本文關(guān)鍵詞：橋式起重機箱形主梁混合微粒群優(yōu)化方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：橋式起重機作為國民經(jīng)濟發(fā)展建設(shè)中的一種大型起重搬運設(shè)備，已經(jīng)基本形成了通用化和系列化的格局。在2015年度國家科技支撐計劃項目中，橋式起重機械輕量化設(shè)計關(guān)鍵技術(shù)研究與應(yīng)用被列為制造業(yè)中的首要任務(wù)，由此看來，探究一種實用、有效的優(yōu)化設(shè)計方法用于橋式起重機關(guān)鍵部件的輕量化設(shè)計顯得尤為重要。 橋式起重機主梁優(yōu)化屬于高維、多約束、離散變量的復(fù)雜優(yōu)化問題，傳統(tǒng)的優(yōu)化設(shè)計方法解決該問題存在計算效率低、容易陷入局部最優(yōu)解等局限性，鑒于此，本文提出一種混合微粒群優(yōu)化算法用于橋式起重機主梁優(yōu)化設(shè)計，主要研究內(nèi)容如下： （1）分析起重機主梁結(jié)構(gòu)優(yōu)化的特點，給出橋式起重機箱形主梁的優(yōu)化設(shè)計流程。 （2）以橋式起重機箱形主梁截面面積為目標函數(shù)，主梁截面參數(shù)中的5個尺寸為設(shè)計變量，以主梁力學(xué)性能、制造工藝、邊界尺寸等方面要求為約束條件，建立主梁優(yōu)化的數(shù)學(xué)模型。 （3）通過分析微粒群優(yōu)化算法（Particle Swarm Optimization，PSO）和模擬退火算法(SimulatedAnnealing，SA)的優(yōu)缺點，將SA中的Metropolis準則引入到非線性遞減慣性權(quán)重（LWPSO）算法中，提出SA-LWPSO混合優(yōu)化算法，，由于橋式起重機主梁屬于有約束的優(yōu)化問題，本文將罰函數(shù)與上述混合微粒群算法相結(jié)合，形成結(jié)合罰函數(shù)的混合微粒群優(yōu)化算法。 （4）分別應(yīng)用標準測試函數(shù)和起重機主梁優(yōu)化實驗案例對本文混合算法進行仿真實驗，并與已發(fā)表文獻做出對比，本文算法在收斂性能、優(yōu)化結(jié)果、得到全局最優(yōu)解的穩(wěn)定性三方面均有優(yōu)勢。 （5）以某公司32t雙梁橋式起重機箱形主梁為研究對象，以Matlab為編程語言，分別應(yīng)用基本PSO算法和本文混合算法實現(xiàn)橋式起重機主梁優(yōu)化設(shè)計。優(yōu)化結(jié)果表明在滿足主梁所有性能要求的前提下，基本PSO算法比優(yōu)化前工程實例中主梁截面面積減少了13.5%，本文混合算法減少了20.3%，最后應(yīng)用ANSYS軟件分別對主梁優(yōu)化前后的模型進行有限元分析，驗證了本文算法優(yōu)化結(jié)果的可行性。
【關(guān)鍵詞】：橋式起重機 主梁 結(jié)構(gòu)優(yōu)化設(shè)計 微粒群優(yōu)化算法 數(shù)學(xué)模型
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TH215
【目錄】：

