CN109977506A - 一种基于熵值法的机械结构多材料匹配设计方法 - Google Patents
一种基于熵值法的机械结构多材料匹配设计方法 Download PDFInfo
- Publication number
- CN109977506A CN109977506A CN201910195063.XA CN201910195063A CN109977506A CN 109977506 A CN109977506 A CN 109977506A CN 201910195063 A CN201910195063 A CN 201910195063A CN 109977506 A CN109977506 A CN 109977506A
- Authority
- CN
- China
- Prior art keywords
- optimization aim
- value
- optimization
- mechanical structure
- information entropy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000013461 design Methods 0.000 title claims abstract description 34
- 238000005457 optimization Methods 0.000 claims abstract description 70
- 238000004088 simulation Methods 0.000 claims abstract description 29
- 238000012360 testing method Methods 0.000 claims abstract description 19
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 230000004044 response Effects 0.000 claims abstract description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012546 transfer Methods 0.000 claims description 2
- 238000005452 bending Methods 0.000 description 3
- 238000013178 mathematical model Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003028 elevating effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于熵值法的机械结构多材料匹配设计方法,包括以下步骤:1)确定机械结构多材料匹配设计的优化目标、设计变量及其取值;2)以确定的一个或多个优化目标为响应分别建立有限元模型;3)在取值空间内对设计变量进行正交试验,获取设计变量的样本点数据;4)对各样本点在有限元模型进行仿真计算,根据各优化目标的仿真值利用熵值法确定各优化目标的权重系数;5)根据各优化目标的权重系数,采用加权系数法将多目标转化为单目标Q;6)根据目标函数,建立优化模型,对优化目标求解计算之后得到最终材料匹配结果。本发明提出了基于熵值法的多目标权重系数确定方法,结果具有较高的准确性和可靠度。
Description
技术领域
本发明涉及机械结构优化设计技术,尤其涉及一种基于熵值法的机械结构多材料匹配设计方法。
背景技术
工程机械、运载装备、高端机床、特种装备等领域通常采用材料优化和结构优化等多种途径提升机械结构性能、降低重量。其中,通过合理的材料匹配使机械结构达到性能最优是最为便捷的一种方式。
机械结构多材料匹配过程是一个非线性、多变量和多目标的优化设计过程,需要在满足特定约束条件下,寻求使优化目标最优的材料匹配设计方案。在现有的机械结构多材料匹配优化设计中,通常通过建立将设计问题转化为反映问题实质并适合于优化计算的数学模型,并采用不同的材料替代方案,让优化目标达到最优。因此,在机械结构多材料匹配过程中,找到一种快速有效的优化方法达到材料最优匹配,有利于解决工程中的难题。
发明内容
本发明要解决的技术问题在于针对现有技术中的缺陷,提供一种基于熵值法的机械结构多材料匹配设计方法。
本发明解决其技术问题所采用的技术方案是:一种基于熵值法的机械结构多材料匹配设计方法,包括以下步骤:
1)确定机械结构多材料匹配设计的优化目标、设计变量及其取值;
所述优化目标包括:刚度、疲劳寿命、传热速率、模态特性、碰撞变形量在内的与结构特性相关的性能目标和质量;所述设计变量为机械结构中各零件的材料,设计变量的取值为该零件对应的备选材料;
2)以确定的一个或多个优化目标为响应分别建立有限元模型;
3)在取值空间内对设计变量进行正交试验,获取设计变量的样本点数据;
4)利用熵值法确定各优化目标的权重系数
4.1)在有限元模型中进行仿真计算,得到各样本点对应的各优化目标的仿真值xij,并进行归一化处理,其计算方法如下:
其中,x′ij为第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值,xij为第i次试验中各优化目标的仿真值,i为试验编号,j为优化目标编号。
4.2)利用熵值法确定各优化目标的权重系数,其计算方法为:
式中:pij为在j目标下、试验i的贡献度,x′ij为第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值,m为正交试验方案总数量,n为优化目标总数量,常数wj为各优化目标的权重系数;
5)根据各优化目标的权重系数,采用加权系数法将多目标转化为单目标:
式中:Objj为第j个优化目标的仿真值,Fj为Objj标准化取值,Q为优化函数,wj为第j个优化目标的权重值,x1,x2,…,xs为备选材料的材料编号,s为零件数量。
6)根据目标函数,建立优化模型:
式中l为机械结构中各零件的材料种类数量。
对优化目标求解计算之后得到最终材料匹配结果。
本发明产生的有益效果是:
