现代设计理论及方法优化设计实验报告

合集下载

现代设计方法---优化设计

现代设计方法---优化设计

E=2×105MPa。现要求在满足使用要求的条件下,试设计一个用
料最省的方案。
优化目标
用料最省
V 1 d 2L
4
d
F M
L
强度条件
max
FL 0.1d 3
w
M
0.2d 3
条件 刚度条件
f
FL3 3EJ
64FL3
3Ed 4
f
边界条件 L Lmin 8c14m
例3 设某车间生产A和B两种产品,每种产品各有两道工序,分 别由两台机器完成这两道工序,其工时列于表中。若每台机器每 周至多工作40小时。产品A的单价为200元,产品B的单价为500 元。问每周A、B产品应各生产多少件,可使总产值为最高。 (这是生产规划的最优化问题)
F —弹簧在负荷P作用下所产生的变形量
n —弹簧的有效圈数
d —弹簧材料的直径
G —弹簧材料的切变模量
3
• 根据上式,如己知或先预定 D2、n、d、G 各参数,通过多次试算、
修改,就有可能得到压簧刚度等于或接近于 的设P计参数。
• 刚度公式也可以写成一般的多元函数表达式,即
• 式中 代表性y能指f 标(xi ) , 是i 设 1计,2参,量,,N分别代 表 、y 、 、 ,所以P xi 。
0 x L
x b
图1-2
这一优化设计问题是具有两个设计变 量(即x和α)的非线性规划问题。
13
例2:有一圆形等截面的销轴,一端固定,一端作用着集中载荷
F=1000N和扭矩M=100N·m。由于结构需要,轴的长度L不得小于
8cm,已知销轴材料的许用弯曲应力[σW]=120MPa,许用扭转切 应力[τ]=80MPa,允许挠度[f]=0.01cm,密度ρ=7.8t/m3,弹性模量

现代设计黄金分割法、复合形法实验报告

现代设计黄金分割法、复合形法实验报告

《现代设计理论与方法》实验报告一、实验目的机械优化设计是一门实践性较强的课程,学生通过实际上机计算可以达到以下目的:1.加深对机械优化设计方法的基本理论和算法步骤的理解;2.培养学生独立编制或调试计算机程序的能力;3.掌握常用优化方法程序的使用方法;4.培养学生灵活运用优化设计方法解决工程实际问题的能力。

二、实验项目、学时分配及对每个实验项目的要求序号实验项目学时实验要求1 黄金分割法2 1.明确黄金分割法基本原理、计算步骤及程序框图;2.编制或调试黄金分割法应用程序;3.用测试题对所编程序进行测试;4.撰写实验报告。

