利用遗传算法进行机械优化

【工程技术研究与应用】主持:李艳利用遗传算法进行机械优化冯锦春1　杨林建1①(1.四川工程职业技术学院,四川德阳618000)[摘　要]　本文简单介绍了遗传算法的原理和运算过程,讨论了遗传算法在机械优化方面的应用,并用实例加以说明,总结了它的特点和应用前景。[关键词]　遗传算法;机械;优化中图分类号:TH123 文献标识码:A 文章编号:CKN字07-005(2007)06-0072-02TheUseofGeneticAlgorithminMachineryOptimizationFengJinchun1　YangLinjian2(1.SichuanEngineeringTechnicalCollege,DeyangSichuan618000,China)Abstract:Thispapersimplyintroducesageneticalgorithmtheoryandcomputationprocess,discussesthege2neticalgorithmintheapplicationofmechanicaloptimization,usingexamplestoillustrate.Itsumsupthecharac2teristicsandapplicationprospects.Keywords:Geneticalgorithms;mechanicalengineering;optimization 遗传算法模拟了自然选择和遗传中发生的复制、交叉和变异等现象,从任一初始种群(population)出发,通过随机选择、交叉和变异操作,产生一群更适应环境的个体,使群体进化到搜索空间中越来越好的区域,这样一代一代地不断繁衍进化,最后收敛到一群最适应环境的个体(indi2vidual),求得问题的最优解。 1　遗传算法的原理和运算过程1.1　编码:解空间中的解数据x,作为遗传算法的表现型形式。遗传算法在进行搜索之前先将解空间的解数据表示成遗传串间的基因形串结构数据,这些串结构数据的不同组合就构成了不同的点。1.2　初始群体的生成:随机产生N个初始串结构数据。每个串结构数据称为一个个体,N个个体构成了一个群体。遗传算法以这N个串结构作为初始点开始迭代。设置进化代数计数器t←0;设置最大进化代数T;随机生成M个个体作为初始群体P(0)。1.3　适应度值评价检测:适应度函数表明个体或解的优劣性。对于不同的问题,适应度函数的定义方式不同。1.4　选择:将选择算子作用于群体。1.5　交叉:将交叉算子作用于群体。1.6　变异:将变异算子作用于群体。

图一　遗传算法的运算过程

272007年第6期 四川工程职业技术学院学报JOURNALOFSICHUANENGINEERINGTECHNICALCOLLEGE 2007年11月Nov.2007

①[收稿时间]2007-10-10[作者简介]冯锦春(1971-),女,四川工程职业技术学院副教授;研究方向:机械工程教学与研究。 群体P(t)经过选择、交叉、变异运算后得到下一代群体P(t+1)。1.7　终止条件判断:若t≤T,则t←t+l,转到步骤2;若,t>T,则以进化过程中所得到的具有最大适应度的个体作为最优解输出,终止运算。运算过程见图一。 2　遗传算法的优点与传统搜索算法相对比,遗传算法与更多的传统优化方法在本质上有着不同之处,主要表现在:2.1　遗传算法将参数搜索问题转化为参数空间编码的搜索问题;2.2　遗传算法从一组初始点,而不是从一个初始点,开始进行搜索;2.3　遗传算法只用到目标函数信息,而无需其导数信息或其他辅助信息;2.4　遗传算法采用随机变换规则,而不是确定性的规则,来指导搜索。由于上述这些搜索特点,遗传算法具有如下一些特别引人注目的优点:a.应用广泛性易于写出一个通用算法,求解不同类型的优化问题。b.非线性性大多数现行的优化算法都基于线性性、凸性、可微性等,但遗传算法没有这些假设。遗传算法只需要评价目标值的优劣,具有高度的非线性性。c.适应性若把原问题进行一些很小的改动,大多数现行的优化算法很可能完全不能使用或需要进行很大的修改,而遗传算法则需作很小的修改即可适应新的问题。d.并行性遗性算法隐含地对问题空间的许多解平面进行并行搜索,收敛速度快、稳定性强。因此,遗传算法适合不同类型、不同性质的问题的求解。 3　遗传算法在机械优化方面的应用 遗传算法用来与神经网络、模糊推理等相互渗透组合并丰富智能计算,它与进化规则和进化策略共同结合,完善进化计算框架。在机械优化方面,遗传算法在以下几方面得到应用:3.1　总体方案设计方面机械现代设计目标要求为功能-质量-成本的系统化,它包括方案选择、材料选择、结构优化、工艺规划、可靠性分析及成本分析等众多因素与综合知识,将遗传算法与CAD技术结合解决系统的优化问题。3.2　系列化标准件选取方面应用遗传算法的组合优化来解决机械系统中多种系列化标准的组合选取问题。通常主要靠经验的选取,用这类组合优化来解决,使组合系列化,选取更科学化。3.3　反求工程方面若要建立原设计产品的数学模型,因一些设计参数和工艺参数往往不易确定,可用遗传算法和计算机仿真技术,把这些参数作为参变量进行编码,在使原设计产品的性能和数学模型的仿真性能之间差异最小的目标下,获得最符合原设计的设计与工艺参数。与此同时,利用遗传算法的优化设计将所建立的原设计的数学模型改进,从而改进原产品设计。3.4　可靠性分析方面为了使机械系统获得最高可靠性,可以用遗传算法进行系统可靠度分配;在机械维修期望损失最小的前提下,用遗传算法确定机械系统最优维修策略;在原始统计数据基础上,把失效分布模型及其参数作为参变量进行编码,可用遗传算法建立更符合实际的失效分布模型。3.5　节能设计方面对于汽车、机床等设备的电机类型、电气控制参数、机械传动方案与参数等,以这些参数为参变量编码,把能耗降低到最小目标,在满足功能要求的约束下,利用遗传优化算法进行节能设计,使设备达到最佳效果。3.6　FMS(柔性制造系统)调度方面使待加工的零件在FMS系统的制造时间最短,将该零件加工次序进行编码,用遗传优化运算实现最短时间加工;针对一个需多工序加工的零件,为确定每道工序所合理分配设备,对每道工序分配设备号编码,在各台设备的负荷可能相等的前提下,用遗传算法实现机床设备的最优分配。3.7　数控加工误差自适应预报控制方面在获得误差实时检测(或序后测量)数据后,对误差模型结构和参数进行编码,用遗传算法建立最优的误差模型。再根据误差预报的误差修改数控加工次程序,实现加工误差和自适应控制。此外,最近几年中在机械工程领域开展的应用还有很多,例如,遗传算法在机械结构优化设计、机械零件优化、刀具优化设计和切削参数优化、设计与加工误差优化、机器人路径优化、模糊逻辑控制器、复合材料优化、故障诊断、金属成形优化及参数辩识等方面也获得广泛的应用。 4　应用实例紧固螺栓的优化设计:用衬垫密封的压力容器同盖之间的联接属于紧固螺栓联接。已知E=H=15mm,D0=200mm,压力容器中压力的大小为p=12174MPa,要求选择紧固螺栓尺寸和个数,使其成本最低。该优化问题的数学模型为:minF(x)=x(010202x-01148)g1(X)=631858x21x2-111×1202π×12174/4Ε0g2(X)=200π/x2-5x1Ε0g3(X)=10x1-200π/x2Ε0h(X)=x2-2K=0

