斗輪機(jī)有限元分析及前臂架結(jié)構(gòu)優(yōu)化設(shè)計(jì).pdf

1、本文以DQLK1500/2500.35斗輪堆取料機(jī)為研究對象，首先計(jì)算了整機(jī)所受載荷，分別選取三種最典型工況，即在受主要載荷、正常工作以及非正常工作工況下進(jìn)行有限元力學(xué)性能分析。針對整機(jī)有限元結(jié)果分析得知，結(jié)構(gòu)強(qiáng)度、剛度、穩(wěn)定性均滿足設(shè)計(jì)要求，但是前臂架結(jié)構(gòu)強(qiáng)度儲備過大，不僅造成材料的浪費(fèi)，而且前臂架結(jié)構(gòu)自重對于整機(jī)的穩(wěn)定性具有十分顯著地影響。為改善初始設(shè)計(jì)方案，本文選用遺傳算法對前臂架結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì)。
　　為順利實(shí)現(xiàn)斗輪堆取料

2、機(jī)前臂架結(jié)構(gòu)的優(yōu)化設(shè)計(jì)問題的求解，首先運(yùn)用ANSYS軟件的APDL語言建立參數(shù)化有限元模型；其次根據(jù)現(xiàn)代結(jié)構(gòu)優(yōu)化設(shè)計(jì)理論和優(yōu)化設(shè)計(jì)的一般方法，構(gòu)建了以結(jié)構(gòu)截面主要尺寸為優(yōu)化設(shè)計(jì)變量，結(jié)構(gòu)總質(zhì)量為目標(biāo)函數(shù)，所有工況下結(jié)構(gòu)最大應(yīng)力為狀態(tài)變量，設(shè)計(jì)要求為約束條件的優(yōu)化設(shè)計(jì)數(shù)學(xué)模型；鑒于所構(gòu)造的優(yōu)化模型變量多，可行域不連續(xù)，計(jì)算量較大的特點(diǎn)，統(tǒng)籌考慮后選用遺傳算法求解該優(yōu)化問題。借鑒以往成果和試值法設(shè)定運(yùn)行過程中的遺傳算子，包含進(jìn)化演算過程種群

3、規(guī)模、選擇率、交叉率、變異率，以及收斂條件進(jìn)化代數(shù)；最后融合結(jié)構(gòu)分析軟件ANSYS以及數(shù)值計(jì)算軟件MATLAB中已有的遺傳算法工具箱函數(shù)，利用VB語言實(shí)現(xiàn)多程序集成，并順利求得最優(yōu)解。
　　在使用遺傳算法求解結(jié)構(gòu)優(yōu)化設(shè)計(jì)問題時(shí)，遺傳算子取值靈活性較大，對求得最優(yōu)解結(jié)果也會有一定程度的影響。為深入探討遺傳算子對優(yōu)化結(jié)果的敏感度，在本文優(yōu)化問題的求解過程中，特選取不同的遺傳算子，求得相應(yīng)的最優(yōu)值。研究結(jié)果表明：（1）運(yùn)用遺傳算法求解結(jié)

4、構(gòu)優(yōu)化設(shè)計(jì)問題時(shí)，遺傳算子取值不同，對優(yōu)化結(jié)果有影響；（2）當(dāng)遺傳算子取值不同時(shí)，優(yōu)化設(shè)計(jì)問題中的目標(biāo)函數(shù)總是保持下降的趨勢，相應(yīng)的適應(yīng)度值總是不但增大，優(yōu)秀的個(gè)體將被保留，適應(yīng)性差的個(gè)體很快被淘汰掉，符合自然界“優(yōu)生劣汰”生存法則；（3）在遺傳算法進(jìn)化迭代過程中，作為狀態(tài)變量的結(jié)構(gòu)最大應(yīng)力并非單調(diào)逼近許用應(yīng)力值，而是存在一定的起伏，這與遺傳算法中變異的隨機(jī)性、不確定性高度吻合。
　　結(jié)合遺傳算法求得理論最優(yōu)解，進(jìn)一步根據(jù)實(shí)際機(jī)械