2 复合形法41.明确复合形法基本原理、计算步骤及程序框图等;2.编制或调试复合形法应用程序;3.用测试题对所编程序进行测试;4.撰写实验报告。

三、测试题1.黄金分割法程序测试题1) ,取,,程序如下:#include<stdio.h>#include<conio.h>#include<math.h>#define e 0.00001#define tt 0.01float function(float x){float y=pow(x,2)-10*x+36;//求解的一维函数 return(y);}void finding(float a[3],float f[3]){float t=tt,a1,f1,ia;int i;a[0]=0;//初始区间的下界值f[0]=function(a[0]);for(i=0;;i++){a[1]=a[0]+t;f[1]=function(a[1]);if(f[1]<f[0]) break;if(fabs(f[1]-f[0])>=e){t=-t;a[0]=a[1];f[0]=f[1];}else{if(ia==1) return;t=t/2;ia=1;}}for(i=0;;i++){a[2]=a[1]+t;f[2]=function(a[2]);if(f[2]>f[1]) break;t=2*t;a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];}if(a[0]>a[2]){a1=a[0];f1=f[0];a[0]=a[2];f[0]=f[2];a[2]=a1;f[2]=f1;}return;}float gold(float *ff){float a1[3],f1[3],a[4],f[4];float aa;int i;finding(a1,f1);a[0]=a1[0];f[0]=f1[0];a[3]=a1[2];f[3]=f1[2];a[1]=a[0]+0.382*(a[3]-a[0]);a[2]=a[0]+0.618*(a[3]-a[0]);f[1]=function(a[1]);f[2]=function(a[2]);for(i=0;;i++){if(f[1]>=f[2]){a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];a[2]=a[0]+0.618*(a[3]-a[0]);f[2]=function(a[2]);}else{a[3]=a[2];f[3]=f[2];a[2]=a[1];f[2]=f[1];a[1]=a[0]+0.382*(a[3]-a[0]);f[1]=function(a[1]);}if((a[3]-a[0])<e){aa=(a[1]+a[2])/2;*ff=function(aa);break;}}return(aa);}void main(){float xx, ff;xx=gold(&ff);printf("\n The Optimal Design Result Is:\n"); printf("\n\tx*=%f\n\tf*=%f", xx, ff);getch();}运行结果:2) ,取,,程序如下:#include<stdio.h>#include<conio.h>#include<math.h>#define e 0.00001#define tt 0.01float function(float x){float y=pow(x,4)-5*pow(x,3)+4*pow(x,2)-6*x+60;//求解的一维函数 return(y);}void finding(float a[3],float f[3]){float t=tt,a1,f1,ia;int i;a[0]=0;//初始区间的下界值f[0]=function(a[0]);for(i=0;;i++){a[1]=a[0]+t;f[1]=function(a[1]);if(f[1]<f[0]) break;if(fabs(f[1]-f[0])>=e){t=-t;a[0]=a[1];f[0]=f[1];}else{if(ia==1) return;t=t/2;ia=1;}}for(i=0;;i++){a[2]=a[1]+t;f[2]=function(a[2]); if(f[2]>f[1]) break;t=2*t;a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];}if(a[0]>a[2]){a1=a[0];f1=f[0];a[0]=a[2];f[0]=f[2];a[2]=a1;f[2]=f1;}return;}float gold(float *ff){float a1[3],f1[3],a[4],f[4];float aa;int i;finding(a1,f1);a[0]=a1[0];f[0]=f1[0];a[3]=a1[2];f[3]=f1[2];a[1]=a[0]+0.382*(a[3]-a[0]);a[2]=a[0]+0.618*(a[3]-a[0]);f[1]=function(a[1]);f[2]=function(a[2]);for(i=0;;i++){if(f[1]>=f[2]){a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];a[2]=a[0]+0.618*(a[3]-a[0]);f[2]=function(a[2]);}else{a[3]=a[2];f[3]=f[2];a[2]=a[1];f[2]=f[1];a[1]=a[0]+0.382*(a[3]-a[0]);f[1]=function(a[1]);}if((a[3]-a[0])<e){aa=(a[1]+a[2])/2;*ff=function(aa);break;}}return(aa);}void main(){float xx, ff;xx=gold(&ff);printf("\n The Optimal Design Result Is:\n");printf("\n\tx*=%f\n\tf*=%f", xx, ff);getch();}运行结果如下:3) ,其中,取,,程序如下:#include<stdio.h>#include<conio.h>#include<math.h>#define e 0.00001#define tt 0.01float function(float x){float y=(x+1)*pow((x-2),2);//求解的一维函数return(y);}void finding(float a[3],float f[3]){float t=tt,a1,f1,ia;int i;a[0]=0;//初始区间的下界值f[0]=function(a[0]);for(i=0;;i++){a[1]=a[0]+t;f[1]=function(a[1]); if(f[1]<f[0]) break;if(fabs(f[1]-f[0])>=e){t=-t;a[0]=a[1];f[0]=f[1];}else{if(ia==1) return;t=t/2;ia=1;}}for(i=0;;i++){a[2]=a[1]+t;f[2]=function(a[2]); if(f[2]>f[1]) break;t=2*t;a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];}if(a[0]>a[2]){a1=a[0];f1=f[0];a[0]=a[2];f[0]=f[2];a[2]=a1;f[2]=f1;}return;}float gold(float *ff){float a1[3],f1[3],a[4],f[4];float aa;int i;finding(a1,f1);a[0]=a1[0];f[0]=f1[0];a[3]=a1[2];f[3]=f1[2];a[1]=a[0]+0.382*(a[3]-a[0]);a[2]=a[0]+0.618*(a[3]-a[0]);f[1]=function(a[1]);f[2]=function(a[2]);for(i=0;;i++){if(f[1]>=f[2]){a[0]=a[1];f[0]=f[1];a[1]=a[2];f[1]=f[2];a[2]=a[0]+0.618*(a[3]-a[0]);f[2]=function(a[2]);}else{a[3]=a[2];f[3]=f[2];a[2]=a[1];f[2]=f[1];a[1]=a[0]+0.382*(a[3]-a[0]);f[1]=function(a[1]);}if((a[3]-a[0])<e){aa=(a[1]+a[2])/2;*ff=function(aa);break;}}return(aa);}void main(){float xx, ff;xx=gold(&ff);printf("\n The Optimal Design Result Is:\n"); printf("\n\tx*=%f\n\tf*=%f", xx, ff);getch();}运行结果如下:2.复合形法程序测试题1)取:程序如下:#include "math.h"#include "stdio.h"#include "stdlib.h"#define E1 0.001#define ep 0.00001#define n 2#define k 4double af;int i,j;double X0[n],XX[n],X[k][n],FF[k];double a[n],b[n];double rm=2657863.0;double F(double C[n]){double F;F=pow(C[0]-2,2)+pow(C[1]-1,2);return F;}int cons(double D[n]){if((D[1]-pow(D[0],2)>=0)&&((2-D[0]-D[1])>=0)) return 1;elsereturn 0;}void bou(){a[0]=-5,b[0]=6;a[1]=-5,b[1]=8;}double r(){double r1,r2,r3,rr;r1=pow(2,35);r2=pow(2,36);r3=pow(2,37);rm=5*rm; if(rm>=r3){rm=rm-r3;}if(rm>=r2){rm=rm-r2;}if(rm>=r1){rm=rm-r1;}rr=rm/r1;return rr;}void produce(double A[n],double B[n]){int jj;double S;s1: for(i=0;i<n;i++){S=r();XX[i]=A[i]+S*(B[i]-A[i]);}if(cons(XX)==0){goto s1;}for(i=0;i<n;i++){X[0][i]=XX[i];}for(j=1;j<k;j++){for(i=0;i<n;i++){S=r();X[j][i]=A[i]+S*(B[i]-A[i]);}}for(j=1;j<k;j++){for(i=0;i<n;i++){X0[i]=0;for(jj=1;jj<j+1;jj++){X0[i]+=X[jj][i];}X0[i]=(1/j)*(X0[i]);}if(cons(X0)==0){goto s1;}for(i=0;i<n;i++){XX[i]=X[j][i];}while(cons(XX)==0){for(i=0;i<n;i++){X[j][i]=X0[i]+0.5*(X[j][i]-X0[i]); XX[i]=X[j][i];}}}}main(){double EE,Xc[n],Xh[n],Xg[n],Xl[n],Xr[n],Xs[n],w; int l,lp,lp1;bou();s111:produce(a,b);s222:for(j=0;j<k;j++){for(i=0;i<n;i++){XX[i]=X[j][i];}FF[j]=F(XX);}for(l=0;l<k-1;l++){for(lp=0;lp<k-1;lp++){lp1=lp+1;if(FF[lp]<FF[lp1]){w=FF[lp];FF[lp]=FF[lp1];FF[lp1]=w;for(i=0;i<n;i++){XX[i]=X[lp][i];X[lp][i]=X[lp1][i];X[lp1][i]=XX[i]; }}}}for(i=0;i<n;i++){Xh[i]=X[0][i];Xg[i]=X[l][i];Xl[i]=X[k-1][i];}for(i=0;i<n;i++){Xs[i]=0;for(j=0;j<k;j++){Xs[i]+=X[j][i];}Xs[i]=1/(k+0.0)*Xs[i];}EE=0;for(j=0;j<k;j++){EE+=pow((FF[j]-F(Xs)),2); }EE=pow((1/(k+0.0)*EE),0.5); if(EE<=E1){goto s333;}for(i=0;i<n;i++){Xc[i]=0;for(j=1;j<k;j++){Xc[i]+=X[j][i];}Xc[i]=1/(k-1.0)*Xc[i]; }if(cons(Xc)==1){af=1.3;ss:for(i=0;i<n;i++){Xr[i]=Xc[i]+af*(Xc[i]-Xh[i]); }if(cons(Xr)==1){if(F(Xr)>=F(Xh)){if(af<=ep){for(i=0;i<n;i++){Xh[i]=Xg[i];}af=1.3;goto ss;}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){X[0][i]=Xr[i];}goto s222;}}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){if(Xl[i]<Xc[i]){a[i]=Xl[i];b[i]=Xc[i];}else{a[i]=Xc[i];b[i]=Xl[i];}}goto s111;}s333:printf("F(Xmin)=%f\n",F(Xl));for(i=0;i<n;i++){printf("\n The X%d is %f.",i,Xl[i]); }}运行结果如下:2)取:程序如下:#include "math.h"#include "stdio.h"#include "stdlib.h"#define E1 0.001#define ep 0.00001#define n 4#define k 6double af;int i,j;double X0[n],XX[n],X[k][n],FF[k];double a[n],b[n];double rm=2657863.0;double F(double C[n]){double F;F=100*pow(C[1]-C[0],2)+pow(1-C[0],2)+90*pow(C[3]-(pow(C[2],2)),2)+pow(1-C[2],2)+10*(pow(C[0]-1,2)+pow(C[3]-1,2))+19.8*(C[1]-1)*(C[3]-1);return F;}int cons(double D[n]){if((D[0]>=-10)&&(D[1]>=-10)&&(D[2]>=-10)&&(D[3]>=-10)&&(D[0]<=10)&&(D[1]<=10)&&(D[2]<=10)&&(D[3]<=10))return 1;elsereturn 0;}void bou(){a[0]=-10,b[0]=10;a[1]=-10,b[1]=10;a[2]=-10,b[2]=10;a[3]=-10,b[3]=10;}double r(){double r1,r2,r3,rr;r1=pow(2,35);r2=pow(2,36);r3=pow(2,37);rm=5*rm;if(rm>=r3){rm=rm-r3;}if(rm>=r2){rm=rm-r2;}if(rm>=r1){rm=rm-r1;}rr=rm/r1;return rr;}void produce(double A[n],double B[n]){int jj;double S;s1: for(i=0;i<n;i++){S=r();XX[i]=A[i]+S*(B[i]-A[i]);}if(cons(XX)==0){goto s1;}for(i=0;i<n;i++){X[0][i]=XX[i];}for(j=1;j<k;j++){for(i=0;i<n;i++){S=r();X[j][i]=A[i]+S*(B[i]-A[i]); }}for(j=1;j<k;j++){for(i=0;i<n;i++){X0[i]=0;for(jj=1;jj<j+1;jj++){X0[i]+=X[jj][i];}X0[i]=(1/j)*(X0[i]);}if(cons(X0)==0){goto s1;}for(i=0;i<n;i++){XX[i]=X[j][i];}while(cons(XX)==0){for(i=0;i<n;i++){X[j][i]=X0[i]+0.5*(X[j][i]-X0[i]);XX[i]=X[j][i];}}}}main(){double EE,Xc[n],Xh[n],Xg[n],Xl[n],Xr[n],Xs[n],w; int l,lp,lp1;bou();s111:produce(a,b);s222:for(j=0;j<k;j++){for(i=0;i<n;i++){XX[i]=X[j][i];}FF[j]=F(XX);}for(l=0;l<k-1;l++){for(lp=0;lp<k-1;lp++){lp1=lp+1;if(FF[lp]<FF[lp1]){w=FF[lp];FF[lp]=FF[lp1];FF[lp1]=w;for(i=0;i<n;i++){XX[i]=X[lp][i];X[lp][i]=X[lp1][i];X[lp1][i]=XX[i]; }}}}for(i=0;i<n;i++){Xh[i]=X[0][i];Xg[i]=X[l][i];Xl[i]=X[k-1][i];}for(i=0;i<n;i++){Xs[i]=0;for(j=0;j<k;j++){Xs[i]+=X[j][i];}Xs[i]=1/(k+0.0)*Xs[i];}EE=0;for(j=0;j<k;j++){EE+=pow((FF[j]-F(Xs)),2);}EE=pow((1/(k+0.0)*EE),0.5);if(EE<=E1){goto s333;}for(i=0;i<n;i++){Xc[i]=0;for(j=1;j<k;j++){Xc[i]+=X[j][i];}Xc[i]=1/(k-1.0)*Xc[i];}if(cons(Xc)==1){af=1.3;ss:for(i=0;i<n;i++){Xr[i]=Xc[i]+af*(Xc[i]-Xh[i]); }if(cons(Xr)==1){if(F(Xr)>=F(Xh)){if(af<=ep){for(i=0;i<n;i++){Xh[i]=Xg[i];}af=1.3;goto ss;}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){X[0][i]=Xr[i];}goto s222;}}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){if(Xl[i]<Xc[i]){a[i]=Xl[i];b[i]=Xc[i];}else{a[i]=Xc[i];b[i]=Xl[i];}}goto s111;}s333:printf("F(Xmin)=%f\n",F(Xl));for(i=0;i<n;i++){printf("\n The X%d is %f.",i,Xl[i]); }}运行结果下:3)取:程序如下:#include "math.h"#include "stdio.h"#include "stdlib.h"#define E1 0.001#define ep 0.00001#define n 2#define k 4double af;int i,j;double X0[n],XX[n],X[k][n],FF[k];double a[n],b[n];double rm=2657863.0;double F(double C[n]){double F;F=pow(C[0],2)+pow(C[1],2)-C[0]*C[1]-10*C[0]-4*C[1]+60; return F;}int cons(double D[n]){if((D[0]>=0)&&(D[1]>=0)&&(6-D[0]>=0)&&(8-D[1]>=0)) return 1;elsereturn 0;}void bou(){a[0]=0,b[0]=6;a[1]=0,b[1]=8;}double r(){double r1,r2,r3,rr;r1=pow(2,35);r2=pow(2,36);r3=pow(2,37);rm=5*rm;if(rm>=r3){rm=rm-r3;}if(rm>=r2){rm=rm-r2;}if(rm>=r1){rm=rm-r1;}rr=rm/r1;return rr;void produce(double A[n],double B[n]) {int jj;double S;s1: for(i=0;i<n;i++){S=r();XX[i]=A[i]+S*(B[i]-A[i]);}if(cons(XX)==0){goto s1;}for(i=0;i<n;i++){X[0][i]=XX[i];}for(j=1;j<k;j++){for(i=0;i<n;i++){S=r();X[j][i]=A[i]+S*(B[i]-A[i]);}}for(j=1;j<k;j++){for(i=0;i<n;i++){X0[i]=0;for(jj=1;jj<j+1;jj++){X0[i]+=X[jj][i];X0[i]=(1/j)*(X0[i]);}if(cons(X0)==0){goto s1;}for(i=0;i<n;i++){XX[i]=X[j][i];}while(cons(XX)==0){for(i=0;i<n;i++){X[j][i]=X0[i]+0.5*(X[j][i]-X0[i]);XX[i]=X[j][i];}}}}main(){double EE,Xc[n],Xh[n],Xg[n],Xl[n],Xr[n],Xs[n],w; int l,lp,lp1;bou();s111:produce(a,b);s222:for(j=0;j<k;j++){for(i=0;i<n;i++){XX[i]=X[j][i];FF[j]=F(XX);}for(l=0;l<k-1;l++){for(lp=0;lp<k-1;lp++){lp1=lp+1;if(FF[lp]<FF[lp1]){w=FF[lp];FF[lp]=FF[lp1];FF[lp1]=w;for(i=0;i<n;i++){XX[i]=X[lp][i];X[lp][i]=X[lp1][i];X[lp1][i]=XX[i]; }}}}for(i=0;i<n;i++){Xh[i]=X[0][i];Xg[i]=X[l][i];Xl[i]=X[k-1][i];}for(i=0;i<n;i++){Xs[i]=0;for(j=0;j<k;j++){Xs[i]+=X[j][i];}Xs[i]=1/(k+0.0)*Xs[i];}EE=0;for(j=0;j<k;j++){EE+=pow((FF[j]-F(Xs)),2);}EE=pow((1/(k+0.0)*EE),0.5);if(EE<=E1){goto s333;}for(i=0;i<n;i++){Xc[i]=0;for(j=1;j<k;j++){Xc[i]+=X[j][i];}Xc[i]=1/(k-1.0)*Xc[i];}if(cons(Xc)==1){af=1.3;ss:for(i=0;i<n;i++){Xr[i]=Xc[i]+af*(Xc[i]-Xh[i]); }if(cons(Xr)==1){if(F(Xr)>=F(Xh)){if(af<=ep){for(i=0;i<n;i++){Xh[i]=Xg[i];}af=1.3;goto ss;}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){X[0][i]=Xr[i];}goto s222;}}else{af=1/2.0*af;goto ss;}}else{for(i=0;i<n;i++){if(Xl[i]<Xc[i]){a[i]=Xl[i];b[i]=Xc[i];} else{a[i]=Xc[i];b[i]=Xl[i];}}goto s111;}s333:printf("F(Xmin)=%f\n",F(Xl));for(i=0;i<n;i++){printf("\n The X%d is %f.",i,Xl[i]);}}运行结果如下:四、实验心得与体会1.通过本次实验熟悉了黄金分割法与复合形法上机步骤。

