CN106777616A - 一种高速水稻钵苗插秧机移箱机构多学科优化设计方法 - Google Patents

Abstract

本发明公开了一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，该方法建立了高速水稻钵苗插秧机移箱机构的参数化模型，通过DOE设计方法采用优拉丁超立方设计进行灵敏度分析，得出设计参数与输出参数的相关性r相关性以及各学科目标输出响应用于构建响应面模型，基于协同优化方法，集成SolidWorks、ANSYS Workbench、Adams软件模块，实现数据循环交换，采用多岛遗传算法和序列二次规划算法组合的混合算法，完成钵苗移箱机构的建模、仿真、优化的智能高效运算，最终得到一种具有最优综合性能的高速水稻钵苗插秧机移箱机构，可在减轻移箱机构质量的同时，满足钵苗栽插过程平稳性、精准性的工作要求。

Description

一种高速水稻钵苗插秧机移箱机构多学科优化设计方法

技术领域：

本发明属于农业机械设计领域，涉及一种结构全局优化设计方法，主要涉及一种高速水稻钵苗插秧机移箱机构多学科优化设计方法。

背景技术：

高速水稻钵苗插秧机移箱机构是一种多目标、强耦合、非线性、模糊性问题。通过螺旋轴与转子和滑套之间的相互配合，将螺旋轴的旋转运动转化成轴向的左右往复运动，涉及的学科、变量、目标繁多，传统的优化设计方法难以满足总体设计的要求，多个学科或全系统的一体化设计优化的需求越来越迫切。随着多学科优化方法以及功能强大的计算机软件集成平台ISIGHT的发展，特别是在船舶、航天飞行器、汽车、电子设计领域的优秀表现，农业机械工程设计领域也开始逐渐借鉴这种全局高效的优化方法。为有效提高计算效率、节省各个学科精确分析时的计算开销，寻求系统的最优方案，采用多学科设计优化方法对移箱机构进行设计优化十分有必要。多学科设计优化方法将移箱机构各变量、目标有效地组织起来，实现学科之间的关联、通讯和解耦，可以在降低质量的前提下提高移箱机构平稳性和精准性能。

发明内容：

本发明目的就是为了为了解决高速水稻钵苗插秧机移箱机构传统优化方法难以找到全局最优解、设计周期长、产品设计成本高的缺点，提供一种高速水稻钵苗插秧机移箱机构多学科优化设计方法。

本发明是通过以下技术方案实现的：

一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，其特征在于：

利用ISIGHT多学科优化设计平台，根据试验设计方法，采用最优拉丁超立方设计进行灵敏度分析，得出设计参数与各学科优化目标的相关性以及对应的目标输出响应，选择相关性高的设计参数作为设计变量，选用空间局部Kr iging插值法，将得出设计变量与各学科目标输出响应，构建近似代理模型来逼近实验数据，采用协同优化方法，集成SolidWorks、ANSYS Workbench、Adams软件模块，实现数据循环交换，完成钵苗移箱机构的建模、仿真和优化的智能高效运算，得到最佳设计变量。

所述的一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，其特征在于：具体包括以下步骤：

步骤1：结合水稻钵苗横向送秧距离为钵苗宽度的要求，利用SolidWorks软件进行移箱机构基本参数化结构设计，设计包括螺旋轴、转子、滑套，其中螺旋轴包括双螺旋线和过渡曲线；

步骤2：利用步骤1中构建的移箱机构结构，针对高速水稻钵苗栽插过程平稳性、精准性以及轻量化需求，基于多学科分解理论对移箱机构进行系统分解，将系统分解为运动学、动力学、静力学三个学科，分别利用ANSYS Workbench、Adams软件进行特性分析；

步骤3：结合协同优化理论，确定各学科的优化变量、约束、目标，各学科优化变量X_m＝{x_m1，x_m2，x_m3，x_m4，x_m5...x_mn}，设计目标为一致性约束R_m取最小值，设计变量需要满足的相应约束方程g_m(x_m1，x_m2，x_m3，x_m4，x_m5...x_mn)≤0，其中，σ为约束限制；m＝1，2，3；n为学科优化变量数；子学科数学模型为：

