基于bp神經(jīng)網(wǎng)絡(luò)的混凝土泵車臂架結(jié)構(gòu)優(yōu)化設(shè)計(jì)

基于bp神經(jīng)網(wǎng)絡(luò)的混凝土泵車臂架結(jié)構(gòu)優(yōu)化設(shè)計(jì)

0在臂架結(jié)構(gòu)優(yōu)化中運(yùn)用遺傳算法進(jìn)行臂架結(jié)構(gòu)優(yōu)化設(shè)計(jì)目前，中國(guó)很大一部分混合混凝土泵車的生產(chǎn)是通過進(jìn)口關(guān)鍵部件進(jìn)行的。由于混合混凝土泵車生產(chǎn)的附加值和很大的國(guó)內(nèi)市場(chǎng)需求，我國(guó)對(duì)混合混凝土泵車的結(jié)構(gòu)設(shè)計(jì)和優(yōu)化進(jìn)行了許多有效的研究。例如，對(duì)臂架系統(tǒng)的優(yōu)化和模擬、對(duì)織物結(jié)構(gòu)水平的動(dòng)態(tài)分析、對(duì)織物結(jié)構(gòu)的自動(dòng)注入和過程模擬的模擬等。由于結(jié)構(gòu)設(shè)計(jì)的非線性復(fù)雜性和優(yōu)化目標(biāo)函數(shù)的多樣性，很難建立手臂結(jié)構(gòu)主要形狀和厚度的變化、重量和變形關(guān)系的數(shù)學(xué)模型。由于需要對(duì)最小橫截面進(jìn)行大量的研究，而且很難使用有限的方法。由于神經(jīng)網(wǎng)絡(luò)不需要任何數(shù)學(xué)模型，它們可以同時(shí)處理非線性、模糊和噪聲數(shù)據(jù)。啟動(dòng)優(yōu)化方法是當(dāng)前最具發(fā)展前途的算法之一。因此，在本文中，我們使用具有良好非線性映射能力的bp神經(jīng)網(wǎng)絡(luò)對(duì)框架結(jié)構(gòu)進(jìn)行建模，并使用遺傳統(tǒng)計(jì)法對(duì)設(shè)計(jì)變量進(jìn)行優(yōu)化設(shè)計(jì)。該算法由vc執(zhí)行。1送料過程重力和外載設(shè)定布料桿為4節(jié)臂.施工中臂架所受的載荷主要是自重力和外載.計(jì)算以最危險(xiǎn)工況為設(shè)計(jì)準(zhǔn)則,即泵車布料桿全部伸平且處于送料狀態(tài)時(shí).考慮風(fēng)載和振動(dòng)、沖擊引起的動(dòng)載荷,風(fēng)載荷為水平方向(與臂架側(cè)面垂直).1.1節(jié)臂架上面板參數(shù)如圖1,2所示,單節(jié)臂架設(shè)計(jì)變量Xi=(xi1,xi2,xi3,xi4,xi5,xi6,xi7)i=1?2?3?4.Xi=(xi1,xi2,xi3,xi4,xi5,xi6,xi7)i=1?2?3?4.式中:xi1為第i節(jié)臂架尾部側(cè)板折彎處高度;xi2為第i節(jié)臂架上面板厚度;xi3為第i節(jié)臂架下面板厚度;xi4為第i節(jié)臂架頭部側(cè)板折彎處高度;xi5為第i節(jié)臂架尾部折彎處兩側(cè)板距離;xi6為第i節(jié)臂架頭部端折彎處側(cè)板距離(第4臂架為頭端側(cè)板距離);xi7為第i節(jié)臂架兩側(cè)板厚.設(shè)計(jì)變量可依據(jù)不同優(yōu)化對(duì)象進(jìn)行一定調(diào)整.1.2統(tǒng)一目標(biāo)法統(tǒng)一目標(biāo)法臂架系統(tǒng)的主要結(jié)構(gòu)形式和外載荷不變.當(dāng)設(shè)計(jì)變量變化時(shí),要求優(yōu)化設(shè)計(jì)計(jì)算最大綜合應(yīng)力σimax和最大變形Uimax盡量小,同時(shí)結(jié)構(gòu)總重盡量輕.對(duì)這一多目標(biāo)函數(shù)用統(tǒng)一目標(biāo)法處理,即:minFi(Xi)=w1iσimax(Xi)+w2iUimax(Xi)+w3iΜimax(Xi)i=1,2,3,4minFi(Xi)=w1iσimax(Xi)+w2iUimax(Xi)+w3iMimax(Xi)i=1,2,3,4式中:w1i,w2i,w3i為目標(biāo)函數(shù)重要程度的權(quán)重系數(shù)(w1i+w2i+w3i=1).1.3設(shè)計(jì)變量及邊界值根據(jù)臂架結(jié)構(gòu)的設(shè)計(jì)和工藝要求,同時(shí)考慮優(yōu)化計(jì)算的計(jì)算速度,綜合定義設(shè)計(jì)變量的邊界.