现代设计理论与方法(优化设计第二章)

现代设计理论与方法(优化设计第二章)
证明:作变换 X Y Q b 式中: (Y ) f (Y Q 1b)
1
致 1 结论:Q为正定矩阵的二次型 Y QY 的等值面是以 Y 0知 2 的同心椭球面族。原二次函数就是以 X Q b 为中 力 行 心的同心椭球面族,椭圆中心为极小值点。
0
f x2
f xn x
T
0
明 德x0
f i 1 xi
n
cos i f ( x0 )T d f ( x0 ) cos(f , d )
x0
多元函数的梯度的模:
f 1/ 2 f ( x0 ) [ ( ) ] i 1 xi x0
x2 1
该方向上的单位向量为
4 2 2 5 0 5 f ( x ) e 0 2 2 1 f ( x ) 4 (2) 5 5
2 2 1 0 5 5 5 5 新点 x x1 x 0 e 1 1 1 5 1 5 5 5
明 德 任 责
Q为对称矩阵,f ( X ) X T QX
二次型
f ( X ) 致 2QX
知 力 行
第二节 多元函数的泰勒展开
1、一元函数
f x 在
x x0
点处的泰勒展开为:
1 x0 x f x0 x 2 f x f x0 f 2
f x1 x x2 x 2 0
2 f x1x2 x1 2 x f 2 致 2 知 x2 x
0
明 德 任 责
力 行
2 f x12 令 G ( x0 ) 2 f x x 2 1