Fins Z_m＝[X₁，X₂、X₃...X_n]^T

min R_m＝(X_m1-X_sysm1 ^*)2+(X_m2-X_sysm2 ^*)²+(X_m3-X_sysm2 ^*)²+...+(X_mn-X_sysmn ^*)²

s.t g₁＝σ₁-[σ]≤0

g₂＝σ₂-[σ]≤0

…

g_n＝σ_n-[σ]≤0

步骤4：在步骤3的基础上进行实验设计，首先进行灵敏度分析，对设计参数和各目标输出响应之间的线性相关性r进行计算，确定设计变量因素数和水平数，采用ISIGHT软件中的DOE模块产生一组相应的设计点，选用最优拉丁超立方法筛选出相关性高的设计变量以及对应各学科输出响应；其中r的具体计算如下：

其中：X为变量，Y为响应；

步骤5：在步骤4的基础上基于空间局部Kriging插值法将DOE设计的输入因子与响应建立一个近似代理模型来逼近实验数据；

步骤6：利用确定性系数R²对近似模型进行精准度评估，

其中，f_i是精确模型第i个样本点的响应值；是近似模型在该样本点的估计值；是所有样本点近似平均值；N_v是DOE产生的所有样本点的数目。评估近似模型预测能力是否满足要求，：若R²<0.9则否，需返回步骤5；若R²≥0.9则是，进入下个步骤；

步骤7：采用协同优化方法建立系统级数学模型；

Find Z＝[X₁,X₂,X₃]^T

min F＝{f₁,f₂,f₃}

其中：f为各学科目标函数，R_sys为一致性约束；

步骤8：在ISIGHT软件中搭建优化平台，基于协同优化方法，采用多岛遗传算法和序列二次规划算法组合的混合算法进行系统级多目标优化，得到系统级最优解集；

步骤9：将最优解集代入到原模型中构建最优模型并进行仿真分析，分析结果与优化前结果进行对比，验证是否达到设计要求：若否，则返回步骤3；若是，则结束。

本发明的优点是：

(1)综合考虑了水稻钵苗栽插过程中轻量化、平稳性、精准性等多个方面性能需求，将移箱机构分为运动学、动力学、静力学三个子系统，基于ISIGHT平台利用多学科设计优化方法并行计算优化。

(2)通过灵敏度分析，筛选出贡献度大的设计变量，进行试验设计采用空间局部插值法(Kriging)构建近似模型，采用近似模型来代替原始模型进行分析、计算、优化，减少了优化的计算量，提高了优化效率。

(3)利用确定性系数R²对近似模型进行精准度评估，避免了传统机构优化的反复迭代过程误差的累计，不仅提高了近似模型质量，而且增加优化结果的准确度。

附图说明：

图1本发明高速水稻钵苗插秧机移箱机构的结构示意图。

图2本发明螺旋轴正弦过渡曲线的展开线示意图。

图3本发明系统分解示意图。

图4本发明软件数据传递示意图。

图5本发明集成流程示意图。

具体实施方式：

参见附图。

一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，该优化方法包括如下步骤：

步骤1：结合水稻钵苗横向送秧距离为钵苗宽度的特性，利用SolidWorks软件进行移箱机构基本参数化结构设计，如图1所示包括螺旋轴1、滑套2、转子3，如图2所示螺旋轴幅度为A的正弦过渡曲线的展开线，利用SolidWorks软件中的“智能尺寸”功能将变量参数化，并保存为*.x_t文件，作为输出文件导入ANSYS Workbench、Adams软件中,进行学科分析；

步骤2：利用步骤1中构建的移箱机构结构，针对高速水稻钵苗栽插过程平稳性、精准性以及轻量化需求，基于多学科分解理论将移箱机构系统分解为动力学、运动学、静力学三个学科,分别利用ANSYS Workbench、Adams软件进行特性分析，以动力学为例：首先设置ANSYS Workbench在计算机的环境变量，然后在"<ISIGHT install path>\win_b64\reffiles\SMAFIPcomponent\ANSYS Workbench"路径下运行一次“install.bat”文件，接着将上一步的*.x_t文件导入ANSYS Workbench软件中，进行网格划分和边界条件设定，再进行动力学模态分析，最后将分析结果保存为*.wbpj文件；

