版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、工程設(shè)計(jì)的一個(gè)重要環(huán)節(jié)就是結(jié)構(gòu)優(yōu)化,拓?fù)鋬?yōu)化可以根據(jù)約束、載荷及優(yōu)化目標(biāo)改變結(jié)構(gòu)原始的拓?fù)浞桨?,獲得材料的最佳布局,已成為結(jié)構(gòu)優(yōu)化的研究熱點(diǎn)之一。
漸進(jìn)結(jié)構(gòu)優(yōu)化算法(ESO)通過逐漸刪除低效單元得到最優(yōu)的拓?fù)浣Y(jié)構(gòu),不會(huì)產(chǎn)生變密度法的中間密度情況,且易與ANSYS相結(jié)合,因此得到了快速發(fā)展,但是其存在單元一旦刪除,再不能恢復(fù)的問題,而雙向漸進(jìn)結(jié)構(gòu)優(yōu)化方法(BESO)在刪除單元的同時(shí)亦可增加誤刪的有效單元,因而有效地解決了此問題。
2、目前BESO方法的研究依然多偏于理論方面,應(yīng)用成果不多。因此,本文在傳統(tǒng)BESO算法的基礎(chǔ)上,提出一種基于單元應(yīng)力選擇的雙向漸進(jìn)結(jié)構(gòu)優(yōu)化法,并以TBT-ML500深孔鉆床刀桿箱作為研究對(duì)象,對(duì)其進(jìn)行了拓?fù)鋬?yōu)化和重構(gòu)設(shè)計(jì)。研究?jī)?nèi)容包括以下幾點(diǎn):
(1)介紹了傳統(tǒng)ESO算法的基本概念和原理,給出了一種基于應(yīng)力和體積的性能評(píng)價(jià)指標(biāo),用以評(píng)價(jià)算法的優(yōu)化質(zhì)量和效率;針對(duì)不同的優(yōu)化目標(biāo),比較了應(yīng)力準(zhǔn)則、剛度準(zhǔn)則和頻率準(zhǔn)則的優(yōu)缺點(diǎn),給出了基
3、于應(yīng)力準(zhǔn)則的ESO算法的一般流程;針對(duì)ESO方法中出現(xiàn)的數(shù)值不穩(wěn)定問題,分析了產(chǎn)生原因及解決方法,并通過算例分析了靈敏度過濾技術(shù)在處理ESO算法中棋盤格問題時(shí)的有效性以及ESO算法的可行性。
(2)在ESO算法的基礎(chǔ)上,對(duì)BESO算法的不同實(shí)現(xiàn)原理進(jìn)行了深入研究,給出了BESO算法的一般流程;針對(duì)BESO算法中的不足,提出一種基于單元應(yīng)力選擇的BESO算法,通過刪除和添加單元,得到滿足目標(biāo)體積的拓?fù)浣Y(jié)構(gòu),在保證體積不變的前提下
4、,按照應(yīng)變能水平高低對(duì)實(shí)單元和空單元進(jìn)行排序,進(jìn)一步刪除應(yīng)變能較小的實(shí)單元和恢復(fù)應(yīng)變能較大的空單元,得到最優(yōu)的拓?fù)浣Y(jié)構(gòu),從而綜合考慮了結(jié)構(gòu)體積的變化和單元的應(yīng)力水平,有效的避免了傳統(tǒng)BESO算法中出現(xiàn)的經(jīng)驗(yàn)計(jì)算和“震蕩現(xiàn)象”。對(duì)BESO算法的性能指標(biāo)進(jìn)行改進(jìn),先對(duì)其前后n次迭代的PI值求和,然后把其相對(duì)誤差error作為改進(jìn)算法的收斂條件ε,這樣可極大地提高收斂結(jié)果的精確性;最后,通過對(duì)梁結(jié)構(gòu)的優(yōu)化對(duì)比,驗(yàn)證了改進(jìn)的BESO算法的優(yōu)越性
5、。
(3)針對(duì)以上提出的改進(jìn)的BESO算法,以ANSYS中的APDL語言對(duì)單元的刪除和添加功能進(jìn)行二次開發(fā),開發(fā)了兩種拓?fù)鋬?yōu)化算法程序,包括體積約束下的剛度最大化程序和靜、動(dòng)態(tài)性能滿足約束下的輕量化程序;以UIDL語言為基礎(chǔ)開發(fā)了BESO算法不同的優(yōu)化圖形界面和參數(shù)化框圖,對(duì)ANSYS的原始界面實(shí)現(xiàn)了菜單添加,拓展了ANSYS的拓?fù)鋬?yōu)化功能。
(4)將基于單元應(yīng)力選擇的BESO算法應(yīng)用于TBT-ML500深孔鉆床的刀
6、桿箱優(yōu)化中,獲得了最優(yōu)的拓?fù)錁?gòu)型,有效的實(shí)現(xiàn)了刀桿箱基于質(zhì)量約束下的剛度最大化設(shè)計(jì);在此基礎(chǔ)上,對(duì)刀桿箱優(yōu)化后構(gòu)型進(jìn)行重構(gòu)設(shè)計(jì),并對(duì)重構(gòu)后模型進(jìn)行靜態(tài)性能分析,結(jié)果表明,優(yōu)化后刀桿箱的質(zhì)量、應(yīng)力和變形量均有所降低,同時(shí)整體質(zhì)量由741kg變?yōu)?72.4kg,減少了9.26%;最大變形由9.3μm變?yōu)?.4μm,降低了9.68%;最大應(yīng)力由4.237MPa變?yōu)?.618MPa,降低了14.61%,高效的完成了對(duì)刀桿箱的輕量化設(shè)計(jì)和剛度最大
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于免疫計(jì)算的特征選擇算法及其應(yīng)用研究.pdf
- 組特征選擇算法及其應(yīng)用研究.pdf
- 特征選擇算法及其在基于內(nèi)容圖像檢索中的應(yīng)用研究.pdf
- 多目標(biāo)克隆選擇算法及其應(yīng)用研究.pdf
- 免疫克隆選擇算法改進(jìn)及其應(yīng)用研究.pdf
- 基于半監(jiān)督回歸的選擇性集成算法及其應(yīng)用研究.pdf
- 基于免疫算法的分類算法及其應(yīng)用研究.pdf
- 改進(jìn)的克隆選擇優(yōu)化算法及其應(yīng)用研究.pdf
- 基于BESO法的結(jié)構(gòu)拓?fù)鋬?yōu)化研究及應(yīng)用.pdf
- 基于粒子群算法的聚類算法及其應(yīng)用研究.pdf
- 基于支持向量機(jī)的算法及其應(yīng)用研究.pdf
- 基于RFID技術(shù)的若干算法及其應(yīng)用研究.pdf
- 特征選擇算法及其在網(wǎng)絡(luò)流量識(shí)別中的應(yīng)用研究.pdf
- 基于克隆算法的模糊規(guī)則提取及其應(yīng)用研究.pdf
- 基于中文的多模式匹配算法及其應(yīng)用研究.pdf
- 基于水平集的PSO算法優(yōu)化及其應(yīng)用研究.pdf
- 基于NAMS的彩色圖像表示算法及其應(yīng)用研究.pdf
- 基于流形學(xué)習(xí)的分類算法及其應(yīng)用研究.pdf
- 競(jìng)選算法及其應(yīng)用研究.pdf
- 文化算法及其應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論