结构优化设计理论与方法研究

结构优化设计理论与方法研究

结构优化设计理论与方法研究随着现代工程技术的不断发展和进步,结构优化设计已成为了工程领域中的一个重要问题。

无论是大型建筑、航空航天、交通运输还是能源领域,都离不开结构优化设计的理论和方法。

在这个领域中,设计者需要通过分析和优化结构的形态和材料,来确定最佳的设计方案。

一、优化设计的基本原理优化设计的基本原理是通过对结构进行多种参数优化,以达到最佳设计方案。

在设计过程中,要考虑到各种限制条件,并确定问题的最优解。

将这个过程数学化,可以得到一个最小值问题。

这个问题的解决就需要使用优化算法。

例如,最常使用的方法是全局优化方法,如遗传算法、模拟退火法、差分进化算法等。

对于多目标优化问题,则需根据不同的目标设定权重,将问题转化为单一目标优化问题。

在这一过程中,必须考虑到多种重要因素,例如结构的重量、安全、经济和环保等等。

二、常见的优化设计方法1. 拓扑优化拓扑优化是指在不改变结构物体积的情况下,寻找最优形态的过程。

这种优化方法主要基于有限元分析(finite element analysis,FEA),对设计中的有限元进行重新分区,以改善其力学性能。

在拓扑优化中,通过选择优化变量,对结构的所有点进行重分布,以寻找最优解。

2. 几何形状优化几何形状优化是基于有限元分析的三维几何模型进行优化,通过优化材料的位置来改进结构的性能。

这种优化方法通常是基于梁、板和壳体的理论模型,并考虑到材料的特性,设计出最优的结构形态。

3. 材料优化材料优化是指通过改变结构的材料类型、厚度和比例来优化其性能。

这种优化方法通常需要进行复杂的有限元分析,以确定结构所需的最佳材料和厚度。

在材料优化中,通常需要考虑材料的拉伸、压缩、剪切力学和疲劳破坏等因素。

4. 多目标优化多目标优化是指在结构中考虑多种因素的优化问题。

在多目标优化中,设计者需要将不同的优化目标进行权重分配,并确定最佳的综合方案。

例如,设计者需要同时考虑结构的造价、稳定性和安全性等重要因素。

现代设计理论与方法-优化设计

现代设计理论与方法-优化设计
(4)遗传算法使用概率搜索技术。遗传算法的选 择、交叉、变异等运算都是以一种概率的方式来 进行的,因而遗传算法的搜索过程具有很好的灵 活性。随着进化过程的进行,遗传算法新的群体 会更多地产生出许多新的优良的个体
第二十页,共57页。
传统搜索方法
第二十一页,共57页。
遗传算法简介
遗传算法简称GA(Genetic Algorithm),最 早 由 美 国 Michigan 大 学 的 J. Holland 教 授 提 出 (于上世纪60-70年代,以1975年出版的一本著作 为代表),模拟自然界遗传机制和生物进化论而成 的一种并行随机搜索最优化方法。
设计常量:可以根据客观规律或具体条件预先确定 的参数,如材料的力学性能,机器的工况系数等。
设计变量:在设计过程中不断变化,需要在设计过 程中进行选择的基本参数,称为设计变量,如几何尺 寸、速度、加速度、温度等。
第二页,共57页。
优化设计实例
设计一密闭矩形容器,其容积为3m3,容器的宽度 不小于1.5m,以便于装卸车搬运,为使成本最低, 要求用料最省。
第二十八页,共57页。
若只有选择和交叉,而没有变异,则无法在初 始基因组合以外的空间进行搜索,使进化过程在 早期就陷入局部解而进入终止过程,从而影响解 的质量。为了在尽可能大的空间中获得质量较高 的优化解,必须采用变异操作。
第二十九页,共57页。
遗传算法的特点
(1)遗传算法是对参数的编码进行操作,而非对 参数本身,这就是使得我们在优化计算过程中可 以借鉴生物学中染色体和基因等概念,模仿自然 界中生物的遗传和进化等机理
第十页,共57页。
3)分类 按约束条件,又可分为性能约束和边界约束。 (1)性能约束 是针对设计对象的某种性能或指标而给出

现代设计方法-优化设计

现代设计方法-优化设计

x2
g(X) 0 g(X) 0
x2
h(X ) 0 h(X ) 0
g(X) 0
h(X ) 0
x1
x1
在一个优化设计问题的设计空间中,满足所有
约束条件的点构成的子空间,称为可行域。
➢ 满足所有约束条件的点称为可行点(内点和边界点) ➢ 不满足所有约束条件的点称为非可行点(外点)
约束条件:
g1( X ) x12 x22 16 0 g2 ( X ) 2 x2 0
由n个设计变量 x1, x2 ,, xn 为坐标所组成的实空间称作
设计空间。一个“设计”,可用设计空间中的一点表示。
设计变量所组成的设计空间
x2
x3
X =[x1 x2]T
X=[ x1 x2 x3 ]T
x1
x2
二维设计空间
x1
三维设计空间
思考:四维空间、五维空间、……,n维空间怎么表示?
设计空间的维数表征设计的自由度,设计变量越多, 则设计的自由度越大、可供选择的方案越多,设计越 灵活,但难度也越大、求解也越复杂。
规格 1080 1040
970
方案
根数

0
1
2

0
0
3

2
0
0
每根棒料料头长度
3000-1×1040-2×970 = 20 3000-3×970 = 90
3000-2×1080 = 840
设每一种下料方案中下料根数为 x1, x2 , x3 ,则下料料
头最少的目标函数为:
min f ( X ) 20x1 90x2 840x3
约束条件
一个可行设计必须满足某些设计限制条件,这些 限制条件称作约束条件,简称约束。

优化设计的实验报告

优化设计的实验报告

优化设计的实验报告一、设计目的和背景现代工程设计中,优化设计是提高产品性能和降低成本的重要手段之一、优化设计的目标是通过合理的设计改进产品的形状、结构、材料和工艺等方面,使得产品在给定的约束条件下达到最优性能。

本实验旨在通过优化设计的方法,提高一个结构件的刚度。

二、实验内容实验采用有限元分析软件对原始结构件进行建模和分析,确定初始的结构刚度。

然后,在对初始结构进行可行性分析的基础上,采用一种优化算法,按照给定的约束条件进行优化设计,得到改进后的结构。

最后,再次使用有限元分析软件对改进后的结构进行分析,得到新的结构刚度。

三、实验步骤1.建立原始结构件的有限元模型。

首先,使用有限元分析软件将原始结构件的几何形状转换为一个虚拟三维模型。

然后,在模型上划分网格,并设置结构件材料的力学参数,以及边界条件等。

2.进行有限元分析。

对于原始结构件的有限元模型,进行静态或动态分析,得到相应的位移和应力场。

3.可行性分析。

根据分析结果,评估是否存在结构刚度不足问题,以及可能的改进方向。

4.优化设计。

根据可行性分析的结果,选择一种适当的优化算法进行设计优化。

将原始结构件的有限元模型作为初始解,通过迭代更新模型参数,直到满足约束条件。

5.进行新结构的有限元分析。

在得到优化后的结构模型后,使用有限元分析软件进行新结构的分析,得到新的位移和应力场。

6.结果分析和比较。

对比优化前后的分析结果,分析改进的效果,验证优化设计的可行性和有效性。

四、实验结果和分析根据实验中的步骤,首先对原始结构进行有限元分析,得到其初始的位移和应力场。

然后,根据初始分析结果进行可行性分析,发现结构刚度不足的问题。

在优化设计过程中,采用遗传算法对结构进行优化,设置约束条件为使结构刚度提高20%。

经过多次迭代后,得到优化后的结构。

最后,再次进行有限元分析,得到新的位移和应力场。

通过对比优化前后的分析结果,发现新结构在刚度方面有了显著的提高,并且在位移和应力方面也有所改善。

现代设计理论与方法优化设计法和创造性设计法

现代设计理论与方法优化设计法和创造性设计法

现代设计理论与方法优化设计法和创造性设计法优化设计法是一种通过系统分析、建模和优化算法,以寻求最佳设计或最优解的方法。

它的主要思想是将设计问题转化为一个数学模型,通过对模型进行优化,找到最佳解决方案。

优化设计法以效率和效果最大化为目标,可以应用于各个领域的设计中。

优化设计法的基本步骤主要包括:定义设计目标和限制条件,建立数学模型,选择适当的优化算法,进行优化计算,评估结果并进行调整。

在现代工程设计中,优化设计法被广泛应用于各种领域,如结构设计、产品设计、系统设计等。

通过优化设计法,可以提高设计效率、降低成本、增加产品性能等。

与优化设计法相对应的是创造性设计法。

创造性设计法是一种通过创新和想象来解决设计问题的方法。

它的核心思想是鼓励设计师发散思维,跳出传统思维模式,寻找创新的解决方案。

创造性设计法的基本步骤主要包括:明确设计问题,收集相关信息,进行头脑风暴和联想,生成创意解决方案,评估和改进。

创造性设计法强调灵感、想象和创新,它可以激发设计师的创造力,帮助他们找到具有差异化和独特性的设计方案。

在现代设计中,创造性设计法被广泛应用于各种领域,如艺术设计、工业设计、交互设计等。

优化设计法和创造性设计法在实践中常常相互结合。

优化设计法通过算法和数学模型提供了一种系统化的方法来解决设计问题,而创造性设计法则提供了一种创新的思维方式来激发创造力。

综上所述,现代设计理论与方法包括了优化设计法和创造性设计法。

优化设计法强调效率和效果的最优化,创造性设计法则强调创新和想象力的发扬。

两者可以相互配合,为设计师提供全面的解决方案,提高设计效率和设计品质。

现代设计理论

现代设计理论

“现代设计理论”资料合集目录一、现代设计理论和方法的研究二、西方传统与现代设计理论和方法的反思三、基于现代设计理论的车身结构设计方法研究四、现代设计理论和方法的研究五、液力变矩器现代设计理论的研究六、面向信息时代的机械产品现代设计理论与方法研究进展现代设计理论和方法的研究随着科技的飞速发展和社会的不断进步,现代设计的理论和方法也在日新月异地变化。