步骤3：结合协同优化理论，确定各学科的优化变量、约束、目标，将各学科优化变量Z_m＝{x_m1，x_m2，x_m3，x_m4，x_m5...x_mn}，设计目标为一致性约束R_m取最小值，设计变量需要满足的相应约束方程g_m(x_m1，x_m2，x_m3，x_m4，x_m5...x _mn)≤0，其中，σ为约束限制；m＝1，2，3；n为学科优化变量数；子学科数学模型为：

Find Z_m＝[X₁、X₂，X₃...X_n]^T

min R_m＝(X_m1-X_sysm1 ^*)+(X_m2-X_sysm2 ^*)²+(X_m3-X_sysm3 ^*)²+...+(X_mn-X_sysmn ^*)²

s.t g₁＝σ₁-[σ]≤0

g₂＝σ₂-[σ]≤0

…

g_n＝σ_n-[σ]≤0

步骤4：在步骤3的基础上进行实验设计，首先进行灵敏度分析，对设计参数和各目标输出响应之间的线性相关性r进行计算，确定设计变量因素数和水平数，采用ISIGHT软件中的DOE模块产生一组相应的设计点，选用优拉丁超立方法得到设计参数与输出参数的相关性r以及对应各学科目标输出响应，其中r的具体计算如下：

其中：X为变量，Y为响应；(样本总变异)；

(X的样本标准差)；(Y的本标准差)。r绝对值越接近1，两变量关联程度越强；r绝对值越接近0，两变量关联程度越弱。步骤5：在步骤4的基础上，基于空间局部插值法(Kriging)将DOE设计的输入因子与响应建立一个近似代理模型来逼近实验数据；

步骤6：利用确定性系数R²对近似模型进行精准度评估，其中，f_i是精确模型第i个样本点的响应值；是近似模型在该样本点的估计值；是所有样本点近似平均值；N_v是DOE产生的所有样本点的数目。评估近似模型预测能力是否满足要求，：若R²<0.9则否，需返回步骤5；若R²≥0.9则是，进入下个步骤；

步骤7：采用协同优化方法建立系统级数学模型：

Find Z＝[X₁,X₂,X₃]^T

min F＝{f₁,f₂,f₃}

其中：f为各学科目标函数，R_sys为一致性约束。

步骤8：在ISIGHT软件中搭建优化平台，基于协同优化方法，采用多岛遗传算法和序列二次规划算法组合的混合算法进行系统级多目标优化，得到系统级最优解集；

步骤9：将最优解集代入到原模型中构建最优模型，并进行仿真分析，分析结果与优化前结果进行对比，验证是否达到设计要求：若否，则返回步骤3；若是，则结束。

Claims (2)

1.一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，其特征在于：

利用ISIGHT多学科优化设计平台，根据试验设计方法，采用最优拉丁超立方设计进行灵敏度分析，得出设计参数与各学科优化目标的相关性以及对应的目标输出响应，选择相关性高的设计参数作为设计变量，选用空间局部Kriging插值法，将得出设计变量与各学科目标输出响应，构建近似代理模型来逼近实验数据，采用协同优化方法，集成SolidWorks、ANSYS Workbench、Adams软件模块，实现数据循环交换，完成钵苗移箱机构的建模、仿真和优化的智能高效运算，得到最佳设计变量。

2.根据权利要求1所述的一种高速水稻钵苗插秧机移箱机构多学科优化设计方法，其特征在于：具体包括以下步骤：

步骤1：结合水稻钵苗横向送秧距离为钵苗宽度的要求，利用SolidWorks软件进行移箱机构基本参数化结构设计，设计包括螺旋轴、转子、滑套，其中螺旋轴包括双螺旋线和过渡曲线；

步骤2：利用步骤1中构建的移箱机构结构，针对高速水稻钵苗栽插过程平稳性、精准性以及轻量化需求，基于多学科分解理论对移箱机构进行系统分解，将系统分解为运动学、动力学、静力学三个学科，分别利用ANSYS Workbench、Adams软件进行特性分析；

