欢迎来到天天文库
浏览记录
ID:32449358
大小:256.96 KB
页数:4页
时间:2019-02-05
《对采用nsga-ⅱ算法的管件液压成形加载路径优化》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库。
1、学兔兔www.xuetutu.com汽车工程2011年(第33卷)第4期AutomotiveEngineering2011(Vo1.33)No.420l1075采用NSGA—II算法的管件液压成形加载路径优化水郑再象,陈靖芯,沈辉,李红(扬州大学机械工程学院,扬州225000)[摘要]提出了一种将精英保留非劣排序遗传算法(NSGA—II)与动态显式有限元软件LS—DYNA集成起来对管件液压成形加载路径进行优化的新方法。并应用该方法对某汽车仪表板梁液压成形中的加载路径进行了优化。结果表明,采用该方法获得了良好的效果。另外,该方法一次运算可同时获取多个Pareto最优解,为加
2、载路径的确定提供了更多的选择。关键词:管件液压成形;加载路径;NSGA-H;优化OptimizationoftheLoadingPathforTubeHydroformingbyUsingNSGA一11AlgorithmZhengZaixiang,ChenJingxin,ShenHui&LiHongSchoolofMechanicalEngineering,YangzhouUniversity,Yangzhou225000[Abstract]Anewoptimizationschemeofloadingpathsfortubehydroforming(THF),which
3、integratesdy·namicexplicitFEAcodeLS—DYNAwithelitistnon—dominatedsortinggeneticalgorithm(NSGA—II),isproposedandappliedtotheloadingpathoptimizationforthehydroformingofaninstrumentpanelbeam.Theresuhsshowthatbyusingtheschemeproposed,goodresultsareachieved,andinaddition,severalParetosolutionsc
4、anbeobtainedinoneoperation,SOprovidingmorechoicesforthedeterminationofloadingpathsinTHF.Keywords:tubehydroforming;loadingpath;NSGA-H;optimization等优化算法,利用计算机实现自动寻优,完成了加载月lJ舀路径的优化,取得了较好的效果。文中以仪表板梁液压成形为例,将基于精英保留非劣排序遗传算法在管件液压成形过程中,加载路径(内压力和轴(NSGA—II)与液压成形数值模拟技术集成,实现了加向进给与时间的关系曲线)对成形结果具有重要影载路径
5、的自动优化。响。当内压上升过快而补料不足时,管坯过分拉薄甚至开裂;反之,当内压上升太慢而补料过快时,管1加载路径优化建模坯出现起皱、屈曲、折叠等缺陷。因此,寻找最优加载路径对保证管坯顺利成形至关重要。1.1选择优化方法寻找最优加载路径的常用方法有:解析法、试验NSGA—II是一种基于快速分类的、采用精英保法和数值模拟法。解析法对中等复杂程度以上的成留策略的多目标遗传算法。先随机生成具有Ⅳ个个形件须做较多的简化,难以获得满意的结果;试验法体的父代种群Pn,并对其进行快速非劣排序,将序需要消耗大量的人力物力,成本高;数值模拟法虽然号作为个体的适应度值。然后,根据适应度值采用能
6、克服上述缺点,但须借助丰富经验进行合理的仿锦标赛方法进行选择、重组和变异操作生成个体数真方案设计及大量的仿真分析工作。为此,文献目同样为Ⅳ的子代种群Q。。合并父代和子代种群,[1]和文献[2]在数值模拟过程中引进梯度、响应面生成一个规模为2N的种群R。最后,对进行快科技部创新基金(07C26143201357)资助。原稿收到日期为2010年6月22日,修改稿收到日期为2010年8月27日。学兔兔www.xuetutu.com·366·汽车工程2011年(第33卷)第4期速非劣排序,利用精英保留策略构造新一轮进化的父代种群P,并重复循环。算法流程如下:R=P。uQF=fas
7、t—non-dominated—sort(R)P⋯=咖andi=1UntilIP⋯I+lFl≤ⅣCrowding—distance—dominated—sort(FE)P=PU0l2345时间/msi=i+1Sort(Fi,<)图1压力控制点P⋯=P⋯u[1:(N—lP⋯I)]QI+l=make—new-pop(P+1)t=t+1该算法将父代个体与子代个体放在一起进行比较择优,可避免丢失进化过程中取得的最优解。同时一次运行还可获得多个pareto最优解,为目标函数提供了更大的选择范围。另外,该算法具有全局优化的特点以及高度的鲁
此文档下载收益归作者所有