面对复杂且多元化的设计问题,我们需要有创新、系统、全面的设计理念和策略来应对。

本文将对现代设计理论和方法的研究进行探讨。

现代设计理论的发展可以说是多方位、多层次的。

其中,最具影响力的设计理论主要包括人机工程学、设计心理学、可持续设计等。

这些理论为我们的设计提供了坚实的理论基础和实践指南。

人机工程学,也称为人因工程或者人体工程学,是研究人与机器、环境之间相互作用的科学。

它着重于理解和应用人的生理、心理特征,以此来提高机器、工具、设备等的使用效率,增加人的舒适度和安全性。

设计心理学是研究人的心理需求和行为的设计科学。

它的是如何通过设计来满足人的心理需求,提高人的生活质量。

设计心理学的研究成果被广泛应用于产品、服务、环境等各个领域的设计中。

可持续设计是一种综合考虑环境、经济、社会三重效益的设计理念。

它旨在通过设计来减少对环境的负面影响,提高资源的利用效率,推动社会的可持续发展。

现代设计方法的研究也呈现出多元化的趋势。

其中,比较具有代表性的方法包括创新设计、绿色设计、服务设计等。

创新设计是一种基于创新思维和创新能力的设计方法。

它强调在设计过程中充分发挥创新思维,通过研究和分析用户需求,提出新颖、独特的设计方案。

绿色设计是一种注重环境保护的设计方法。

它强调在设计过程中考虑资源的有效利用、减少废弃物的产生、降低能源消耗等方面的问题,以实现可持续发展。

西方传统与现代设计理论和方法的反思西方设计理论和方法的演进历程是一部反映人类社会文化、科技和经济变迁的历史。

传统设计与现代设计作为这个历程中的两个重要阶段,各有其独特的理论体系和方法特点。

现代设计理论与方法 优化设计

现代设计理论与方法 优化设计

2.1.2 优化设计的一般过程
机械设计的全过程一般可分为:
1.设计问题分析 2.建立优化设计的数学模型。 3.选择适当的优化方法。 4.编写计算机程序,计算择优。
2.1.3 优化设计的数学模型 1、建立数学模型的基本原则 数学模型的建立要求确切、简洁的反映 工程问题。 2、数学模型的三要素 设计变量、目标函数、约束条件。
2.1.3 优化设计的数学模型 3、优化设计数学模型建立实例 1)设计变量的确定
决定机构尺寸的各杆长度,以及当摇杆按已 知运动规律开始运动时,曲柄所处的位臵角φ0 为设计变量。
X [ x1
x2
x3
x4
x 5 ] [ l1 l 2 l 3 l 4 0 ]
T
T
2.1.3 优化设计的数学模型 3、优化设计数学模型建立实例 2)目标函数的建立
2.1.5 优化问题数学模型的求解方法
1)图解法的求解的步骤
(1)确定设计空间;
(2)作出约束可行域;
(3)画出目标函数的一簇等值线; (4)最后判断确定最优点。
2.1.5 优化问题数学模型的求解方法 2)图解法的求解实例
生产甲产品一件获利60元,生产乙产品一 件获利120元,受条件约束,如何安排生产可获 最大利润? 目标函数:f(X)=一60x1一120x2
ar) 2 l2l3
2
] 0
2.1.3 优化设计的数学模型 3、优化设计数学模型建立实例 设计变量的确定
X [ x1 x2 x3 x4 x 5 ] [ l1
T
l2
l3
l4 0 ]
T
考虑到机构的杆长按比例变化时,不会改 变其运动规律,因此在计算时常取l1=1 ,而其 他杆长按比例取为l1 的倍数。

现代设计方法优化设计

现代设计方法优化设计

现代设计方法优化设计
现代设计方法的优化设计涉及到多个方面,以下是一些常用的优化设计方法:1. 用户研究:通过深入了解用户的需求、行为和心理,设计师可以更好地理解用户的需求和问题,从而针对性地进行优化设计。

2. 原型设计:通过制作原型,设计师可以在较短的时间内对设计进行迭代和验证,以找出最佳方案。

3. 数据驱动设计:通过收集和分析大量的用户数据,设计师可以发现用户行为和需求的模式,从而通过数据驱动来进行优化设计。

4. 用户测试:在设计的不同阶段,引入用户参与测试和反馈,可以发现设计中的问题和不足,及时进行调整和优化。

5. 敏捷设计:采取迭代式的设计方法,通过快速原型和快速反馈,不断进行调整和优化,以提高设计效果和用户满意度。

6. 跨学科合作:在设计过程中,与不同领域的专家合作,如工程师、市场营销人员等,可以综合各方专长,实现更好的设计优化。

7. 可持续设计:考虑到环境和社会的可持续性,在设计中采用可再生材料、低能耗、低污染等策略,以实现可持续发展的设计。

现代设计方法的优化设计

现代设计方法的优化设计

现代设计方法的优化设计现代设计方法的优化设计是指通过对设计流程、工具和方法进行改进,以提高设计效率和质量。

优化设计旨在减少设计中的资源浪费,优化设计结果,降低产品开发成本和周期,并增加产品竞争力。

现代设计方法的优化设计涵盖了许多方面,以下将详细叙述几个重要的方面。

首先,现代设计方法的优化设计侧重于提升设计流程的效率。

传统的设计流程中存在许多流程瓶颈和不必要的重复工作。

现代设计方法注重流程规范化,通过建立标准化的设计流程、流程文档和各项指标,可以有效地减少流程中的误差和重复工作。

此外,现代设计方法还借鉴了敏捷开发和快速迭代的理念,将设计流程划分为多个阶段,每个阶段都有严格的时间和成果要求。

这样可以提高设计团队的工作效率,加快产品开发速度。

其次,现代设计方法的优化设计还涉及到工具的应用。

随着计算机和网络技术的发展,设计工具的功能和性能不断提升。

现代设计方法充分利用了这些高级工具,如CAD、CAE、CAM等,使设计师能够更加方便地进行设计和仿真分析。

例如,CAD软件可以实现快速、精确的三维建模,大大减少了传统手工绘图的工作量;CAE软件可以对产品进行多物理场仿真,为设计决策提供了科学的依据;CAM 软件可以实现自动化的数控编程,提高了产品加工的精度和效率。

通过充分利用这些高级工具,设计团队可以更加准确地进行设计,并快速优化设计结果。

而且,现代设计方法的优化设计还包括了对设计方法的改进。

传统设计方法中,设计师往往是通过经验和直觉进行设计,容易出现主观因素的影响。

现代设计方法通过引入系统化和科学化的方法,将设计过程转化为一种系统工程,从而能够更加客观地进行设计。

例如,TRIZ(理论与创造性问题解决方法)是一种可以帮助设计师发现创新解决方案的方法,它通过分析和运用已有的创新原理,引导设计师避免常见的设计陷阱,快速找到创新解决方案。

而六西格玛(Six Sigma)则是一种通过统计分析来提高产品质量和流程效率的方法,它强调减少变异,并通过数据驱动的方法实现过程改进。

现代设计理论与方法

现代设计理论与方法

现代设计理论与方法第一章1现代设计理论与方法是一门基于思维科学、信息科学、系统工程、计算机技术等学科,研究产品设计规律、设计技术和工具、设计实施方法的工程技术科学。