由于結(jié)構(gòu)的形狀尺寸約束函數(shù)和厚度尺寸約束函數(shù)數(shù)量級(jí)相差很大,約束函數(shù)的變化對(duì)目標(biāo)函數(shù)影響的靈敏度不同,須對(duì)幾何約束條件進(jìn)行規(guī)格化處理s.tgi1(x)=xi1b1i-1≥0?gi2(x)=xi1b2i-1≥0gi3(x)=xi2σ3i-1≥0?gi4(x)=xi2b4i-1≥0gi5(x)=xi3b5i-1≥0?gi6(x)=xi3b6i-1≥0gi7(x)=xi4b7i-1≥0?gi8(x)=xi4b8i-1≥0gi9(x)=xi5b9i-1≥0?gi10(x)=xi5b10i-1≥0gi11(x)=xi6b11i-1≥0?gi12(x)=xi6b12i-1≥0gi13(x)=xi7b13i-1≥0?gi14(x)=xi7b14i-1≥0式中:b1i,b2i,b3i,…,b14i分別為對(duì)應(yīng)設(shè)計(jì)變量的邊界值.應(yīng)力約束為:gi15(x)=σmax-[σ]<0.變形約束為:gi16(x)=fmax-[f]<0.i=1,2,3,42bp-b網(wǎng)絡(luò)建模2.1建立有限元模型BP網(wǎng)絡(luò)的訓(xùn)練為有導(dǎo)師學(xué)習(xí)過程.通過對(duì)現(xiàn)有臂架系統(tǒng)在既定工況下應(yīng)力的實(shí)際電測(cè)值與有限元分析軟件計(jì)算數(shù)據(jù)的對(duì)比及修正,建立起合理的臂架系統(tǒng)受力模型和有限元模型.利用該模型計(jì)算出當(dāng)設(shè)計(jì)變量改變時(shí)相應(yīng)的最大綜合應(yīng)力和變形,將其數(shù)據(jù)作為導(dǎo)師信號(hào)的訓(xùn)練樣本.2.2主要影響因素采用三層結(jié)構(gòu)的網(wǎng)絡(luò).理論已證明,三層結(jié)構(gòu)具有Sigmoid神經(jīng)元非線性的網(wǎng)絡(luò),可以以任意精度逼進(jìn)任何連續(xù)函數(shù).網(wǎng)絡(luò)輸入層為7個(gè)幾何參數(shù)(待優(yōu)化數(shù)據(jù));輸出變量?jī)蓚€(gè):最大綜合應(yīng)力和變形.隱含層結(jié)點(diǎn)取34個(gè),訓(xùn)練網(wǎng)絡(luò)3000次.為避免網(wǎng)絡(luò)陷入局部極小值,在訓(xùn)練模式中注入噪聲,同時(shí)在網(wǎng)絡(luò)中加入動(dòng)量項(xiàng)提高網(wǎng)絡(luò)收斂速度Δwij(t+1)=Δw′ij(t+1)+αΔwij(t)(i,j=1,2,3,?,n)式中:wij為權(quán)重;Δw′ij(t+1)=-η?E/?wij,反映當(dāng)前的方向.3組合模型優(yōu)化由于二進(jìn)制編碼個(gè)體編碼長(zhǎng)度驚人,解碼非常不方便,算法采用浮點(diǎn)編碼,變量值在其上、下范圍內(nèi)隨機(jī)產(chǎn)生.每完成一代編碼運(yùn)算后立即進(jìn)行解碼運(yùn)算,將所得的數(shù)據(jù)作為實(shí)時(shí)計(jì)算系統(tǒng)的輸入,從而可得到一個(gè)輸出,再計(jì)算每一編碼串?dāng)?shù)對(duì)應(yīng)的適合度.適應(yīng)度計(jì)算中最大應(yīng)力與變形用BP神經(jīng)網(wǎng)絡(luò)由變量映射得到.根據(jù)適合度的大小,選取適合度最大的50個(gè)個(gè)體組成新的種群(包含父代染色體的編碼串)進(jìn)行下一代遺傳計(jì)算.當(dāng)每個(gè)個(gè)體的適應(yīng)度和全部種群的平均適應(yīng)度趨于穩(wěn)定時(shí)尋優(yōu)過程結(jié)束,解碼其中適應(yīng)度最大的個(gè)體,即得到臂架系統(tǒng)最佳結(jié)構(gòu)尺寸組合.以揚(yáng)程為42