[發(fā)明專利]一種面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)結(jié)構(gòu)優(yōu)化方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201811233133.8
• 申請(qǐng)日: 2018-10-22
• 公開(kāi)（公告）號(hào): CN109358503B
• 公開(kāi)（公告）日: 2022-04-08
• 發(fā)明（設(shè)計(jì)）人: 李聰波;楊青山;曾令萬(wàn);楊勇;楊燦輝;朱道光;呂巖;陳行政
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G05B13/04
• 分類號(hào): G05B13/04
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

本發(fā)明在傳統(tǒng)機(jī)床設(shè)計(jì)方法考慮機(jī)床靜態(tài)性能和動(dòng)態(tài)性能的基礎(chǔ)上，將運(yùn)動(dòng)部件的能耗作為一個(gè)設(shè)計(jì)指標(biāo)，基于均勻試驗(yàn)數(shù)據(jù)，采用靈敏度分析對(duì)決策變量即機(jī)床運(yùn)動(dòng)部件中與裝配關(guān)系無(wú)關(guān)的結(jié)構(gòu)尺寸進(jìn)行簡(jiǎn)化，同時(shí)根據(jù)再次設(shè)計(jì)的均勻試驗(yàn)，利用主成分分析對(duì)優(yōu)化目標(biāo)進(jìn)行降維，構(gòu)建了一種面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)優(yōu)化模型，為機(jī)床節(jié)能設(shè)計(jì)提供了一種新的思路。

技術(shù)領(lǐng)域

本發(fā)明涉及機(jī)床技術(shù)領(lǐng)域，具體涉及一種面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)結(jié)構(gòu)優(yōu)化方法。

技術(shù)背景技術(shù)

機(jī)械加工機(jī)床量大面廣，能量效率低，節(jié)能潛力和環(huán)境減排潛力巨大。機(jī)床節(jié)能設(shè)計(jì)已成為普遍共識(shí)，其中，機(jī)床運(yùn)動(dòng)部件結(jié)構(gòu)優(yōu)化設(shè)計(jì)是機(jī)床節(jié)能設(shè)計(jì)的重要措施。現(xiàn)有的機(jī)床結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法中，采用有限元分析結(jié)合拓?fù)鋬?yōu)化的方法占據(jù)主流，對(duì)機(jī)床結(jié)構(gòu)尺寸做強(qiáng)度剛度等指標(biāo)做靈敏度分析也在部分文獻(xiàn)中提到。現(xiàn)有的文獻(xiàn)中機(jī)床運(yùn)動(dòng)部件結(jié)構(gòu)優(yōu)化設(shè)計(jì)以能耗為目標(biāo)較少涉及。

發(fā)明內(nèi)容

本發(fā)明的目的是在機(jī)床運(yùn)動(dòng)部件的結(jié)構(gòu)優(yōu)化設(shè)計(jì)中，考慮機(jī)床運(yùn)動(dòng)部件能耗指標(biāo)，兼顧機(jī)床靜態(tài)性能和動(dòng)態(tài)性能指標(biāo)，建立一種機(jī)床運(yùn)動(dòng)部件多目標(biāo)結(jié)構(gòu)優(yōu)化方法。

為實(shí)現(xiàn)本發(fā)明目的而采用的技術(shù)方案是這樣的，即一種面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)結(jié)構(gòu)優(yōu)化方法。它包括以下步驟：

步驟1：根據(jù)機(jī)床實(shí)際結(jié)構(gòu)特征，選擇機(jī)床運(yùn)動(dòng)部件中與裝配無(wú)關(guān)的結(jié)構(gòu)尺寸作為決策變量；

步驟2：將步驟1選擇的決策變量作為實(shí)驗(yàn)變量，以機(jī)床運(yùn)動(dòng)部件能耗、機(jī)床靜態(tài)性能、機(jī)床動(dòng)態(tài)性能為實(shí)驗(yàn)?zāi)繕?biāo)，設(shè)計(jì)均勻試驗(yàn)，得出步驟1中決策變量對(duì)實(shí)驗(yàn)?zāi)繕?biāo)的影響實(shí)驗(yàn)數(shù)據(jù)；

步驟3：采用靈敏度分析法處理步驟2中的實(shí)驗(yàn)數(shù)據(jù)，重新選擇靈敏度高的機(jī)床結(jié)構(gòu)尺寸作為決策變量；

步驟4：將步驟3重新選擇出的決策變量作為實(shí)驗(yàn)變量，以機(jī)床運(yùn)動(dòng)部件能耗、機(jī)床靜態(tài)性能、機(jī)床動(dòng)態(tài)性能為實(shí)驗(yàn)?zāi)繕?biāo)，重新設(shè)計(jì)均勻試驗(yàn)，得到重新選擇出的決策變量對(duì)實(shí)驗(yàn)?zāi)繕?biāo)的影響實(shí)驗(yàn)數(shù)據(jù)，并采用非線性回歸分析方法，擬合出重選的決策變量與實(shí)驗(yàn)?zāi)繕?biāo)之間的函數(shù)關(guān)系。

步驟5：采用主成分分析方法，分析實(shí)驗(yàn)?zāi)繕?biāo)之間存在的關(guān)聯(lián)關(guān)系，得出降維后的實(shí)驗(yàn)?zāi)繕?biāo)。

步驟6：以步驟3重選的決策變量為優(yōu)化變量，以步驟5降維后的實(shí)驗(yàn)?zāi)繕?biāo)為優(yōu)化目標(biāo)，構(gòu)建面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)優(yōu)化模型；

步驟7：采用模擬退火算法對(duì)步驟6中面向節(jié)能的機(jī)床運(yùn)動(dòng)部件多目標(biāo)優(yōu)化模型進(jìn)行求解，得出最優(yōu)的機(jī)床運(yùn)動(dòng)部件結(jié)構(gòu)尺寸。

優(yōu)選地，在步驟7中，采用的粒子群模擬退火算法遵循以下步驟：

(1)初始化參數(shù)。設(shè)置最高溫度、截止溫度、降溫速率、學(xué)習(xí)因子。隨機(jī)生成n個(gè)粒子的種群S，每個(gè)粒子的位置矢量為運(yùn)動(dòng)部件結(jié)構(gòu)的尺寸參數(shù),并定義每個(gè)參數(shù)的取值范圍；

(2)計(jì)算每個(gè)粒子的適應(yīng)度值，并以每個(gè)粒子的適應(yīng)度值作為當(dāng)前的歷史最優(yōu)p_best，選取最優(yōu)的粒子作為當(dāng)前全局最優(yōu)g_best；

(3)利用如下公式對(duì)每一個(gè)粒子進(jìn)行位置更新：

其中，r₁為[0 1]之間的隨機(jī)數(shù)；V_i^k為粒子更新速度；為使在高溫階段粒子可以快速跳出局部最小值，而在低溫階段能夠快速收斂，溫度控制的慣性權(quán)重ω為：

其中，T_current為當(dāng)前退火溫度、T_max為最高溫度、T₀為截止溫度；