机械优化设计讲义-刘长毅

机械优化设计讲义-刘长毅

ID:19255021

大小:2.84 MB

页数:24页

时间:2018-09-22

机械优化设计讲义-刘长毅_第1页
机械优化设计讲义-刘长毅_第2页
机械优化设计讲义-刘长毅_第3页
机械优化设计讲义-刘长毅_第4页
机械优化设计讲义-刘长毅_第5页
资源描述:

《机械优化设计讲义-刘长毅》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、《机械优化设计》讲义刘长毅第一讲第一课时:机械优化设计概论课程的研究对象:根据最优化原理和方法,利用计算机为计算工具,寻求最优设计参数的一种现代设计方法。目标:本课程目标体系可以分为三大块:理论基础、算法的分析、理解和掌握,算法的设计、实现(编程)能力的培养。将主要是对算法的学习为主,并兼顾培养一定的解决实际问题能力、上机编程调试能力。首先,几个概念:优化(或最优化原理、方法)、优化设计、机械(工程)优化设计。现代的优化方法,研究某些数学上定义的问题的,利用计算机为计算工具的最优解。优化理论本身是一种应用性很强的学科,而工程优化设计(特别是机械优化设计)由于采用计算机作为

2、工具解决工程中的优化问题,可以归入计算机辅助设计(CAD)的研究范畴。再,优化方法的发展:源头是数学的极值问题,但不是简单的极值问题,计算机算法和运算的引入是关键。从理论与实践的关系方面,符合实践-理论-实践的过程。优化原理和方法的理论基础归根结底还是来源于实际生产生活当中,特别是工程、管理领域对最优方案的寻找,一旦发展为一种相对独立系统、成熟的理论基础,反过来可以指导工程、管理领域最优方案的寻找(理论本身也在实践应用中不断进步、完善)。解决优化设计问题的一般步骤:机械设计问题建立数学模型选择或设计算法编码调试计算结果的分析整理相关知识:数学方面:微积分、线性代数;计算机

3、方面:编程语言、计算方法;专业领域方面:机械原理、力学等知识内容:数学基础、一维到多维、无约束到有约束1.1数学模型24三个基本概念:设计变量、目标函数、约束条件设计变量:相对于设计常量(如材料的机械性能)在设计域中变量是否连续:连续变量、离散变量(齿轮的齿数,)。设计问题的维数,表征了设计的自由度。每个设计问题的方案(设计点)为设计空间中的一个对应的点。设计空间:二维(设计平面)、三维(设计空间)、更高维(超设计空间)。目标函数:设计变量的函数。单目标、多目标函数。等值面的概念:设计目标为常量时形成的曲面(等值线、等值面、超等值面)。几何意义:等值线(等值线的公共中心既

4、是无约束极小点)、等值面。约束条件:等式约束(约数个数小于设计问题的维数)不等式约束满足约束条件的设计点的集合构成可行域D:可行点、非可行点、边界设计点几何意义(二维):对于设计空间不满足不等式约束的部分,用阴影表示。数学模型的一般形式:寻找一个满足约束条件的设计点,使得目标函数值最小。标准形式:1.1优化问题的几何描述第二章数学基础和数值迭代法2.1函数的方向导数和梯度一、函数的方向导数二、函数的梯度24令为函数在X点的梯度,包含函数的一阶导数信息。即梯度方向是函数变化率最大的方向。2.2函数的泰勒展开与黑塞矩阵一、泰勒展开式其中黑塞(hessian)矩阵:包含函数的二

5、阶导数信息。2.3凸集、凸函数、凸规划一、凸集有,则D为凸集.24凸集的性质:1.若D为凸集,λ为实数,则λD仍为凸集。(凸集的实数积为凸集)2.若D、φ均为凸集,则二者的并集(和)为凸集。(凸集的和为凸集)3.若D、φ均为凸集,则二者的交集(积)为凸集。(凸集的积为凸集)二、凸函数En的子集D为凸集,f为D上的函数,恒有,则f为D上的凸函数。反之为凹函数。凸函数的性质:1.设f为D上的凸函数,λ为实数,则λf为D上的凸函数。2.设f1,f2为D上的凸函数,则f=f1+f2为D上的凸函数。3.若f在En一阶可微,则对,f为凸函数的充要条件:4.若f在En二阶可微,则对,f

6、为凸函数的充要条件:黑塞矩阵半正定(若正定,严格凸函数)。三、凸规划其中目标函数、不等式约束均为凸函数,则称该问题为凸规划。凸规划的性质:1.集合为凸集。2.可行域为凸集。3.任何局部最优解即为全域最优解。4.若目标函数可微,则最优解的充要条件:242.4无约束优化的极值条件1.一阶导数(梯度)为零。2.二阶导数(黑塞矩阵)正定(极小点),或负定(极大点)。2.5有约束优化的极值条件(Kuhn-Tucker条件)对优化问题库恩-塔克条件描述为,即约束极小点存在的必要条件是:目标函数在该点的梯度可表示为诸约束面梯度的线性组合的负值。从几何意义上来说,即约束极小点目标函数梯度

7、向量的反方向必须落在诸约束面所构成的锥角范围之内。对于凸规划问题,K-T条件是充要条件。只能作为验证条件,但到底是局部最优点还是全域最优点尚不能确定。2.6优化问题的数值迭代法1.迭代过程(k=0,1,2,…)迭代的基本思想:搜索、迭代、逼近。2.迭代终止条件:点距准则:函数值下降准则:梯度准则:第三章一维搜索的优化方法一维优化是多维优化的基础。包含两个步骤1.确定搜索区间(进退法)2.寻优(黄金分割法、二次差值法)3.1进退法——一维搜索区间的确定基本思想:对单峰函数(凸函数)f(x),只要找到可行域内三个点a

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。