本科毕业设计外文翻译外文译文题目：桥式起重机的智能优化方法
Intelligent Optimization Methods for the Design of an Overhead
Travelling Crane
QU Xiaogang, XU Gening, FAN Xiaoning, and BI Xiaoheng
Chinese Journal Of Mechanical Engineering,2015,Vol.28(No.1)
桥式起重机设计的智能优化方法
摘要：在起重机金属结构设计优化中，目前的方法是基于简单的模型和混合变量，很难应用到实际中，因为四舍五入通常会导致优化结果失败。起重机金属结构优化设（CMSOD）属于有离散变量的约束性非线性优化问题。一种新算法，基于突变局部搜索的蚁群算法（ACAM）被开发，并且第一次用于实际中的CMSOD。在这个算法模型中，介绍了连续数组元素的编码方式。不仅避免了在混合变量优化中圆整设计变量，而且有利于构建启发式信息，以及存储和更新蚁群信息素。提出的基于突变局部搜索的蚁群算法（ACAM），遗传算法（GA）和粒子群优化（PSO）用于优化起重机的金属结构。优化结果表明，ACAM 的收敛速度大约为GA的20%和PSO的11%。ACAM给定的目标函数值比实际设计值少22.3%，比GA减少了16.42%，比PSO减少了3.27%。先进的ACAM是一种用于CMSOD 的有效智能方法并优于其他方法。
关键词：起重机金属结构，设计优化，连续数组元素编码方式，蚁群优化，粒子群优化，遗传算法
1 引言
起重机作为搬运和运输物料的工具，用于现代生产中的各个领域承担繁重的装卸任务：起重机在工厂、铁路、港口等装卸机械任务中起关键作用。金属结构主要由型钢和钢板组成，根据某些结构组织规则焊接。起重机金属结构（CMSs），又称桥吊，承受和传递起重机的负荷和自重，是机械骨架和起重机的主要组成部分。他们的设计质量直接影响技术经济效益和起重机的安全性。
一般来说，起重机金属结构需要大量的钢，因此重量相当大。它的成本超过总成本的三分之一，因此，在满足实用设计准则的条件下，提高CMS的性能，节省材料，减少重量在节约成本方面具有重要意义。随着材料成本的增加和起重机承担重型任务的需求增长，起重机金属结构优化设计（CMSOD）变得日益重要。然而, 在实际中，很少有人注意到起重机的优化设计，由于大多数的起重机制造商将多种跨度和桥吊标准化为单维箱形截面，以实现制造简单化。
虽然一些学者一直在研究此问题，基本上他们的工作是基于简单的模型。目前所采用的方法包括：随机方向方法，有限元法，人工神经网络，遗传算法等。PINCA方法，分析受力状态和结构形变，使用COSMOS有限元法优化桥式起重机主梁大小。LAGAROS 方法，为结构响应提出一种基于可预测方案的神经网络，要求评估优化过程中每个预选设计的质量。所提出的方法应用到桥式起重机结构，通过选择不同的有限元分析分析方法对一个固定的离散量和有固态梁和固态表面元素的混合离散量进行相应的模拟。PANG 方法，将起重机主梁优化设计归为混合型离散变量优化问题。一种改进的人工免疫遗传算法提出并用于桥式起重机主梁的可靠性优化设计。MIJAILOVIĆ方法，利用拉格朗日乘子讨论塔式起重机截面优化问题。结构总质量为目标函数，应力极限为约束函数。JÁRMAI
开发了一个决策支持系统（DSS）运行在个人计算机上为了桥式起重机钢结构的经济设计。文献[6]，起重机梁组合截面优化研究了数学优化算法的辅助作用，比如使用一个对称的焊接工字形截面和钢筋轧制截面。
起重机金属结构定期从事重型工作：在复杂工况下必须有足够的强度、刚度和稳定性。它的设计计算包括空间结构的一个典型的超静定问题。因此，它的计算模型和设计计算复杂。此外，在实际设计和生产，结构尺寸通常为毫米的整数和钢板的厚度是特定的，因此CMSOD应符合带有离散变量的约束非线性优化的要求，这离散变量是NP-难的问题，而不是混合变量优化。对于这种类型的问题，采用经典优化方法（如数学归纳方法）既不存在解，甚至不存在解决方案，他们将耗费大量优化时间。此外，他们需要梯度信息，然而，一个复杂的计算模型使微分运算困难或导数不存在因此不能计算。相反地,智能优化方法，如遗传算法、蚁群算法、粒子群算法等，不需要梯度信息，在可接受的时间内得到满意解或接近最优解。到目前为止，已经成功地应用到各种优化问题，并逐渐成为最有力的工具求解NP-难优化问题，吸引了全世界研究人员的大量关注。
蚁群优化（ACO）是DORIGO等人1991发明的，他们受到现实生活中蚂蚁觅食行为的启发，个体蚂蚁在从它们的巢移动到食物来源的路径上存储的物质称为为信息素，反之亦然。由此，信息素线索是通过个体蚂蚁选择路径形成的。具有更多信息素的路径将更有可能由其他蚂蚁选择，并进一步放大当前信息素的线索，这形成了积极的反馈过程。由于蚂蚁的行为，经过一段时间，从巢到食物源的最短路径将形成。
第一个ACO算法，称为蚂蚁系统（AS），用于求解TSP问题。由于蚁群优化的搜索相似性基于一个解决层次的元素，所以蚁群算法的搜索效率要高得多。因此，由于引入AS，ACO已广泛应用于许多领域，包括结构优化，并在其他各种应用中显示出很好的结果。然而，这种方法尚未在CMSOD使用，因为CMSOD长期归类为混合离散变量优化，导致优化设计变量的结果必须圆整。但是即使在可行范围内圆整的设计变量仍需验证。当遗传算法在CMSOD使用，存在操作复杂和总收敛速度低的缺点。由于人工神经网络的构造的复杂性及其结果的不稳定性，更多研究仍然需要应用和扩展它们的使用。有限元分析方法使建模复杂并导致高计算成本。鉴于这些原因，本文首次基于起重机金属结构，提出了一种基于突变局部搜索的蚁群算法（ACAM），为桥式起重机金属结构的最优设计（OTCMS）。OTCMS由离散设计变量和对算法的性能将其结果与其他优化技术相比较进行评估组成。
本文的其余部分安排如下。第2部分陈述OTCMS的优化问题及其公式。第3部分构建ACAM的优化设计和介绍优化过程。随后的ACAM应用在实际优化测试案例中，其数值结果和讨论方法在第4部分介绍。最后，第5部分得出结论。
2 桥式起重机金属结构优化问题阐述
起重机用来移动负载并不干扰地面活动。此次研究，一种典型的桥式起重机金属结