• 摘要4-5
• Abstract5-10
• 1 緒論10-20
• 1.1 論文的研究背景及意義10-12
• 1.2 國內(nèi)外研究現(xiàn)狀12-18
• 1.2.1 起重機現(xiàn)代設(shè)計方法的國內(nèi)外研究現(xiàn)狀12-14
• 1.2.2 起重機主梁優(yōu)化設(shè)計方法的研究現(xiàn)狀14-15
• 1.2.3 微粒群優(yōu)化算法的發(fā)展與研究現(xiàn)狀15-18
• 1.4 論文的主要研究內(nèi)容18-19
• 1.5 本章小結(jié)19-20
• 2 橋式起重機箱形主梁優(yōu)化設(shè)計分析與方案確定20-28
• 2.1 橋式起重機橋架結(jié)構(gòu)與載荷分析20-23
• 2.1.1 橋式起重機橋架結(jié)構(gòu)分析21-22
• 2.1.2 箱形主梁載荷分析22-23
• 2.2 箱形主梁結(jié)構(gòu)優(yōu)化特點分析23-24
• 2.3 箱形主梁優(yōu)化設(shè)計方案確定24-27
• 2.3.1 主梁優(yōu)化設(shè)計算法確定24-26
• 2.3.2 主梁優(yōu)化設(shè)計流程26-27
• 2.5 本章小結(jié)27-28
• 3 橋式起重機箱形主梁優(yōu)化設(shè)計數(shù)學(xué)模型28-37
• 3.1 優(yōu)化設(shè)計的數(shù)學(xué)模型28-30
• 3.2 橋起箱形主梁優(yōu)化設(shè)計的數(shù)學(xué)模型30-36
• 3.2.1 設(shè)計變量的選取30-31
• 3.2.2 目標函數(shù)的建立31-32
• 3.2.3 約束條件的確定32-36
• 3.3 本章小結(jié)36-37
• 4 箱形主梁優(yōu)化設(shè)計尋優(yōu)算法研究37-58
• 4.1 尋優(yōu)算法研究37-43
• 4.1.1 微粒群優(yōu)化算法研究37-40
• 4.1.2 模擬退火算法研究40-41
• 4.1.3 微粒群算法和模擬退火算法的優(yōu)缺點分析41-43
• 4.2 模擬退火-微粒群混合尋優(yōu)算法研究43-45
• 4.3 加入懲罰函數(shù)的混合微粒群尋優(yōu)算法45-52
• 4.3.1 罰函數(shù)法45-47
• 4.3.2 加入懲罰函數(shù)的混合微粒群算法流程47-49
• 4.3.3 算法的仿真實驗49-52
• 4.4 起重機主梁優(yōu)化設(shè)計的混合微粒群算法試驗案例52-56
• 4.4.1 數(shù)學(xué)模型52-54
• 4.4.2 參數(shù)設(shè)置54-55
• 4.4.3 結(jié)果分析55-56
• 4.5 本章小結(jié)56-58
• 5 基于混合微粒群算法的橋式起重機主梁優(yōu)化設(shè)計實現(xiàn)58-75
• 5.1 初始種群的生成與粒子更新58-62
• 5.1.1 初始種群的約束59-61
• 5.1.2 粒子更新61-62
• 5.2 控制參數(shù)的設(shè)定62-68
• 5.3 優(yōu)化結(jié)果分析與比較68-70
• 5.4 優(yōu)化結(jié)果的有限元分析70-74
• 5.4.1 有限元模型的建立71-72
• 5.4.2 優(yōu)化前后分析結(jié)果對比72-74
• 5.5 本章小結(jié)74-75
• 6 總結(jié)與展望75-77
• 6.1 論文總結(jié)75
• 6.2 展望75-77
• 參考文獻77-81
• 攻讀碩士學(xué)位期間發(fā)表的論文及取得的研究成果81-82
• 致謝82-83

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蔣騰旭;;智能優(yōu)化算法概述[J];電腦知識與技術(shù)(學(xué)術(shù)交流);2007年08期

2 陶元芳;謝文寧;沈才華;董萌;;起重機起升機構(gòu)可視化CAD軟件開發(fā)方法研究[J];中國工程機械學(xué)報;2007年02期

3 雷曉紅;;起重機的未來發(fā)展趨勢分析[J];產(chǎn)業(yè)與科技論壇;2013年24期

4 王宗彥;舒柱兵;吳淑芳;秦慧斌;;橋式起重機橋架模塊化參數(shù)化設(shè)計技術(shù)研究[J];中北大學(xué)學(xué)報(自然科學(xué)版);2009年01期

5 許素強,夏人偉;結(jié)構(gòu)優(yōu)化方法研究綜述[J];航空學(xué)報;1995年04期

6 黃冀卓;王湛;;結(jié)合梯度法的混合微粒群優(yōu)化算法[J];計算機工程與應(yīng)用;2008年35期

7 安偉剛,李為吉;改進的粒子群優(yōu)化算法及其工程應(yīng)用[J];機械科學(xué)與技術(shù);2005年04期

8 張義民;;機械可靠性設(shè)計的內(nèi)涵與遞進[J];機械工程學(xué)報;2010年14期

9 陳錫棟;楊婕;趙曉棟;范細秋;;有限元法的發(fā)展現(xiàn)狀及應(yīng)用[J];中國制造業(yè)信息化;2010年11期

10 劉洪波;王秀坤;譚國真;;粒子群優(yōu)化算法的收斂性分析及其混沌改進算法[J];控制與決策;2006年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 宋勝利;混合粒子群協(xié)同優(yōu)化算法及其應(yīng)用研究[D];華中科技大學(xué);2009年

2 胡一波;求解約束優(yōu)化問題的幾種智能算法[D];西安電子科技大學(xué);2009年

3 劉建華;粒子群算法的基本理論及其改進研究[D];中南大學(xué);2009年

  本文關(guān)鍵詞：橋式起重機箱形主梁混合微粒群優(yōu)化方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：354282