基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计.pdf

《基于改进NSGA-Ⅱ算法的箱形伸缩臂多目标优化设计.pdf》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、基于改进NSGA—II算法的箱形伸缩臂多目标优化设计王卫辉刘涛袁仁武鹿飞第二炮兵工程大学西安710025摘要：从初始群体产生及交叉算子两个方面对带精英策略的快速非支配排序遗传算法(NSGA一1I)进行改进，对伸缩臂进行应力及挠度变形分析，得出应力及应变云图，以确保伸缩臂强度、刚度满足要求。以伸缩臂截面几何参数为设计变量，伸缩臂稳定性及自重为优化目标，利用iSIGHT软件将改进的NSGA一Ⅱ算法与An—sys有限元分析集成，以QY20汽车起重机伸缩臂为例，对起重机箱形伸缩臂进行多目标优化设计，得出Pareto前沿

2、解，并与优化前的截面参数进行对比，验证了该算法的可行性。关键词：汽车起重机；遗传算法；伸缩臂；多目标优化中图分类号：TH213．6文献标识码：A文章编号：1001—0785(2014)11—0005—05Abstract：Therapidnon—donfinatedsortinggeneticalgorithm(NSGA—U)withelitiststrategyisimprovedintheas—pectsofgenerationofinitialpopulationandcrossoveroperator．

3、Thestressanddeflectiondeformationanalysisisperformedforthetelescopicboomtogetthestressandstraincloudpicture，inordertoguaranteethetelescopicboommeetsthestrengthandrigidityrequirements．Withthegeometricalparametersoftelescopicboomcross—sectionasthedesignvariabl

4、e，itsstabilityandself-weightasoptimalobjective，theimprovedNSGA一1algorithmisintegratedwithAnsysfiniteelementa—nalysisbyiSIGHTsoftware．WiththeteleseopicboomofQY20truckcraneasanexample，themulti—taNetoptimaldesignisperformedforbox—typetelescopicboomofthecrane，to

5、getParetoleading—edgesolutionwhichiscomparedwiththecross—sectionparaineterbeforeoptimization，provingfeasibilityofthealgorithm．Keywords：truckcrane；geneticalgorithm；telescopicboom；multi—targetoptimization能够找到多目标优化问题收敛最优解的有效方0引言法。但存在过早收敛及种群数目过大的缺点，伸缩臂结构是轮式起重机中至

6、关重要的部件，使运算复杂，非劣解数目较大。本文从两方面对其质量一般占整机质量的13％～20％_】J，其设计是其进行改进。否合理将直接影响起重机的工作性能，因此，合理1)改进初始群体的产生地设计满足强度、刚度、稳定性要求而质量又轻的传统的NSGA一11算法是以随机方式产生初始伸缩臂对于起重机性能的提高有十分重要的意义。种群，不能在全局解空间进行搜索，易出现早熟现象。本文将均匀思想引入遗传算法J，可在解本文将遗传算法与Ansys有限元分析软件相结空间产生均匀分布的初始群体，有助于遗传算法合对起重臂进行多目标优化设计

7、过程进行了探讨。在整个解空间的搜索。建立了以伸缩臂截面几何参数为设计变量、伸缩2)改进交叉算子臂稳定性应力及伸缩臂自重为优化目标的多目标标准的NSGA—II算法采用SBX交叉算子，其优化模型，应用改进的遗传算法NSGA—II求解，全局搜索性能较弱，因此，采用算术交叉算子代提供了一种可行的伸缩臂优化设计方法。替SBX算子。算术交叉算子结合了种群Pareto非1改进的遗传算法及其优化的实现支配排序级别信息。fIAr—aBnk．raBnkrank，A．ran≠以1．1改进的遗传算法+．’’⋯⋯⋯”．带有精英策略的非支

8、配排序遗传算法(NSGA1【Ad，口凡：．ran—ist+B．dist’⋯⋯⋯一。⋯II)是由Deb等人于2000年提出的，它是一种．《起重运输机械》2014(11)——<——式中：A．rank和B．rank代表个体A、B的非重机结构重力作为优化目标函数之一，即支配排序赋值，A．dist和B．dist代表个体A、B的minG=∑pv=1．25pg∑AiL拥挤距离。在算法的前期，较优个体