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),請進行舉報或認領
文檔簡介
1、本科學生畢業(yè)設計(論文)附件 附件 C:譯文指導教師評定成績(五級制):中文 3850 字 附件 C:譯文 指導教師簽字:用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架摘要:設計一個低預算的輕型摩托車車架具有卓越的動態(tài)和力學性能是一個復雜 的工程問題。這種復雜性部分是由于存在多個設計目標——很大的構(gòu)造應力和剛 度,和用于評估目標的高計算成本的有限元模擬技術,以及對設計變量屬性的幾 何化(離散和連續(xù)) 。因此,本文提出一種基于真正
2、的聯(lián)合使用(有限元模擬技術) 和近似適應函數(shù)的評價基礎上的多目標進化算法中的神經(jīng)加速度方法。提出的這 種方法能加速接近由非支配車架設計組成的柏拉圖最佳解前緣。MOEA 使用了一種 復雜的遺傳型編碼離散和連續(xù)設計變量,并且根據(jù)變量的類型可運用一種遺傳算 法。結(jié)果表明,這種神經(jīng)加速 MOEAs NN-NSGA II 和 NN-MicroGA 在它們原有的版 本 NSGA II 和 MicroGA 上改進而來。因此,這種神經(jīng)加速方法
3、被證明是有效的, 且可應用于其他基于有限元分析的工程設計問題。 關鍵詞:多目標進化算法 有限元分析 神經(jīng)網(wǎng)絡 摩托車 工程設計 多目標優(yōu)化 有限元分析是一種計算機模擬技術,通常用于解決有幾個交互組件、復雜的 幾何結(jié)構(gòu)和在不同的物理現(xiàn)象影響下的一般系統(tǒng)中的工程設計問題。這些復雜的 系統(tǒng)沒有一種全面的擁有精確技術的物理分析方法解決,但可由一種系統(tǒng)化離散 方法即人們熟知的有限元方法解決(1993 雷迪) 。另一方面, ,進化算法(EA)是 一
4、種在自然進化的推動下產(chǎn)生的隨機搜索程序, 用于解決復雜的優(yōu)化問題。 EAs 的 工作方式是,在較適合的方法有更好的被改進和保留的選擇過程中選擇一個個體(解決方案)(Michalewicz1996) 。由于 FE 和 EA 是計算機密集技術,不斷提高的 計算能力和這兩個技術的成熟,使得它們的聯(lián)合使用以提高工程設計成為可能。 例如,沃克和史密斯(2003 年)聯(lián)合使用 FE 和 EA 來減小增強型纖維結(jié)構(gòu)的加權(quán) 總和的質(zhì)量。同樣,安培等
5、人(2004 年)用 FE 和 EA 對輪胎結(jié)構(gòu)進行優(yōu)化。最近, 吉格和阿曼尼(2005 年)應用 FE 和 EA 減少大量的復合纖維增強塑料受到的強度 和剛性約束。值得注意的是,這些應用已經(jīng)被當做單一目標優(yōu)化問題或聚合多目 標問題來處理。 各種車架結(jié)構(gòu)優(yōu)化的相關研究已經(jīng)進行了好幾年。研究一個類似摩托車車架C1本科學生畢業(yè)設計(論文)附件 附件 C:譯文化過程中應該包括哪些設計變量。這些確定的屬性包括:軸距,1500mm;座椅高度,64
6、0mm;前角,36°;和車架材料,碳鋼。關于摩托車動力性能的有價值的介 紹,讀者可以參考福萊(2002) 。 為了保持車架幾何結(jié)構(gòu)的靈活性,同時提供范圍寬廣的可行性設計,設計變 量主要遵循卡爾德隆的準則(2004 年) 。其中,一共有 22 個參數(shù)需要確定和劃分,包括連續(xù)變量——角度,圓角,長度,和各車架部分的相對位置,和被當做離散 變量處理的車架部件本身。對于后者,由于定制的幾何體高昂的成本,本研究使用標準化和商用的管
7、道和鋼板(阿瓦洛和鮑邁斯特,1997 年) 。 因此,選擇了八種規(guī)格的管道作為車架的七個不同部位(見圖 1) ,而選擇八 種鋼板厚度(6,8,10,12,16,20,25,和 30mm)作為另外四個部位。應該指 出的是,管道分類是根據(jù)他們的外徑和附表(該管道的標準壁厚尺寸) (見圖 2) 。 由于這些離散變量可以按照不同的標準(例如:質(zhì)量,長度,第一慣性矩,極慣 性矩)進行分類,每種分類標準可以定義不同的鄰
8、域。此外,可行值之間的間距 不好平均分配。例如,6mm 的鋼板與 8mm 的鋼板之間的間距比 25mm 的鋼板與 30mm 的鋼板之間的間距要小。雖然絕對的排序可能不存在,但重要的是變量的范圍反 映了某些相近的屬性。根據(jù)這一原則,對目標管道的建模問題就可以根據(jù)它們的 第一慣性矩進行索引,而鋼板可以根據(jù)其質(zhì)量進行索引。在這兩種情況下,可行 值可以由一列整數(shù)代表。連續(xù)變量的編碼是直接的,它們的邊界代表可行域(即, 一個實數(shù)區(qū)間) 。 圖 1
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)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 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)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(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確性、安全性和完整性, 同時也不承擔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
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架(譯文).docx
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架(譯文).docx
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架(英文)
- 用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架[外文翻譯].pdf
- 用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架[外文翻譯].pdf
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架(英文).pdf
- 外文翻譯---用多目標進化算法中的神經(jīng)加速度方法設計一種摩托車車架(英文).pdf
- 外文文獻翻譯—一種踏板摩托車車架
- 摩托車車架
- 摩托車車架
- 摩托車車架結(jié)構(gòu)優(yōu)化設計.pdf
- 摩托車車架結(jié)構(gòu)優(yōu)化.pdf
- 摩托車車架動態(tài)特性分析.pdf
- 摩托車車架焊接變形的控制.pdf
- 摩托車車架沖壓件模具設計
- 摩托車車架結(jié)構(gòu)動力優(yōu)化設計研究.pdf
- 摩托車車架設計技術研究.pdf
- 摩托車車架的強度計算分析.pdf
評論
0/150
提交評論