步骤3：结合协同优化理论，确定各学科的优化变量、约束、目标，各学科优化变量X_m＝{x_ml，x_m2，x_m3，x_m4，x_m5...x_mn}，设计目标为一致性约束R_m取最小值，设计变量需要满足的相应约束方程g_m(x_m1，x_m2，x_m3，x_m4，x_m5...x_mn)≤0，其中，σ为约束限制；m＝1，2，3；n为学科优化变量数；子学科数学模型为：

Find Z_m＝[x₁，x₂、x₃...x_n]^T

min R_m＝(x_m1-x_sysm1 ^*)²+(x_m2-x_sysm2)²+(x_m3-x_sysm3)²+...+(x_mn-x_sysmn)²

s.t g₁＝σ₁-[σ]≤0

g₂＝σ₂-[σ]≤0

…

g_n＝σ_n-[σ]≤0

步骤4：在步骤3的基础上进行实验设计，首先进行灵敏度分析，对设计参数和各目标输出响应之间的线性相关性r进行计算，确定设计变量因素数和水平数，采用ISIGHT软件中的DOE模块产生一组相应的设计点，选用最优拉丁超立方法筛选出相关性高的设计变量以及对应各学科输出响应；其中r的具体计算如下：

$r=\frac{\&Sigma;\left(X-\stackrel{\&OverBar;}{X}\right)\left(Y-\stackrel{\&OverBar;}{Y}\right)}{\sqrt{\&Sigma;{\left(X-\stackrel{\&OverBar;}{X}\right)}^2}\sqrt{\&Sigma;{\left(Y-\stackrel{\&OverBar;}{Y}\right)}^2}}=\frac{\&Sigma;xy}{\sqrt{\&Sigma;x^2}\sqrt{\&Sigma;y^2}}\frac{S_{XY}}{S_X{S}_Y}$

其中：X为变量，Y为响应；

$\begin{array}{cc}{S}_X=\sqrt{\frac{\mathrm{\&Sigma;}{(X-\stackrel{\&OverBar;}{X})}^2}{n-1}}& S_Y=\sqrt{\frac{\mathrm{\&Sigma;}{(Y-\stackrel{\&OverBar;}{Y})}^2}{n-1}}\end{array}$

步骤5：在步骤4的基础上基于空间局部Kriging插值法将DOE设计的输入因子与响应建立一个近似代理模型来逼近实验数据；

步骤6：利用确定性系数R²对近似模型进行精准度评估，

$R^2=1-\frac{\underset{i=0}{\overset{N_v}{\&Sigma;}}{(f_i-{\hat{f}}_i)}^2}{\underset{i=0}{\overset{N_v}{\&Sigma;}}{(f_i-\stackrel{\&OverBar;}{f})}^2}$

其中，f_i是精确模型第i个样本点的响应值；是近似模型在该样本点的估计值；是所有样本点近似平均值；N_v是DOE产生的所有样本点的数目。评估近似模型预测能力是否满足要求，：若R²<0.9则否，需返回步骤5；若R²≥0.9则是，进入下个步骤；

步骤7：采用协同优化方法建立系统级数学模型；

Find Z＝[X₁,X₂,X₃]^T

min F＝{f₁,f₂,f₃}

$\begin{array}{cc}s.t& R_{1sys}=\underset{i=1}{\overset{X1}{\&Sigma;}}{(X_{sysi}-X_i^{*})}^2\&le;0.0001\end{array}$

$R_{2sys}=\underset{j=2}{\overset{X2}{\&Sigma;}}{(X_{sysj}-X_j^{*})}^2\&le;0.0001$

$R_{3sys}=\underset{k=3}{\overset{X3}{\&Sigma;}}{(X_{sysk}-X_k^{*})}^2\&le;0.0001$

其中：f为各学科目标函数，R_sys为一致性约束；

步骤8：在ISIGHT软件中搭建优化平台，基于协同优化方法，采用多岛遗传算法和序列二次规划算法组合的混合算法进行系统级多目标优化，得到系统级最优解集；

步骤9：将最优解集代入到原模型中构建最优模型并进行仿真分析，分析结果与优化前结果进行对比，验证是否达到设计要求：若否，则返回步骤3；若是，则结束。