1.本发明提出了基于熵值法的多目标权重系数确定方法,能够较好地考虑各个优化目标对优化结果的影响效果,与主观赋权法相比具有较高的准确性和可靠度。
2.本发明将多目标转化为单一目标,构建对应的优化模型,能够快速求解出优化结果,无需进行多次迭代。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例的方法流程图;
图2是本发明实施例的车架模型示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
如图1所示,一种基于熵值法的机械结构多材料匹配设计方法,包括以下步骤:
步骤1:车架模型如图2所示,确定该车架的材料匹配设计优化目标为结构刚度和疲劳寿命,设计变量为纵梁和四根横梁的材料,目标函数为优化目标最大化,备选材料为Q345B和610L。
步骤2:采用Hypermesh建立车架的刚度有限元模型,包括弯曲刚度和扭转刚度有限元模型;
步骤3:采用Hypermesh建立车架疲劳寿命有限元模型;
步骤4:选取如图2所示的汽车部件作为汽车车架材料匹配设计部件,1-5分别是纵梁和四根横梁,将备选材料Q345B、610L分别编号为1和2。由于设计变量有5个,选取L8(27)正交表,如表1所示。
表1:
步骤5:每个实验号对应一个样本点,采用仿真软件Hyperstudy对正交表各样本点进行仿真计算,得到各优化目标的仿真值,如表2所示。
表2:
步骤6:对各优化目标的仿真值进行标准化,其计算方法为:
其中,x′ij为第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值,xij为第i次试验中优化目标j的仿真值,i为试验编号,j为优化目标编号。各优化目标的仿真值的标准化后的数据,如表3所示。
表3:
步骤7:利用熵值法确定各优化目标的权重系数,其计算方法为:
式中:pij为在j目标下,试验i的贡献度,i为试验方案编号,j为优化目标编号,常数以保证0≤Ej≤1,wj为各优化目标的权重系数。通过计算得到评价指标的权重如表4所示。
表4:
表中Weight为权重;
采用加权系数法将多目标转化为单目标。
步骤8:
式中:Fj为Objj标准化取值,Objj为第j个优化目标的仿真值,Q为优化函数,wj为第j个优化目标的权重值,x1,x2,…,x5为四根横梁与纵梁的材料编号(其取值范围为1、2)。
步骤9:建立优化数学模型:
求解计算之后得到最终材料匹配结果如表5所示。
表5:
材料匹配优化之前的材料匹配如表6所示。
表6:
材料匹配优化前后的优化目标对比如表7所示。
表7:
从表7中优化前后各优化目标值对比可以看出材料匹配优化后在刚度变化不大的基础上最小疲劳寿命实现了较大提升,整体实现了优化效果。
另外,传统的主观赋权法一般采取各目标加权系数相同(或自定义权值)的方法进行求解,各目标权重如表8所示。
表8:
表8中Weight为权重;
采用加权系数法将多目标转化为单目标,并建立优化数学模型进行求解,得到主观赋权法材料优化结果如表9所示。
表9:
本发明所涉及的方法此方法与主观赋权法所得的材料匹配结果的优化指标的对比如表10所示。
表10:
表10中试验号1为主观赋权法方法所得的材料匹配结果对应的优化指标仿真值,试验号2为本发明所涉及的方法所得的材料匹配结果对应的优化指标仿真值,由表可知,熵值法得到的优化结果的扭转刚度和最小疲劳寿命虽然略低于与主观赋值法所得到的结果,但是弯曲刚度有较大幅度提高。所以,本发明所涉及的方法相比主观赋权法更具有可靠性和准确性,得到的最终材料匹配结果达到了弯曲刚度、扭转刚度及最小疲劳寿命的最优值。
应当理解的是,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,而所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (3)
1.一种基于熵值法的机械结构多材料匹配设计方法,其特征在于,包括以下步骤:
1)确定机械结构多材料匹配设计的优化目标、设计变量及其取值;
所述优化目标包括:刚度、疲劳寿命、传热速率、模态特性、碰撞变形量在内的与结构特性相关的性能目标和质量;所述设计变量为机械结构中各零件的材料,设计变量的取值为该零件对应的备选材料;
2)以确定的一个或多个优化目标为响应分别建立有限元模型;
3)在取值空间内对设计变量进行正交试验,获取设计变量的样本点数据;
4)对各样本点在有限元模型进行仿真计算,根据各优化目标的仿真值利用熵值法确定各优化目标的权重系数;具体如下:
确定各优化目标的权重系数,其计算方法为:
式中:pij为在j目标下、试验i的贡献度,x'ij为第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值,m为正交试验方案总数量,n为优化目标总数量,i为试验编号,j为优化目标编号,常数wj为各优化目标的权重系数;
5)根据各优化目标的权重系数,采用加权系数法将多目标转化为单目标Q;
6)根据目标函数,建立优化模型:
对优化目标求解计算之后得到最终材料匹配结果。
2.根据权利要求1所述的基于熵值法的机械结构多材料匹配设计方法,其特征在于,所述步骤4)中第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值x'ij,其计算方法如下:
其中,x'ij为第i次试验中优化目标j的仿真值进行标准化处理后的修正仿真值,xij为第i次试验中各优化目标的仿真值,i为试验编号,j为优化目标编号。
3.根据权利要求1所述的基于熵值法的机械结构多材料匹配设计方法,其特征在于,所述步骤5)中根据各优化目标的权重系数,采用加权系数法将多目标转化为单目标Q,具体如下:
式中:Objj为第j个优化目标的仿真值,Fj为Objj标准化取值,Q为优化函数,wj为第j个优化目标的权重值,x1,x2,…,xs为备选材料的材料编号,s为零件数量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195063.XA CN109977506A (zh) | 2019-03-14 | 2019-03-14 | 一种基于熵值法的机械结构多材料匹配设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910195063.XA CN109977506A (zh) | 2019-03-14 | 2019-03-14 | 一种基于熵值法的机械结构多材料匹配设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977506A true CN109977506A (zh) | 2019-07-05 |
