多學科協(xié)同優(yōu)化中優(yōu)化算法與近似模型研究.pdf

1、隨著科學技術的不斷發(fā)展和進步，大規(guī)模復雜機電產品的設計越來越多地涉及到多學科、多目標、多約束和多設計變量等因素，使得設計過程變得十分復雜，常常難以用傳統(tǒng)優(yōu)化方法對其進行優(yōu)化設計。多學科設計優(yōu)化技術通過充分利用系統(tǒng)中的協(xié)調機制，采取合理的優(yōu)化設計方法可有效地解決大規(guī)模復雜工程系統(tǒng)的多學科設計優(yōu)化問題。本文針對復雜機電系統(tǒng)優(yōu)化設計的特點和要求，對機電系統(tǒng)多學科協(xié)同優(yōu)化設計體系及相關關鍵技術進行研究分析，著重對機電系統(tǒng)多學科協(xié)同優(yōu)化算法和近似

2、模型技術進行研究，并將其應用于并聯(lián)機器人多學科設計優(yōu)化問題。
　　1．在分析復雜機電系統(tǒng)構成特點的基礎上，利用多學科協(xié)同優(yōu)化設計的思想，構建了機電系統(tǒng)多學科協(xié)同優(yōu)化體系結構，并對其中的系統(tǒng)建模技術、耦合關系分析與處理、近似模型技術、優(yōu)化算法和約束處理問題、多學科設計優(yōu)化求解策略等關鍵技術進行研究，旨在解決復雜機電系統(tǒng)存在學科多、學科之間耦合性強、難于進行全面系統(tǒng)的整體優(yōu)化設計的問題。
　　2．針對標準協(xié)同優(yōu)化方法對初始點選取

3、敏感且易陷入局部最優(yōu)，導致求解效率降低的問題，提出了一種基于參數(shù)策略的改進粒子群優(yōu)化算法(Particle Swarm Otimization，PSO)，采用Logistic映射對種群進行混沌初始化、非線性地動態(tài)改進慣性權值和非線性地動態(tài)調整加速因子三種策略對粒子群優(yōu)化算法進行改進，對算法的收斂精度和早熟的平衡問題進行研究，利用測試函數(shù)及工程實例驗證了其有效性。
　　3．提出了一種凝聚約束處理方法，采用凝聚函數(shù)將多約束優(yōu)化問題轉化

4、成一個擁有光滑高階可微的可行域單約束優(yōu)化問題，以緩解多約束之間的沖突并加快收斂速度，再結合懲罰函數(shù)法，將約束優(yōu)化問題轉化為無約束優(yōu)化問題。該凝聚約束處理方法對懲罰因子的選取不敏感，求解結果比較穩(wěn)定，為協(xié)同優(yōu)化求解過程提供一種有效的約束處理方法。
　　4．提出了一種形狀參數(shù)優(yōu)化徑向基插值近似模型，分析了徑向基插值函數(shù)中參數(shù)對近似效果的影響，研究了通過優(yōu)化誤差函數(shù)來確定形狀參數(shù)的方法，并利用測試函數(shù)對改進徑向基插值近似模型進行驗證，以

5、解決標準協(xié)同優(yōu)化方法計算成本高、計算效率低的問題。
　　5．提出了一種基于PSO算法和徑向基插值近似模型技術的改進協(xié)同優(yōu)化方法，以改善協(xié)同優(yōu)化方法的收斂性能并提高求解效率，給出了求解步驟和計算框圖，并通過典型的多學科設計優(yōu)化數(shù)值算例和工程算例對其可行性和有效性進行測試驗證。
　　6．研究了并聯(lián)機器人多學科協(xié)同優(yōu)化設計，以三自由度并聯(lián)機器人為研究對象，根據(jù)協(xié)同優(yōu)化設計的思想，建立了其多學科協(xié)同優(yōu)化設計數(shù)學模型，利用改進協(xié)同優(yōu)化