本文選題：注塑機(jī)械手 + 多目標(biāo)優(yōu)化��； 參考：《機(jī)械設(shè)計(jì)與制造》2017年12期

【摘要】：為了滿足在保證注塑機(jī)械手初始動(dòng)態(tài)剛度的條件下達(dá)到整機(jī)輕量化的要求,提出基于整機(jī)質(zhì)量、一階最大變形量和一階固有頻率為目標(biāo)函數(shù)的整機(jī)多目標(biāo)優(yōu)化設(shè)計(jì)方法。運(yùn)用ANSYS軟件對(duì)參數(shù)化模型進(jìn)行模態(tài)分析。使用中心復(fù)合設(shè)計(jì)的試驗(yàn)方法選取合適的結(jié)構(gòu)有限元分析樣本點(diǎn),對(duì)樣本點(diǎn)處的整機(jī)動(dòng)態(tài)特性進(jìn)行計(jì)算和分析,建立反映結(jié)構(gòu)設(shè)計(jì)輸入與響應(yīng)輸出關(guān)系的二次多項(xiàng)式響應(yīng)面模型。建立注塑機(jī)械手的多目標(biāo)優(yōu)化數(shù)學(xué)模型,比較分別使用多目標(biāo)遺傳算法、篩選算法、非線性二次規(guī)劃算法獲取的Pareto解集得到最優(yōu)解。對(duì)基于加權(quán)平均法的靈敏度分析得到的各設(shè)計(jì)變量靈敏度值平均數(shù)進(jìn)行排序,可以幫助設(shè)計(jì)人員淘汰部分設(shè)計(jì)變量,從而提高優(yōu)化效率。最后,在保證注塑機(jī)械手整機(jī)動(dòng)態(tài)性能不降的前提下,整機(jī)質(zhì)量減輕了11.27%。結(jié)果表明,該方法具有較高的精度和較強(qiáng)的工程實(shí)用性。
[Abstract]:In order to meet the requirement of lightweight of the whole machine under the condition of guaranteeing the initial dynamic stiffness of the injection molding manipulator, a multi-objective optimization design method based on the mass of the whole machine, the first order maximum deformation and the first order natural frequency is proposed. The modal analysis of parameterized model is carried out with ANSYS software. Using the test method of central composite design to select the appropriate sample points of finite element analysis of structure, the dynamic characteristics of the whole machine at the sample points are calculated and analyzed. A quadratic polynomial response surface model reflecting the relationship between input and response output of structural design is established. The mathematical model of multi-objective optimization for injection manipulator is established. The Pareto solution set obtained by using multi-objective genetic algorithm, screening algorithm and nonlinear quadratic programming algorithm is compared to obtain the optimal solution. Ranking the average sensitivity values of each design variable based on the weighted average method can help designers eliminate some of the design variables and improve the optimization efficiency. Finally, the quality of the whole machine is reduced by 11.27 without decreasing the dynamic performance of the injection manipulator. The results show that the method has high accuracy and engineering practicability.
【作者單位】： 廣東工業(yè)大學(xué)機(jī)電工程學(xué)院;
【基金】：廣東省數(shù)控一代項(xiàng)目(2012B011300009) 廣東省產(chǎn)學(xué)研項(xiàng)目(2013B090600019) 東莞市產(chǎn)學(xué)研項(xiàng)目(2014509119201)
【分類號(hào)】：TP241

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 曹先彬,李金龍,王煦法;基于生態(tài)協(xié)同的多目標(biāo)優(yōu)化研究(英文)[J];軟件學(xué)報(bào);2001年04期

2 劉淳安;王宇平;;基于新模型的動(dòng)態(tài)多目標(biāo)優(yōu)化進(jìn)化算法[J];計(jì)算機(jī)研究與發(fā)展;2008年04期

3 徐鶴鳴;王東;;多目標(biāo)優(yōu)化問(wèn)題的求解框架[J];微計(jì)算機(jī)信息;2009年36期

4 郭曉東;王麗芳;;求解多目標(biāo)優(yōu)化問(wèn)題的分布估計(jì)算法[J];太原科技大學(xué)學(xué)報(bào);2010年01期

5 雍龍泉;;求解一類不可微多目標(biāo)優(yōu)化問(wèn)題的社會(huì)認(rèn)知算法[J];計(jì)算機(jī)應(yīng)用研究;2010年11期

6 郭思涵;龔小勝;;正交設(shè)計(jì)的E占優(yōu)策略求解高維多目標(biāo)優(yōu)化問(wèn)題研究[J];計(jì)算機(jī)科學(xué);2012年02期

7 蓋玉權(quán);何昱;張宇燕;吳憲彬;萬(wàn)海同;;復(fù)方藥物劑量配比多目標(biāo)優(yōu)化的方法學(xué)研究[J];微型機(jī)與應(yīng)用;2012年07期

