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),請進行舉報或認(rèn)領(lǐng)
文檔簡介
1、高速列車軸箱是一系簧下關(guān)鍵承載裝置,減輕其質(zhì)量有助于提高列車的動力學(xué)性能,同時其結(jié)構(gòu)強度關(guān)系到列車運行的安全可靠性。本文以某型車轉(zhuǎn)臂式軸箱為研究對象,以減輕其質(zhì)量為主要目標(biāo),以靜強度性能作為優(yōu)化約束,對其展開了結(jié)構(gòu)參數(shù)優(yōu)化研究。
基于仿真的優(yōu)化設(shè)計過程計算效率低下、迭代周期長,為權(quán)衡優(yōu)化設(shè)計過程中的計算效率與計算精度,本文采取了基于近似模型的結(jié)構(gòu)優(yōu)化策略。近似模型建立的效率和精度主要依賴于試驗設(shè)計和近似模型方法兩個方面。
2、> 首先,為提高試驗采樣過程的效率,基于Isight多學(xué)科平臺,構(gòu)建了軸箱設(shè)計分析一體化流程,利用Isight的自動化采樣功能獲得了一組訓(xùn)練樣本和一組測試樣本。
其次,為了提高近似模型的精度,選擇了對非線性問題具有較好擬合逼近效果的徑向基神經(jīng)網(wǎng)絡(luò)近似模型方法,并基于對樣本空間各向異性現(xiàn)象的分析,提出了基于動態(tài)加權(quán)歐式距離函數(shù)的改進徑向基神經(jīng)網(wǎng)絡(luò)。利用改進算法建立了軸箱靜強度仿真分析的近似替代模型,并與原算法建立的近似模型精度
3、進行了對比,結(jié)果顯示改進算法精度有所提高。
最后基于改進算法建立的近似模型,定義了優(yōu)化目標(biāo)與約束,建立了完整的優(yōu)化模型,采用Matlab的優(yōu)化工具箱對優(yōu)化問題進行了求解。采用仿真計算對優(yōu)化結(jié)果進行了驗證,結(jié)果表明基于改進算法建立的近似模型的優(yōu)化效果較好。優(yōu)化結(jié)果與初始設(shè)計方案相比,軸箱質(zhì)量減輕了約10%,同時優(yōu)化后的軸箱結(jié)構(gòu)仍滿足靜強度設(shè)計原則。
本文針對某型車轉(zhuǎn)臂式軸箱的研究思路和方法具有一定的通用性,對于其它類似
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空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對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, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于RBF神經(jīng)網(wǎng)絡(luò)的變壓邊力優(yōu)化研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的板料成形工藝優(yōu)化研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的工業(yè)過程建模與優(yōu)化研究.pdf
- 基于遺傳優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)聲紋識別研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的鋼框架結(jié)構(gòu)參數(shù)識別研究及其高等穩(wěn)定分析.pdf
- 基于差分進化算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)的.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的期權(quán)定價研究.pdf
- 基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)優(yōu)化算法.pdf
- 基于神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化的PID控制研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的語音識別研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘研究.pdf
- 基于混合優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)安全態(tài)勢預(yù)測模型.pdf
- 基于rbf神經(jīng)網(wǎng)絡(luò)的負(fù)荷預(yù)測研究綜述
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測模型的研究.pdf
- 基于LM改進的RBF神經(jīng)網(wǎng)絡(luò)算法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)入侵檢測系統(tǒng)的研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的故障診斷.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的PID整定.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的盲均衡算法.pdf
- 優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)用于語音識別的研究.pdf
評論
0/150
提交評論