e-works数字化企业网  »  文章频道  »  产品创新数字化(PLM)  »  CAE

基于遗传算法的膜片弹簧性能特性能及其结构参数优化研究(二)

2017/9/5    来源:互联网    作者:尹华兵  刘树成  高宝林      
关键字:膜片弹簧  性能特征  参数优化  
本文利用膜片弹簧A-L公式设计了某变速箱C1离合器的膜片弹簧,由于A-L公式存在一定的局限性,G.SCHRFMMER在A-L公式的基础上对其进行了改进,综合考虑了膜片弹簧在受载过程中的弯曲效应,推出了开槽膜片弹簧新的设计计算公式,本文在G.SCHRFMMER公式的基础上开展了对C1离合器的膜片弹簧性能曲线及其结构参数的优化,采用了遗传算法,在Isight软件中完成了对计算公式、遗传算法和优化流程的集成,最终获得了C1离合器膜片弹簧的优化性能曲线及其相应的结构参数,为膜片弹簧的结构参数及其性能特性曲线的优化提供了重要的技术途径。

    3.4 遗传算法

    Isight中的MIGA多岛遗传算法本质上是日本Doshisha大学的M.Kaneko,M.Miki,T.Hiroyasu等人对并行分布遗传算法的改进,它具有比传统遗传算法更优良的全局求解能力和计算效率,本文采用Isight中的MIGA多岛遗传算法对膜片弹簧的结构参数进行优化。

    遗传算法(GA,GeneticAlgorithm)是Holland在60年代提出的,主要借助生物进化过程中“适者生存”的规律,模仿生物进化过程中的遗传繁殖机制,对优化问题解空间的个体进行编码(二进制或其他进制),然后对编码后的个体种群进行遗传操作(如:选择、交叉、变异等),通过迭代从新种群中寻找含有最优解或较优解的组合。

    适应度函数是评判解个体优劣的唯一标准。遗传操作根据适应度的大小决定个体繁殖的机会,适应度值大的个体得到繁殖的机会大于适应度值小的个体,从而使得新种群的平均适应度值高于旧群体的平均适应度值。使用遗传算法时需要把问题的解编码成一个基因链码。每个基因链码也被称为一个个体,有时也称作染色体。对于采用二进制编码的染色体长度L可根据问题要求的精度确定。常用的编码方法包括:二进制编码、格雷码编码、实数编码、符号编码算法等。Isight的MIGA算法采用格雷编码如下:

    7

    种群是若干个个体的集合。因为每个个体代表了问题的一个解,所以一个种群就是问题的一些解的集合。MIGA将一个大的种群分成若干个子种群,形象的称之为“岛”,而在每个岛上运用传统的GA算法进行子种群进化。

    8

    图5 MIGA算法中子种群/岛生成原理

    MIGA算法每隔一定的代数,会按一定的比例选择各岛的个体,转移到其他的岛上,完成种群间个体的交换,增加个体的多样性,这个操作称做“迁移”。MIGA通过以下三种操作完成遗传算法的。选择操作。选择的目的是为了从当前的种群中选出优良的个体,使他们有机会作为父代产生后代个体。判断个体优良与否的准则就是各自的适应度值。作为一种算子,选择操作在遗传算法中有多种实现方式,其中最简单的一种算法就是采用适应度比例法来进行选择。具体地说,就是首先计算群体中所有个体适应度的总和,再计算每个个体的适应度所占的比例,并以次作为相应的选择概率。

    交叉操作。许多生物体的繁衍是通过染色体的交叉完成的。在遗传算法中使用了这个概念,把交叉作为一个操作算子。并且,交叉算子是以一定的交叉概率发生的。

    交叉算子的实现过程如下:选择群体中的两个个体,以这两个个体为双亲作基因链码的交叉,从而产生两个新的个体作为他们的后代。简单的交叉算法是:随机地选取一个截断点,将双亲的基因链码在截断点切开,并交换其后半部分,从而组成两个新个体。

    9

    图6 杂交操作

    变异操作。在生物的进化过程中变异是一个重要的步骤。通过在染色体上的某些基因位置产生突变使得新产生的个体与其他个体有所不同。该算子的实现算法如下:对于群体中的某个个体,即某个基因随机选取某一位,将该位的基因翻转(0改为1,1改为0)。MIGA通过反复恰当地使用遗传算法的算子和选择原则,从亲代到子代,从子代到孙代,从孙代到崇孙代,不停的繁衍,使得种群对环境的适应性不断升高。

责任编辑:张纯子
本文来源于互联网,e-works本着传播知识、有益学习和研究的目的进行的转载,为网友免费提供,并以尽力标明作者与出处,如有著作权人或出版方提出异议,本站将立即删除。如果您对文章转载有任何疑问请告之我们,以便我们及时纠正。联系方式:editor@e-works.net.cn tel:027-87592219/20/21。
e-works
官方微信
掌上
信息化
编辑推荐
新闻推荐
博客推荐
视频推荐