四会登高车,  四会登高车出租,  四会登高车租赁    结构性能多约束稳健优化模型的直接求解,     某于结合双层嵌套遗传算法和Ｋｒｉｇｉｎｇ技术，实现机械结构性能多约束稳健优化设计模型的直接求解。在内层遗传算法中，通过Ｋｒｉｇｉｎｇ模型计算得到目标和约束函数中。在外层遗传算法中，根据所提出的区间约束三维违反矢量和归一化整体距离排序法则，对所有设计向量进行直接排序，从而获得各设计向量所对应个体的适应度，进而得到该稳健优化问题的最优解。机械结构性能多约束稳健优化流程，具体步骤如下:  根据优化需求，建立机械结构性能的多约束稳徤性优化设计模型１,  协同仿真得到样本点数据—基于样本点的目标和约束性能指标值建立Ｋｒｉｇｉｎｇ近似模型,  遗传算法初始化, 计算各约束性能边界；计算栢应设计变量的整体区间约束三维违反矢量,    机械结构性能多约束稳健优化流程:  Ｓｔｅｐ１．根据机械结构性能多约束稳健优化设计要求，确定不确定性向量和设计向量的取值范围，建立机械结构性能多约束稳健性优化设计模型；Ｓｔｅｐ２．采样，并利用Ｋｒｉｇｉｎｇ技术建立各待优化的结构性能指标的预测模型；Ｓｔｅｐ３．对双层嵌套遗传算法进行初始化设置，设置内外层种群大小、内外层的交叉、和变异概率、最大迭代次数、收敛条件，设置外层遗传算法当前迭代数为１， 本文基于Ｒ间约束三维违反矢量的机械结构件能稳餹优化设计并生成初始种群。Ｓｔｅｐ４．在遗传算法内层，根据构建的Ｋｒｉｇｉｎｇ近似模型计算得到当前种群个体的目标和约束性能左右边界值，并计算其整体区间约束三维违反矢量。Ｓｔｅｐ５．在遗传算法外层，以排序法则将设计向量分为可行解、部分不可行解和完全不可行解三类，并进行类内优劣排序，从而实现对所有设计向量的直接排序，使得每个设计向量将具有排序序号计算其适应度＝Ｓｔｅｐ６．判断是否迗到最大迭代次数或者收敛条件：如迗到，执行Ｓｔｅｐ７；否则，对当前迭代次数加１处理，并进行交叉和变异操作从而生成外层遗传算法新种群的新个体，返回Ｓｔｅｐ４。Ｓｔｅｐ７．输出适应度最大的设计向量，得到机械结构性能多约束稳健性优化设计最优解。

       数值算例以数值算例来验证提出的机械结构性能多约束稳健性优化算法的有效性：１）利用提出算法对多约束稳健优化设计模型进行直接求解。设置遗传算法初始化参数，同时设置目标函数区间中值的收敛阈值为１Ｅ－４，即当代种群中目标函数的最大与最小区间中值的差值小于１Ｅ－４时，认为目标函数收敛。目标函数在第６代时迗到收敛条件，其所对应最优设计向量为（５．３０，７．４６，２．２９）。提出方法对应目标函数收敛,  利用基于区间约束违反度和区间序位向量排序思想的稳健牲优化算法对进行求解。同样地，按表３．１所列参数对其进行初始化，同时设置目标函数区间中值的收敛阈值为１Ｅ４，区间目标函数收敛过程，目标函数在第３０代时达到收敛条件，其所对应最优设计向量为（４．５１，６．８０，２．００）。３）利用基于模型转换的间接方法进行求解。同祥地，按参数对其进行初始化，同时设置目标函数区间中值的收敛阈值为１Ｅ－４，目标函数区间中值和长度的权系数为０．５，正则化因子分别为３．０和０．６，两约束函数的违反罚因子均为２０００００，各约束函数的区间可能度均为１。完成设置后对模型进行优化求解，区间目标函数收敛过程，目标函数在第１２６代时完成收敛，其所对应最优设计向量为（５．６０，１０．９３，２．６７）。提出方法的收敛速度最快。三种算法的对比优化结果。由于加权系数和正则化因子对结果客观性的影响，得到的目标函数区间中值比提出算法得到的目标函数区间中值小，但是其目标函数区间长度大得多，对于稳健性优化，显然其波动太大。得到的目标函数的区间中值和区间长度均优于提出方法所得到的结果，同时由于其可行解和不可行解通过行区分，按照区间序的算法，该约束对应的设计向量为可行解，对于约束函数２显然也满足约束约束条件。但是其约束函数１的区间左边界为４．５１，而指定区间的区间右边界为７．０，可见两个区间存在重叠区域，该优化的稳健性水平相对较低。提出算法得到的约束函数的区间范围均大于指定区间，稳健性水平高，且目标函数较为均衡，结果更加客观。在外载荷影响下，以各桁架杆的截面积为设计变量，以其总体积作为设计目标。列出了提出算法与Ｅｌｉｓｈａｋｏｆｆ算法［７３］所得最优解对应的约束性能、设计变量及目标性能取值对比情况。Ｅｌｉｓｈａｋｏｆｆ算法得到的总体积比提出算法得到的优化结果小，即Ｅｌｉｓｈａｋｏｆｆ算法的优化效果更显著，Ｅｌｉｓｈａｋｏｆｆ算法所得最优解无法完全满足约束条件，这种以违反约束条件来获得更优结果的做法显然是不稳健.   本文基于区间约束三维违反矢暈的机械结构性能稳健优化设计的，反观提出算法得到的优化结果，所有约束性能均满足约束条件，稳健性水平高。而且，两种算法总体积相差不大，更能体现提出算法所得优化结果的稳健性优势。