2设计的概念,广义概念是指对发展过程的安排,包括发展的方向、程序、细节及达到的目标。

狭义概念是指将客观需求转化为满足需求的技术系统(或技术过程)的活动。

3设计的含义:为了满足人类与社会的功能要求,将预定的目标通过人们创造性思维,经过一系列规划、分析和决策,产生载有相应的文字、数据、图形等信息的技术文件,以取得最满意的社会与经济效益,这就是设计。

4设计的特征:需求特征、创造性特征、程序特征、时代特征。

5设计的四个发展阶段:直觉设计阶段、经验设计阶段、半理论半经验设计阶、现代设计阶6现代设计与传统设计的区别:传统设计:以经验总结为基础,运用力学和数学而形成的经验、公式、图表、设计手册等作为设计的依据,通过经验公式、近似系数或类比等方法进行设计。

传统设计方法基本上是一种以静态分析、近似计算、经验设计、手工劳动为特征的设计方法。

现代设计:是一种基于知识的,以动态分析、精确计算、优化设计和CAD为特征的设计方法。

7现代设计方法与传统设计方法相比,主要完成了以下几方面的转变:1)产品结构分析的定量化;2)产品工况分析的动态化;3)产品质量分析的可靠性化;4)产品设计结果的最优化;5)产品设计过程的高效化和自动化。

8现代产品设计按其创新程度可分为:开发性设计、话应性设计、变形设计三种类型。

第二章1功能分析组合方法:求总功能(黑箱法)分功能求解方法(调查分析法、创造性方法、设计目录法)原理解组合(形态分析法)第三章1创造技法:(一)集体激智法:(专题会议法,德尔菲法,635法)通过多人的集体讨论和书面交流,互相启迪,并发灵感,进而引起创造性思维的连锁反应,形成综合创新思路的一种创新技法。

(二)提问追溯法:(奥斯本提问法,阿诺尔特提问法,5W-1H提问法)是通过对问题进行分析和推理来扩展思路,或将复杂的问题加以分解,找到各种影响因素,从而扎到问题的解决方案的一种创造性技法。

现代设计方法第12章 优化设计-一维优化

现代设计方法第12章 优化设计-一维优化


图12-6 0.618法新、旧区间的几何关系
首次区间缩短率为: 再次区间缩短率为:
现代设计方法——最优化设计
l L
(L l) l
根据每次区间缩短率相等的原则,则有

l (L l) L l
由此得
2
l 2 L( L l ) 0

l l 1 0 ,或 L L
第12讲 最优化设计——一维优化
12 一维优化方法
求解一维目标函数 f (X ) 最优解的过程,称为一维优化(或一维搜索), 所使用的方法称为一维优化方法。
一维优化方法,它不仅可用来解决一维目标函数的求优问题,且 常用于多维优化问题在既定方向上寻求最优步长的一维搜索。
由前数值迭代法可知,求某目标函数的最优值时,迭代过程每一 步的格式都是从某一定点 X (k )出发,沿着某一使目标函数下降的规定方 向 S (k ) 搜索,以找出此方向的极小点 X ( k 1) 。这一过程是各种最优化方 法的一种基本过程。 在此过程中因 X (k ) 、 S (k ) 已确定,要使目标函数值为最小,只需找 到一个合适的步长 (k ) 就可以了。这也就是说,在任何一次迭代计算 过程中,当起步点 X (k ) 和搜索方向 S (k ) 确定之后,就把求多维目标函 数极小值这个多维问题,化解为求一个变量(步长因子α )的最优值 (k ) 的一维问题。
现代设计方法——最优化设计
图12-5 黄金分割法的序列消去原理
(2) 若 f(α 1) > f(α 2),显然,极小点必位于[α 1,b]内,因而可 去掉区间[a,α 1],得到新区间[α 1,b],如图12-5(b)所示; (3) 若 f(α 1) = f(α 2),极小点应在区间[α 1,α 2]内,因而可去 掉[a,α 1] 或 [α 2,b],甚至将此二段都去掉,如图12-5(c)所示。

现代设计方法第六章 优化设计方法 (1-4)无约束优化 单形替换法

现代设计方法第六章 优化设计方法 (1-4)无约束优化 单形替换法

选取 X 1 , X 2 , X 3 为顶点作初始单纯形。 计算各顶点的函数值 f ( X 1 ) ,f ( X 2 ) ,f ( X 3 ) 。 计算形心点 X 4 、反射点 X 5 、扩张点 X 6 。
函数值比较, 顶点替换, 单纯形变换形状位置。
三、单形替换法的具体实例
目标函数 f ( X ) = 4( x1 − 5) 2 + ( x 2 − 6) 2 的极小值求解过程动画演示
X1X 4 方向上的所有点都比最差点差。
缩边:
这时不能沿着此方向进行搜索,应该以最好点为中心,将单纯形 进行缩边,使顶点 X 1 , X 2 向 X 3 移近一半的距离,得到新的单纯 形 { X 3 , X 9 , X 10 } ,在此基础上继续进行寻优。
二、单形替换法的实现过程

f ( X ) > f ( X1)
二、单形替换法的实现过程
反射、扩张、收缩、缩边
二、单形替换法的实现过程
设 二 维 目 标 函 数 为 f ( X ) = f ( x1 , x 2 ) ,在 平 面 x1 − x 2 上 X 1 , X 2 , X 3 为 线 性 独 立 三 个 点 ,并 以 它 们 为 顶 点 构 造 初 始 单 纯 形 — — 三 角 形 。计 算 这 三 个 顶 点处的函数值 f (X1) , f (X 2) , f (X 3) 并作比较。
X3
X 5 代替 X 1 构 成 新 的单纯
形 {X 2 , X 3 , X 5 } 。
x1
X1 函数值下降方向 O
二、单形替换法的实现过程

f ( X1) > f ( X 5 ) ≥ f ( X 2 )
若反射点的函数值 f ( X 5 ) 小于最差点的函数值 f ( X1 ) 但大于次差点的函数值 f ( X 2 )

现代设计方法的优化设计

现代设计方法的优化设计

现代设计方法的优化设计
现代设计方法的优化设计主要包括以下几个方面:
1. 综合利用设计软件和计算机辅助设计技术:现代设计方法借助设计软件和计算机辅助设计技术,可以快速高效地进行设计。

利用计算机模拟和仿真技术,可以对设计进行多次迭代和优化,减少试制成本,提高设计质量和效率。

2. 引入多学科综合设计方法:现代设计方法强调多学科之间的协同合作。

可以将不同学科的专家和设计团队进行集成,共同参与设计过程,利用各自的专业知识和技术,解决设计中的各种问题,达到优化设计的目的。

3. 运用优化算法进行设计:优化算法是一种数学方法,可以通过数学模型和计算方法来求解最优设计方案。

现代设计方法可以借助优化算法,对设计参数进行优化,使其达到最佳状态。

4. 质量功能展开(QFD)方法:质量功能展开是一种将顾客需求转化为技术要求的方法。

现代设计方法可以运用QFD方法,将顾客需求分解为各个技术要求,并通过对技术要求的优化设计,最终满足顾客需求。

5. 敏捷设计方法:敏捷设计方法是一种强调快速迭代和快速反馈的设计方法。

现代设计方法可以借鉴敏捷设计方法,通过快速的设计和反馈循环,不断进行设计迭代,优化设计方案。

总之,现代设计方法的优化设计主要通过综合利用设计软件和计算机辅助设计技术、引入多学科综合设计方法、运用优化算法进行设计、应用质量功能展开方法以及借鉴敏捷设计方法等手段,提高设计效率和质量,实现设计的优化。

结构优化设计的理论与实践

结构优化设计的理论与实践

结构优化设计的理论与实践第一章:绪论结构优化设计是指在保证结构强度、刚度、稳定性等基本要求的前提下,通过计算机模拟分析,对结构进行合理的形状、尺寸和材料参数的选择,使得结构在满足功能要求的前提下,重量尽量轻、构造紧凑、材料利用率高的设计方法。