Family
ID=67078918
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910195063.XA Pending CN109977506A (zh) | 2019-03-14 | 2019-03-14 | 一种基于熵值法的机械结构多材料匹配设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977506A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581746A (zh) * | 2020-05-11 | 2020-08-25 | 中国矿业大学 | 一种新型三相圆筒开关磁阻直线发电机多目标优化方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218500A (zh) * | 2013-05-13 | 2013-07-24 | 湖南大学 | 一种基于多目标连续正交方法的稳健性汽车车身材料匹配方法 |
-
2019
- 2019-03-14 CN CN201910195063.XA patent/CN109977506A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103218500A (zh) * | 2013-05-13 | 2013-07-24 | 湖南大学 | 一种基于多目标连续正交方法的稳健性汽车车身材料匹配方法 |
Non-Patent Citations (5)
Title |
---|
伍素珍等: "汽车车身结构安全部件材料匹配优化设计", 《锻压技术》 * |
夏薇等: "多目标满意优化在注塑工艺参数自适应控制中的应用", 《塑料工业》 * |
孙明楠等: "基于模态柔度的机床结合部动态刚度正交优化方法", 《四川大学学报(工程科学版)》 * |
张凯: "螺旋铣孔末端执行器公转组件的多目标优化设计", 《机床与液压》 * |
蔡厚道等: "基于回归正交设计与综合加权评分法的注塑成型工艺优化", 《塑料工业》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581746A (zh) * | 2020-05-11 | 2020-08-25 | 中国矿业大学 | 一种新型三相圆筒开关磁阻直线发电机多目标优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112577747B (zh) | 一种基于空间池化网络的滚动轴承故障诊断方法 | |
Hofmann et al. | Balancing exploration and exploitation in listwise and pairwise online learning to rank for information retrieval | |
CN110348075A (zh) | 一种基于改进支持向量机算法的磨削表面粗糙度预测方法 | |
CN112052071B (zh) | 强化学习和机器学习相结合的云软件服务资源分配方法 | |
CN108509573A (zh) | 基于矩阵分解协同过滤算法的图书推荐方法及系统 | |
CN107220498B (zh) | 一种机械材料评价方法及其系统 | |
CN109191276B (zh) | 一种基于强化学习的p2p网络借贷机构风险评估方法 | |
CN110390561A (zh) | 基于动量加速随机梯度下降的用户-金融产品选用倾向高速预测方法和装置 | |
CN108596800A (zh) | 一种基于贝叶斯的开放性答案决策方法 | |
CN110363230A (zh) | 基于加权基分类器的stacking集成污水处理故障诊断方法 | |
CN109033643A (zh) | 基于灵敏度分析的汽车操稳性瞬态性能参数优化方法 | |
CN106383948A (zh) | 机械产品功能机构的可靠性分配设计方法 | |
CN115277354B (zh) | 一种面向指挥控制网络管理系统的故障检测方法 | |
CN106886658A (zh) | 非线性迟滞动力学模型参数识别的粒子群新算法 | |
CN106294410A (zh) | 一种个性化信息推送时间的确定方法及确定系统 | |
CN109977506A (zh) | 一种基于熵值法的机械结构多材料匹配设计方法 | |
Komarudin et al. | Signature PSO: A novel inertia weight adjustment using fuzzy signature for LQR tuning | |
CN113868765B (zh) | 基于近似模型的船舶主尺度参数优化方法 | |
CN107657073A (zh) | 一种三明治复合材料结构的参数识别方法 | |
CN115099093A (zh) | 一种基于熵权topsis的白车身结构多目标优化设计方法 | |
CN109766637A (zh) | 基于Krigng代理模型的桥式起重机结构可靠性优化方法 | |
CN115689338A (zh) | 一种基于多指标的配电网技术成熟度评价方法及系统 | |
CN115829683A (zh) | 一种基于逆奖赏学习优化的电力积分商品推荐方法及系统 | |
CN115496422A (zh) | 一种企业绿色人力资源管理评价指标体系的组合构建方法 | |
CN104572900A (zh) | 一种作物育种评价的性状特征选择方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |