以门式液压吊装系统中的主要承重核心——液压爬升机构为研究对象,针对液压爬升机构在承重4.10 MN后,出现不同程度的应力、形变以及几何结构质量较大的问题,在保证结构满足强度要求的情况下,利用SolidWorks软件进行三维建模,并结合ANSYS软件搭建仿真分析平台。以楔块、锚块的角度与楔块、锚块、方钢的厚度为设计变量,以液压爬升机构的最大应力、最大变形和质量为响应,基于响应面利用MOGA(多目标遗传)优化算法,对液压爬升机构进行多目标优化设计。结果表明优化后的液压爬升机构最大应力降低了26.47%,最大变形降低了26.26%,几何结构质量降低了2.05%。优化后既实现了液压爬升机构的轻量化,又能显著提高液压爬升机构的综合性能,能够快速有效获得液压爬升机构多目标优化的最优解。

针对双铰接剪式升降平台展开研究,首先理论分析推导出升降机构中的液压缸推力及升降平台起升速度的函数关系,采用控制变量法分析各参数变化对液压缸推力及升降平台起升速度的影响,确定液压缸最大推力及升降平台最大起升速度产生的位置及关键影响参数。以液压缸最大推力及升降平台最大起升速度为优化目标,利用多目标遗传算法得到液压缸铰接优化位置,为剪式升降平台的设计及液压缸位置布置提供理论依据,具有一定的实际研究意义和工程使用价值。

针对六轴串联机械臂结构强度问题,提出了一种基于多目标遗传算法(MOGA)的机械臂尺寸参数优化方法。对机械臂关键部件进行了静力学分析,得到了关键部件的应力和变形云图,基于静力学分析结果对关键部件的尺寸参数进行了优化。由优化结果得到了各输入参数与输出参数之间的响应曲面及敏感度,明确了各输入参数与输出参数之间的关系。运用多目标遗传算法进行求解计算,得到了一组可以达到预期目标的最优设计点。分析结果表明,优化后的机械臂其形变量与最大应力均有所下降,验证了多目标遗传算法参数优化方法的有效性。

采用Solidworks软件建立了ADZ170-03型自动换料车床电主轴参数化有限元模型,在主轴静力学分析和模态分析的基础上,运用有限元软件ANSYS Workbench优化设计功能,以优化主轴的最大变形量和质量为目标,将电主轴跨距、悬伸量和电机转子安装位置作为设计变量,电主轴变形量和质量为响应,基于响应面法利用MOGA(多目标遗传)优化算法对电主轴结构进行优化。结果表明自动换料车床电主轴的结构合理、且能满足其正常工作要求。优化前后结果对比发现,优化后的车床主轴径向位移由18.148μm减少至16.662μm,静刚度由192.86N/μm提高至210.06N/μm,一阶固有频率由604.39 Hz提高至610.29 Hz,车床主轴整体长度由621.34mm减少至605.94mm,从而使车床主轴生产成本得以控制。通过对自动换料车床电主轴优化设计,在提高主轴静动性能的前提下,减轻了电主轴质量,为自动换料车床电主轴的轻量化...

针对双高双立柱式堆垛机结构设计时存在的结构非线性与设计参数响应值之间复杂的隐式关系。采用三维参数化建模和最佳填充样本空间(OSF)进行试验设计,利用Kriging模型建立双高双立柱式堆垛机设计参数和最大应力、最大位移和质量之间的映射关系,通过精英保留策略快速非支配排序多目标遗传算法(NSGA-Ⅱ),实现堆垛机结构尺寸、箱型梁壁厚的最佳寻优化方案,以满足强度、刚度、稳定性和优化设计目标。结果表明,采用该方法能够有效提高双高双立柱式堆垛机的静态结构优化设计精度和效率。

针对舰船操舵过程中舵叶与水动力之间存在强力位耦合的问题,本文设计出一种新型复式液压摆动缸转舵机构,该机构由内外两层转子组成,内层转子控制舵叶转角,外层转子进行力矩解耦。为减小复式液压摆动缸的质量和体积,本文提出一种基于协同进化的多目标遗传算法,算法包含两类种群,一类用于进化决策解,并评价罚因子,另一类用于调整罚因子,并指导第一类种群进化,两类种群通过信息交换,来指导自身的搜索,从而使整个系统协同进化,以此求解复式液压摆动缸各几何参数的数值,直至获得满意解。最后,将该算法得到的参数数据,在三维软件中完成建模,并利用有限元软件进行应力应变分析。结果表明,相较于传统遗传算法,协同进化多目标遗传算法得到的复式液压摆动缸的质量减少了约25.5%,其得到的几何参数数据更为合理。

针对人机交互仿生机械手模仿人类行为的识别误差和能量消耗等问题,提出一种基于种群随机化的多目标遗传优化算法。该算法同时考虑人机交互机械手姿态识别优化中的终端误差、轨迹误差和能耗的影响,采用基于并行选择的种群随机化方法,将每一代中自适应性最优的个体遗传给下一代种群,实现自适应性和定位功能。为验证所提算法的有效性,通过六自由度机械手进行交互实验。结果表明:所提出的方法不仅可以降低能耗,而且在保证追踪机械手臂跟踪效

针对某型号燃油泵，采用CFD方法对其内部流场进行研究。运用SST κ-ε计算模型和多重参考系技术，引人多目标遗传算法作为优化算法，并结合自适应权重方法，以出口流量和容积效率作为优化目标，对燃油泵叶轮的结构参数进行优化，解决了在优化迭代过程中单个优化目标出现负优化的现象。在设定的工况下，对比改进的优化方法的出口流量和容积效率，得知优化后的出口流量提升了3．90％，容积效率提高了0．53％。此种研究方法为汽车燃油泵的结构优化设计提供了较为合适的参考解决方案。

针对国内已有的CTS系统堵塞度大、俯仰偏航角度小（精度低）的问题,设计了一种新型的CTS机构。首先对CTS系统的整体结构设计和运动原理进行了介绍。然后对俯仰机构的设计方案进行选择,在此基础上完成了转动框架的外形设计。最后基于多目标遗传算法理论和参数化建模技术,对转动框架进行了优化设计,优化后转动框架质量减小、堵塞度减小。结果表明,多目标遗传算法能通过计算在可行域内快速求出转动框架优化设计的最优解集,优化效率高、效果好,对CTS机构的进一步研发具有理论价值和工程意义,此种方法也为以后类似的结构设计和优化提供了参考。

Stewart平台的运动学解算是指对驱动杆杆长与动平台位姿的对应关系的求解。其运动学逆解只需根据空间坐标变换求得,而运动学正解需要对12个非线性方程进行解算。普通的数值解算方法迭代步数多,求解精度低。为解决Stewart平台运动学正解的解算问题,将pareto最优化理论引入遗传算法,提出一种基于多目标遗传算法(NSGA-Ⅱ)和最小二乘理论结合的算法。利用算法生成上平台姿态,利用反解解算出姿态对应的杆长,与已知杆长进行最小二乘拟合分析,当拟合度极高时认为此时的位姿即为运动学正解结果。此算法将上平台姿态的6个参数求解转化成多目标最优化问题,其只需迭代102次左右便能输出最优解,单次结果输出用时在1 min以内,且求解的均方根值误差不超过0. 1。是一种求解速度快、精度高的可行的运动学正解解算方法。