 

    四会登高车,  四会登高车出租,  四会登高车租赁

      上横梁高刚度轻量化稳健优化设计,    该上横梁的三维模型，同时，考虑其材料（ＨＴ３００）的密度ｐ和泊松比ｔ的不确定性，作为区间变量处理。根据工程实际和设计要求，确定这７个变量的上下限。根据上横梁轻量化高刚度稳健优化设计要求，以其最大变形量的区间中值和区间长度为目标函数，分别设置其重量和最大应力的上限区间进行约束，建立上横梁多约束稳健优化设计模型。２上横梁性能指标近似预测模型构建,  为获得上横梁的最大变形、最大应力和重量的性能响应，对其进行静力学仿真分析。采用Ｓｏｌｉｄ１８７单元进行网格划分，其中网格大小为５０ｍｍ，得到１１１７１７个单元，１７６６７７个节点；１／２上横梁在实际加工过程中的受力情况；分别为１／２上横梁在设计向量ｘ＝（３６０，２３０，２７０，１００，４０）、不确定向量化（７３００，０．３）时的变形和应力分布情况。在由设计变量和不确定性变量，确定的七维空间内通过拉丁超立方采样方法获得５５组样本点，利用Ｐｒｏ／Ｅ和ＡｎｓｙｓＷｏｒｋｂｅｎｃｈ的协同仿真技术获取各样本点所对应设计向量的上横梁的最大变形、最大应力和重量，进而利用所述Ｋｒｉｇｉｎｇ技术构建上横梁性能指标的近似预测模型。

     不同方法所得优化结果分析及讨论   １）基于提出的机械结构性能多约束稳健优化算法对上横梁性能多约束稳健性优化设计模型进行直接求解，设置遗传算法参数，确定目标性能区间中值的收敛阈值为ｌＥ￣４ｍｍ，即当代种群中目标性能中最大与最小区间中值的差值小于ｌＥ－４ｍｍ时，认为目标性能达到收敛。在第２５次迭代后达到收敛，其所对应最优设计向量为（２１３．７４，２５０．００，８０．６１，２７．９０，３７０．１６）。按参数对其进行初始化，同时设置目标性能区间中值的收敛阈值为ｌＥ－４ｍｍ，目标性能区间中值和长度的权系数为０．５，正则化因子分别为０．１和０．００１，两个约束性能的违反罚因子均为２０００００，各个约束性能的区间可能度均为１。完成设置后对模型进行优化求解，区间约束性能收敛过程，区间目标性能收敛过程.   区间所示，在第３２次迭代后迗到收敛，其所对应最优设计向量.   提出方法的收敛速度最快。由于加权系数和正则化因子对结果客观性的影响，算法得到的目标性能区间中值优于提出算法得到的目标性能区３７某于Ｒ间约東三维违ｇ矢量的机械结构性能稳健优化设计间中值，但其目标性能区间长度比提出算法得到的目标性能区间长度大得多，对于稳健性优化，由不确定因素造成的波动更小，更能体现优化结果的稳健性。得到的目标性能的区间长度与提出算法所得到区间长度相等，其区间中值均优于提出算法所得到区间中值，同时由于其可行解和不可行解通过进行区分，按照区间序的算法，其重量约束性能表示为＜５１９９．９８，１７６．７９＞，指定区间表示为＜５２００．００，６０．００＞，重量约束满足该算法下的约束条件，对于最大变形约束性能显然也满足约束条件。但是重量约束的区间右边界为５２８８．３７，而指定区间的区间左边界为５１７０．００，可见两个区间存在重叠区域，同样地，最大应力约束的区间与指定区间也存在重叠区域，该优化结果的稳健性水平相对较低。提出算法得到的约束函数的区间范围均小于指定区间，稳健性水平高，且目标的性能指标的区间长度优越，对不确定因素变化造成的性能波动更不敏感，稳健性强。

       四会登高车,  四会登高车出租,  四会登高车租赁