结构优化设计是现代工程高效设计的重要手段之一,已经被广泛应用于轮船、飞机、汽车、建筑等领域,成效显著。

本文将从理论和实践两个方面探究结构优化设计的基本理论、方法以及应用案例,旨在深入探究结构优化设计的发展现状以及未来趋势。

第二章:结构优化设计的理论基础结构优化设计理论的基础是传统结构设计理论及其求解方法,结构优化设计则采用了现代优化理论和计算力学方法。

1. 优化理论优化设计理论主要包括多目标优化方法、动态规划方法、遗传算法等多种优化算法。

多目标优化方法是指将多个不同的、相互矛盾的目标函数进行优化,通过确定各个目标函数相对权重,找到一个尽量平衡的解决方案。

动态规划方法是一种基于DP算法的最优化方法,主要通过对整个问题空间的搜索,找到使得目标函数最优的解。

遗传算法则是通过模拟生物进化过程,产生新的个体解,并运用自然选择等筛选机制,得到最优解的一种计算机模拟方法。

2. 计算力学方法计算力学方法是将材料力学知识融入结构设计中的一种方法,主要包括有限元法、有限差分法、模态分析等方法。

其中有限元法是应用最为广泛的一种计算力学方法,主要利用网格模型对结构进行建模,采用数值求解方法计算出结构各点的应力、位移等物理量,通过分析这些物理量的变化情况,评价结构的稳定性、强度等。

第三章:结构优化设计的实践应用1. 航空航天领域航空航天领域是结构优化设计应用的典型案例之一,航空航天器的质量和性能直接关系到它的飞行能力。

现在,结构优化设计已经成为航空航天器设计的一个重要环节。

利用优化设计方法,可以有效地降低航空航天器的整体重量,提高空中性能。

2. 汽车领域汽车作为现代城市生活的必需品,其结构设计同样对其性能和安全性有着重要的影响。

关于现代设计理论与方法的探究

关于现代设计理论与方法的探究
维普资讯
关现设理与法探 于代计论方的究
文 / 彩玲 徐

、前 言 Fra bibliotek成及任务的理论 。设计过程 的复杂程 竞 争 力 。 2 性能需求 驱动理论 、
涉及 早期 的制造业 , 以量 产为特征 , 设 度 是与所设计 的对象复 杂程序 、 计 主要针 对一种或 一类产品 , 对创新 的智力 资源 的复杂程度相关的。设计
取的新知识是 由分布 的智力资源汇集 高设计 的主动性 、科学性 和准确性 。 到设计 的决策节点 上的 ; 第三类 流动 以下介绍主要的几种现代设计方 法。
角度考虑机 械设计 、 处理 机械和人 的 关系, 以便使设计满足人的需要 。
是信息 到知识 的转 变 , 是在各个 智力
特 征 、 动机 制 、 运 知识 获取 和流 动控 步。其 中的规律 , 就构 成了多方 利益 又实现 自然价值 , 进人 与 自然的共 促 制 ,研究 目标是为以知识 获取 为中心 协 调 理 论 。 的设 计活动作 出清晰 的描述 , 为研究 实现 方法 和工 具研发提供 理论 基础 。
类 流动为 知识及知识 获取服务 , 识 识 , 知 借助理论 指导设计 可减小传 统设 美性 的推敲和设计。 和 知 识 获 取 是 资 源 依 赖 的 , 识 和 获 计 中经验 设计 的盲 目性 和随意性 , 知 提 7 人 机 工 程 设 计 、 人 机 工 程 设 计 是 从 人 机 工 程 学 的
资源单元 内部进行 的 , 根据请求 方的
1优 化 设 计 、 优 化 设 计 ( p m l ei ) 一 Ot aDsn是 i g
鐾蒌 _ 匪蔓— . {


还不, 做到 但
设计必须依赖外源, 依赖外部的 t l I I 评 估 f 用户对产品的 要求是从性能出 智力资源。 正如文 献所说的, 代 l 信 【 现 市 童J 埒 l I 和 & J 发的, 设计的起点和完成标志, 再计 是 性 设计是以知识为 基础的,以 知识 l 已 知 l l 胄识 , 识取 } 获 知 l能特征应当成为控制整个设计过程 获取为中心, 设计是知识的物化, } 一 一 第 段 —卜 . 第 =— - —一 - 段 — . 的 三 —— . { 基本特征。 设计过程就是在“ 要达
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

西安交通大学实验报告课程名称:现代设计理论与方法实验名称:优化设计上机实验学院:实验日期:班级:姓名:学号:一、实验要求1. 采用MA TLAB等编程语言,编写优化程序,计算优化结果;2. 完成大作业书面报告,对每个题目进行分析建模,包括:①设计变量的选择;②优化目标函数的确定;③约束条件的确定。

二、优化分析1. 镗刀杆(销轴)结构参数优化①设计变量的选择题目要求“试在满足强度、刚度条件下,设计一个用料最省的方案”,即在满足性能要求的前提下,使设计方案的质量(体积)最小。

最直接的思路为,控制长度L和直径d最小。

而根据条件分析,亦可通过改变截面形状(改变轮廓形状、使截面空心等)、改变不同L处截面形状等复杂的空间质量分布模式等,来到达最优的目的。

为便于分析,此处选择设计变量为刀杆直径d、长度L(实际可直接取最小值)为设计变量。

②优化目标函数的确定刀杆用料最省,即体积最小:V=14πd2L→min设x1=d,x2=L 则目标函数为min f X=V=1πd2l=1πx12x2=0.785x12x2③约束条件的确定根据材料力学知识,应有:σmax<στmax<τf max<f 带入已知条件,则有:σmax=32πd3M Z2+0.75M n2≤[σ]τmax=16M nπd3≤[τ]f max=PL3≤[f]L≥802. 梯形截面管道参数优化①设计变量的选择题目要求设计管道的参数,即取管道截面的高度h、底边长度c、底边与侧边所夹锐角θ为设计变量。

②优化目标函数的确定已知管道内液体的流速与管道截面的周长S的倒数成正比例关系,当液体流速最大时,则管道截面周长最小:S=2h+2c+2h→min③约束条件的确定管道的截面面积一定,则有:A=h c+h=64516管道截面为梯形,则有:0<θ<πh>0c>03. 厂址选择问题①设计变量的选择设位于i地的工厂从j地购买的原材料质量为B ij,位于i地的工厂向j地销售的产品质量为S ij。

即设计变量为B ij ,S ij (i,j=A,B,C)②优化目标函数的确定记i、j两地距离为L ij(i,j=A,B,C),记i地生产费用为P i(i=A,B,C)题目要求总费用最小:C=5000B ij L ij+5000S ij L ij+S i P i→min③约束条件的确定从各地购买的原材料总和小于等于其产量在各地销售的产品总和小于等于其销售量(S ij−1 3jB ij)<0S ijj−5<04.桁架结构优化①设计变量的选择题目要求“对该桁架优化设计使其质量最轻”,题目给出的限制条件较少。

同样可认为优化算法中,可以改变每根杆的截面形状、改变每根杆上不同位置处的截面形状,或者仅改变每根杆的直径,使得体积最小,即质量最轻。

所以,取每根杆的直径d i(i=1,2,3,…,10)为设计变量。

②优化目标函数的确定桁架质量最轻,即总体积最小。

忽略连接处体积变化,则有:V=1πL i d i2→min 10i=1③约束条件的确定各根杆在同一节点处位移相等相应杆在节点1、6处位移为零σi max<σ (i=1,2,3, (10)5.半圆弧拱结构截面优化①设计变量的选择题目要求“求截面应力小于20MPa的最优设计”。

认为最优设计为用料最少,假定各处截面形状一致,即求截面面积最小。

同时,假定截面形状固定为题目所示的“口”字形,则可以取设计变量为高度H、宽度B、壁厚T。

②优化目标函数的确定用料最少,即截面面积最小:S=BH−B−2T H−2T=2TB+2TH−4T2→min③约束条件的确定截面应力小于20MPa,即:σmax<20 MPa截面为“口”字形:B>0,H>0,T>0B>2T,H>2T6. 正方形板拓扑优化①设计变量的选择题目要求“试用拓扑优化对其体积进行优化,使其质量最小,刚度最大”。

