文獻(xiàn)[11]給出的DGL-CPSO算法、多進化行為粒子群算法進行尋優(yōu)，多進化行為粒子群算法參數(shù)設(shè)置為：個體未來價值和全局未來價值的平衡系數(shù)α=0.5，自適應(yīng)慣性權(quán)重ω∈[0.2,0.9]，自身學(xué)習(xí)因子c1=1.4962，群體學(xué)習(xí)因子c2=1.4962，每種算法均獨立運行10次，每次迭代1000次。運行結(jié)果，如表2所示。平均最優(yōu)值迭代曲線，如圖3、圖4所示。圖4 不同算法對測試函數(shù)2的尋優(yōu)結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]改進UCT算法在愛恩斯坦棋中的應(yīng)用[J]. 張小川,李琴,南海,彭麗蓉.  計算機科學(xué). 2018(12)
[2]應(yīng)用混沌螢火蟲算法的無人機航跡規(guī)劃[J]. 余勝東,吳洪濤,馬金玉.  機械設(shè)計與制造. 2018(11)
[3]基于改進ISPO算法的三維航跡規(guī)劃方法[J]. 劉志陽,江濤,甄云卉.  電光與控制. 2018(07)
[4]橋式起重機箱型主梁模糊可靠性優(yōu)化[J]. 范小寧,岳小云,崔智勇.  機械設(shè)計與制造. 2017(02)
[5]改進量子遺傳算法在無人機航跡規(guī)劃中的應(yīng)用[J]. 魚佳欣,李剛,李東濤,李文君.  計算機仿真. 2015(05)
[6]基于改進人工蜂群算法的無人機實時航跡規(guī)劃[J]. 張洛兵,徐流沙,吳梅.  飛行力學(xué). 2015(01)



本文編號：3239914