8 王杰文;;約束多目標(biāo)優(yōu)化問(wèn)題中約束處理方法綜述[J];現(xiàn)代計(jì)算機(jī)(專業(yè)版);2012年36期

9 賈利民,張錫第;智能多目標(biāo)優(yōu)化控制及其應(yīng)用[J];信息與控制;1992年01期

10 周學(xué)建;師清翔;朱永寧;;模糊相似優(yōu)先比在清選系統(tǒng)多目標(biāo)優(yōu)化中的應(yīng)用[J];洛陽(yáng)工學(xué)院學(xué)報(bào);1993年02期

相關(guān)會(huì)議論文 前3條

1 劉桂萍;于瑞貞;;動(dòng)態(tài)環(huán)境下的柴油機(jī)調(diào)速系統(tǒng)PID控制參數(shù)的多目標(biāo)優(yōu)化[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

2 韓肖清;劉海龍;;基于遺傳算法的微電網(wǎng)多目標(biāo)優(yōu)化控制研究[A];2011中國(guó)電工技術(shù)學(xué)會(huì)學(xué)術(shù)年會(huì)論文集[C];2011年

3 曹瑞芬;吳宜燦;景佳;李國(guó)麗;裴曦;程夢(mèng)云;林輝;FDS團(tuán)隊(duì);;快速非支配排序多目標(biāo)遺傳算法在放療逆向計(jì)劃優(yōu)化中的應(yīng)用[A];第二屆全國(guó)核技術(shù)及應(yīng)用研究學(xué)術(shù)研討會(huì)大會(huì)論文摘要集[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 王晗丁;復(fù)雜問(wèn)題的多目標(biāo)進(jìn)化優(yōu)化算法研究[D];西安電子科技大學(xué);2015年

2 董寧;求解約束優(yōu)化和多目標(biāo)優(yōu)化問(wèn)題的進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

3 過(guò)曉芳;超多目標(biāo)優(yōu)化問(wèn)題的幾種進(jìn)化算法研究[D];西安電子科技大學(xué);2015年

4 左益;基于全局優(yōu)化和局部學(xué)習(xí)的進(jìn)化多目標(biāo)優(yōu)化算法[D];西安電子科技大學(xué);2016年

5 徐志丹;基于生物地理算法的多目標(biāo)優(yōu)化理論與應(yīng)用研究[D];哈爾濱工程大學(xué);2013年

6 蔣慶;地下水時(shí)空變化及監(jiān)測(cè)網(wǎng)多目標(biāo)優(yōu)化研究[D];華中科技大學(xué);2008年

7 陳瓊;演化多目標(biāo)優(yōu)化多樣性保持策略及其應(yīng)用研究[D];武漢理工大學(xué);2010年

8 陳小紅;基于進(jìn)化算法的高維多目標(biāo)優(yōu)化問(wèn)題求解方法及應(yīng)用[D];深圳大學(xué);2015年

9 劉鎏;多目標(biāo)優(yōu)化進(jìn)化算法及應(yīng)用研究[D];天津大學(xué);2010年

10 魏靜萱;解決單目標(biāo)和多目標(biāo)優(yōu)化問(wèn)題的進(jìn)化算法[D];西安電子科技大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 何素素;基于改進(jìn)的粒子群算法的鉆進(jìn)參數(shù)多目標(biāo)優(yōu)化研究[D];西安石油大學(xué);2015年

2 崔華;面向個(gè)性化需求的服務(wù)組合優(yōu)化方法[D];哈爾濱工業(yè)大學(xué);2015年

3 章姍捷;基于遺傳算法的電力工程多目標(biāo)優(yōu)化研究[D];華北電力大學(xué);2015年

4 高敏;基于協(xié)同論的風(fēng)電建設(shè)項(xiàng)目多目標(biāo)優(yōu)化模型研究[D];華北電力大學(xué);2015年

5 陳振興;基于空間擁擠控制策略的進(jìn)化多目標(biāo)優(yōu)化[D];福建師范大學(xué);2015年

6 田野;高維多目標(biāo)優(yōu)化算法的若干關(guān)鍵問(wèn)題研究[D];安徽大學(xué);2015年

7 姜守勇;多目標(biāo)電體搜索優(yōu)化算法的研究[D];東北大學(xué);2013年

8 楊迪;一種求解多目標(biāo)優(yōu)化問(wèn)題的改進(jìn)遺傳算法研究[D];東北大學(xué);2013年

9 徐豪;基于合作型免疫克隆協(xié)同進(jìn)化和量子粒子群的約束多目標(biāo)優(yōu)化問(wèn)題研究[D];西安電子科技大學(xué);2014年

10 張永曉;基于分解和自適應(yīng)參考點(diǎn)偏好的進(jìn)化多目標(biāo)優(yōu)化方法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：2072553