图二　紧固螺栓示意图(下转第82页)37【工程技术研究与应用】主持:李艳 冯锦春、杨林建:利用遗传算法进行机械优化员众多,所用原料、辅料种类多、来源广,而且难以保证质量。和大多铸造缺陷出现原因类似,孕育灰铸铁白口缺陷的形成根源也可归结为过程失控,操作失误和原、辅材料差错三方面。本文归纳为铁水质量、冷却条件和其它三种。西南某铸造厂在铸件生产中出现白口缺陷后,积极应对,并通过采取以上介绍的相应解决措施,进行持续改进,有效地解决了组织出现白口而铸件硬度大的缺陷,从而提高了产品质量和经济效益。[参考文献][1]中国机械工程学会铸造分会.铸铁[M]//铸造手册(第一卷).北京:机械工业出版社,2003:205-236.[2]陈国桢,肖柯则,姜不居.铸件缺陷和对策手册[M].北京:机械工业出版社,1996:326.[3]中国机械工程学会铸造分会.铸造工艺[M]//铸造手册(第五卷).北京:机械工业出版社,2003:822.[4]XueJier.etal.DistributedMorphologyofSulphurandSulphideinGreyCastIronandEffectsonGraphiteCrystallizationMicrostruc2tureandMechanicalPhysicalProceedingoftheInternationalSym2posiumonNewDevelopmentofCastAlloyTechnology[A].April.1988,14-18.[5]中国农机院工艺所,第一拖拉机厂.不同碳当量条件下Si/C变化对灰铸铁性能和组织的影响[J].铸造,1989,(2):1-5.[6]东北工学院等.铸铁及其熔化[M].北京:冶金工艺出版社,1978.(上接第73页)对本例的优化问题,可对适应度函数进行改造,在目标函数中加上一个反映是否位于约束集内的惩罚项,使得算法在惩罚项的作用下尽快找到问题的最优解。则其适应度函数为F(X)=x2(010202x1-01148)+r∑3i=1g2i(x)其中,r取215。用遗传算法进行搜索时,主要参数取为:群体大小15,大突变变异概率和两点逆转变异概率015、012,最大运行代数为30。变量取值范围为D∈[10,20],N∈[1,15]。迭代到第30代时最优解为D=17,N=6,参照35号钢,采用正火处理的螺栓许用载荷取整为D=18,N=6。达到设计要求。本例简单介绍了一个将遗传算法应用于机械优化中的一个实例,由此可见:(1)遗传算法的使用方便,是一种高效的优化方法,且它为优化设计提供了一条新的技术途径。(2)改进的遗传算法具有快速收敛到最优解和算法稳定的优点。(3)对于机械工程中其它的一些优化问题,可针对具体问题进行不同的编码,并对约束进行不同的处理来解决问题。可见该算法在机械优化中的实用性和通用性及有效性。 5　总结遗传算法在理论上己经借鉴生物进化理论及遗传学机理形成了一套较为完整的算法体系,当然在实践上还有很多问题有待于进一步研究、探讨和完善。虽然遗传算法在机械优化应用中还有些问题有待解决,但由于自身算法具备的优点以及随着它的研究的进一步深入和完善,遗传算法在机械优化领域的应用将越来越广泛。[参考文献][1]梁尚明,殷国富.现代机械优化设计方法[M].北京:化学工业出版社,2005.[2]陈立周.机械优化设计方法[M].北京:冶金工业出版社,2005,(3).[3]陈伦军等.机械优化设计遗传算法[M].北京:机械工业出版社,2006,(1).

28【工程技术研究与应用】主持:李艳 朱志兵、傅骏、刘江:孕育铸铁组织出现白口缺陷原因及解决措施