则设计变量应为正方形板的质量在体积上的分布。

考虑到其厚度相对宽度极小,可认为设计变量为其质量在面积上的分布X。

②优化目标函数的确定设正方形板的质量为f M X,正方形板的刚度f S X,则有:f M X→min−f S X→min所以优化目标函数可为两个函数的加权函数:g f M,f S→min③约束条件的确定正方形板左边的变形为0质量在边界范围内连续分布σmax<[σ]附:参考程序1. 镗刀杆(销轴)结构参数优化①优化目标函数:function f=taget(x)f=pi/4*x(1)^2*x(2);②约束条件:function[c,ceq]=mycon(x)c(1)=((10000*x(2))^2+(0.75*100000)^2)^0.5/(pi*x(1)^3/32)-120;c(2)=100000/(pi*x(1)^3/16)-80;c(3)=10000*x(2)^3/(3*200000*pi*x(1)^4/32)-0.1;ceq=[];③主程序:A=[0 -1];b=[-80];Aeq=[];beq=[];lb=[0;0];ub=[inf;inf];x0=[1;80];options=optimset('LargeScale','off','display','iter');[x,fval]=fmincon(@taget1,x0,A,b,[],[],lb,ub,@mycon1,options)④计算求解:2. 梯形截面管道参数优化①主程序:lb=[0;0;0];A=[0 0 1];b=[pi/2];ub=[inf;inf;inf];x0=[64516^0.5;64516^0.5;pi/2];[x,fval]=fmincon(@taget2,x0,A,b,[],[],lb,ub,@mycon2)②优化目标函数:function f=taget2(x)f=-1/(x(1)+2*x(2)/sin(x(3))+x(1)+2*x(2)/tan(x(3)));③约束条件:function[c,ceq]=mycon2(x)ceq=(x(1)+x(1)+2*x(2)/tan(x(3)))*x(2)/2-64516;c=[];④计算求解:3. 厂址选择问题①优化目标函数:function f=fun01(x)f=75*x(1)+50*x(2)+75*x(3)+100*x(4)+50*x(5)+100*x(6)+150*x(7)+240*x(8)+210*x(9)+1 20*x(10)+160*x(11)+220*x(12);②约束函数:function[c,ceq]=con01(x)c(1)=x(1)+x(2)+3*x(7)+3*x(8)-x(3)-x(5)-20; %A地的原料不能超过20万tc(2)=x(3)+x(4)+3*x(9)+3*x(10)-x(1)-x(6)-16; %B地的原料不能超过16万tc(3)=x(5)+x(6)+3*x(11)+3*x(12)-x(2)-x(4)-24; %C地的原料不能超过24万tc(4)=x(9)+x(10)-5; %B地建厂规模不能超过5万tceq(1)=x(7)+x(9)+x(11)-7; %A地年消产品7万tceq(2)=x(8)+x(10)+x(12)-13; %B地年消产品13万t③主程序:x0=[0,0,0,0,0,0,0,0,0,0,0,0,] %初值lb=[0,0,0,0,0,0,0,0,0,0,0,0,] %下限ub=[Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf,Inf,] %上限[x,fval]=fmincon(@fun01,x0,[],[],[],[],lb,ub,@con01) %调用函数fmincon,最优求解④计算求解:4.桁架结构优化①空间转置矩阵function T=TransformMatrix(ie)global gElementgNodegElement=[5 6;4 5;1 2;2 3;2 5;3 4;2 6;1 5;3 5;2 4];gNode=[0 0;1 0;2 0;2 1;1 1;0 1];xi = gNode( gElement ( ie, 1 ), 1 ) ;yi = gNode( gElement ( ie, 1 ), 2 ) ;xj = gNode( gElement ( ie, 2 ), 1 ) ;yj = gNode( gElement ( ie, 2 ), 2 ) ;L = sqrt( (xj -xi )^2 + (yj -yi )^2 ) ;c = (xj -xi )/ L ;s = (yj -yi )/ L ;T=[ c -s 0 0;s c 0 0;0 0 c -s;0 0 s c ];return②求解单刚阵function k=StiffnessMatrix( ie )syms A1A2A3A4A5A6A7A8A9A10;gMaterial=[A1 A2 A3 A4 A5 A6 A7 A8 A9 A10];global gNodegElementk=zeros( 4,4 ) ;E = 1 ;A = gMaterial(ie);xi = gNode(gElement (ie, 1 ), 1 ) ;yi = gNode(gElement (ie, 1 ), 2 ) ;xj = gNode(gElement (ie, 2 ), 1 ) ;yj = gNode(gElement (ie, 2 ), 2 ) ;L = ( (xj -xi )^2 + (yj -yi )^2 )^(1/ 2) ;k=[ E*A/ L 0 -E*A/ L 0 ;0 0 0 0;-E*A/ L 0 E*A/ L 0;0 0 0 0] ; T = TransformMatrix(ie ) ;k = T*k*transpose(T);return③合成总刚阵求解clear;gK=sym('gK',[12 12]);for i =1:1:12for j =1:1:12gK(i,j)=0;endendfor ie=1:10T=TransformMatrix(ie);k=StiffnessMatrix(ie);global gElementfor i =1:1:2for j =1:1:2for p=1:1:2for q =1:1:2m = (i -1)*2+p ;n = (j -1)*2+q ;M = (gElement (ie,i)-1)*2+p ;N = (gElement (ie,j)-1)*2+q ;k = StiffnessMatrix(ie);gK(M,N) = gK(M,N)+ k(m,n);endendendendendgKK=gK(3:10,3:10)F=[0;-4000;0;-4000;0;0;0;0];Q=K^-1U=Q*Fsyms A1A2A3A4A5A6A7A8A9A10;ang=[180 180 0 0 90 90 135 45 135 45]*pi/180;P(1,1)=[cos(ang(1)) sin(ang(1))]*[-U(7);-U(8)]*1/A1P(2,1)=[cos(ang(2)) sin(ang(2))]*[U(7)-U(5);U(8)-U(6)]*1/A2;P(3,1)=[cos(ang(3)) sin(ang(3))]*[U(1);U(2)]*1/A3;P(4,1)=[cos(ang(4)) sin(ang(4))]*[U(3)-U(1);U(4)-U(2)]*1/A4;P(5,1)=[cos(ang(5)) sin(ang(5))]*[U(7)-U(1);U(8)-U(2)]*1/A5;P(6,1)=[cos(ang(6)) sin(ang(6))]*[U(5)-U(3);U(6)-U(4)]*1/A6;P(7,1)=[cos(ang(7)) sin(ang(7))]*[-U(1);-U(2)]*1.414/A7;P(8,1)=[cos(ang(8)) sin(ang(8))]*[U(7);U(8)]*1.414/A8;P(9,1)=[cos(ang(9)) sin(ang(9))]*[U(7)-U(3);U(8)-U(4)]*1.414/A9;P(10,1)=[cos(ang(10)) sin(ang(10))]*[U(5)-U(1);U(6)-U(2)]*1.414/A10;PI=[A1;A2;A3;A4;A5;A6;A7;A8;A9;A10]*200;P=P-I④优化目标函数:function f=taget3(x)f=x(1)+x(2)+x(3)+x(4)+x(5)+x(6)+1.414*x(7)+1.414*x(8)+1.414*x(9)+1.414*x(10);⑤计算求解:5. 半圆弧拱结构截面优化①主程序:finish/clearl=0.3 !截面长度h=0.3 !截面宽度t=0.04 !截面壁厚/PREP7et,1,188 !定义单元类型beam188!定义材料参数mp,ex,1,3e11 !弹性模量mp,nuxy,1,0.17 !泊松比mp,dens,1,2500 !密度!定义截面类型(回字形)SECTYPE, 1, BEAM,hrec,,0 SECOFFSET, CENTSECDATA,l,h,t,t,t,t!建立模型k,1,0,20,0k,2,20,0,0k,3,-20,0,0larc,2,3,1,20!划分网格lsel,alllesize,all,0.1mat,1type,1secn,1lmesh,1allsfini!求解/SOLUANTYPE,0!加约束d,1,alld,2,all!加节点集中载荷nf=NODE(0,20,0)f,nf,fy,-2e5solvefini!后处理,观察应力云图/post1/eshape,1plesol,s,EQV,0,1②计算求解:6. 正方形板拓扑优化①材料设定:②划分网格:③添加约束条件:④添加载荷:⑤计算求解:(版权归上传者所有)。

相关文档
最新文档