本文關(guān)鍵詞：橋機主梁微粒群優(yōu)化方法研究及其軟件開發(fā)　出處：《太原科技大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 橋式起重機 傳統(tǒng)設(shè)計 優(yōu)化設(shè)計 微粒群優(yōu)化算法 軟件開發(fā)

【摘要】：目前，起重機結(jié)構(gòu)優(yōu)化設(shè)計方法主要采用傳統(tǒng)優(yōu)化算法，但傳統(tǒng)算法解決此類高維、多約束非線性混合離散變量問題，不可避免地會出現(xiàn)計算量過大、耗時較長、易于陷入局部最優(yōu)解等問題。本文嘗試使用一種新型群智能優(yōu)化算法——微粒群優(yōu)化算法（Particle Swarm Optimization，PSO算法）解決該問題。 本文從傳統(tǒng)結(jié)構(gòu)設(shè)計出發(fā)，以典型的雙梁箱形橋式起重機主梁為例，根據(jù)主要技術(shù)參數(shù)要求，初選截面尺寸，計算載荷和內(nèi)力，然后驗算強度、剛度、穩(wěn)定性是否滿足使用性能要求。在保證主要技術(shù)參數(shù)相同的前提下，將主梁結(jié)構(gòu)自重作為目標(biāo)函數(shù)，截面尺寸作為優(yōu)化變量，強度、剛度、穩(wěn)定性充當(dāng)約束條件，采用傳統(tǒng)優(yōu)化算法——網(wǎng)格法、新型智能優(yōu)化算法——PSO算法進行優(yōu)化設(shè)計。 PSO算法源于對生物界鳥群群體運動行為的研究，，通過群體間個體的相互協(xié)作與競爭實現(xiàn)對優(yōu)化問題的求解，是一種群智能優(yōu)化算法，它原理簡單，參數(shù)少，收斂速度快。該算法已經(jīng)廣泛應(yīng)用于神經(jīng)網(wǎng)絡(luò)訓(xùn)練、函數(shù)優(yōu)化等領(lǐng)域，并取得了較好的效果。由于起重機金屬結(jié)構(gòu)優(yōu)化設(shè)計的復(fù)雜性和特殊性，本文深入分析了基本微粒群算法的原理及流程，在工程實例中采用改進后的微粒群算法對橋機主梁結(jié)構(gòu)進行優(yōu)化，結(jié)果表明該算法具有良好的使用性能。 本課題采用面向?qū)ο筌浖㑇isual C++6.0開發(fā)出了一套橋機主梁微粒群優(yōu)化CAD軟件。該軟件集成了主要技術(shù)參數(shù)輸入、常規(guī)設(shè)計、優(yōu)化設(shè)計、參數(shù)繪圖等模塊，運用了數(shù)據(jù)庫、二維參數(shù)化繪圖等技術(shù)，實現(xiàn)了起重機結(jié)構(gòu)的傳統(tǒng)計算、優(yōu)化設(shè)計、輸出二維圖的功能。
[Abstract]:At present, the crane structure optimization design method mainly adopts the traditional optimization algorithm, but the traditional algorithm to solve this kind of high dimension, multi constrained nonlinear mixed discrete variable problems, inevitably there will be a large amount of calculation, time-consuming and easy to fall into the local optimal solution problem. In this paper, a new swarm intelligence optimization algorithm, particle swarm optimization (Particle Swarm Optimization, PSO), is used to solve the problem.
【學(xué)位授予單位】：太原科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2012
【分類號】：TH215

【參考文獻】

相關(guān)期刊論文 前10條

1 曾建潮,崔志華;一種保證全局收斂的PSO算法[J];計算機研究與發(fā)展;2004年08期

2 胡建秀;曾建潮;;二階微粒群算法[J];計算機研究與發(fā)展;2007年11期

3 曾振祥;CAD建模與優(yōu)化設(shè)計[J];機械設(shè)計;2000年08期

4 平海,蘇帆;現(xiàn)代優(yōu)化設(shè)計方法在糧食機械設(shè)計中的應(yīng)用[J];糧食與飼料工業(yè);2000年06期

5 曾建潮;王麗芳;;一種廣義微粒群算法模型[J];模式識別與人工智能;2005年06期

6 徐格寧;詹鵬;;基于極限狀態(tài)法的雙梁門式起重機金屬結(jié)構(gòu)設(shè)計[J];起重運輸機械;2009年06期

7 徐格寧;張騫;;基于極限狀態(tài)法的橋式起重機金屬結(jié)構(gòu)設(shè)計[J];起重運輸機械;2011年03期

8 須雷;起重機的現(xiàn)代設(shè)計方法[J];起重運輸機械;1996年08期

9 張選平,杜玉平,秦國強,覃征;一種動態(tài)改變慣性權(quán)的自適應(yīng)粒子群算法[J];西安交通大學(xué)學(xué)報;2005年10期

10 楊瑞剛;徐格寧;范小寧;;橋式起重機結(jié)構(gòu)可靠性失效準(zhǔn)則與剩余壽命評估準(zhǔn)則[J];中國安全科學(xué)學(xué)報;2009年10期

相關(guān)碩士學(xué)位論文 前3條

1 郝君起;叉車總體設(shè)計CAD技術(shù)研究[D];太原科技大學(xué);2011年

2 張騫;通用橋式起重機金屬結(jié)構(gòu)設(shè)計驗證及安全評價[D];太原科技大學(xué);2011年

3 付韜韜;基于VC++和ANSYS接口的參數(shù)化橋式起重機橋架有限元分析系統(tǒng)[D];武漢科技大學(xué);2008年

本文編號：1346150