板系结构拓扑优化及其在液压机底座设计中的应用研究

论文摘要

面对全球工业化的高度发展和世界能源危机,如何最有效的利用资源是当前亟待解决的问题。为此,针对液压机底座这类重量很大的箱形板系结构开展以重量最轻为目标,以材料的合理分配为手段的结构拓扑优化具有重要的现实意义。同时,研究实用、可靠和有效的拓扑优化方法,对于发展液压机本体结构的设计理论具有推动作用和理论价值。目前,压机结构拓扑优化研究尚属空白,为此本文以基结构法为基本研究方法,以压机底座为研究对象,对这类箱形板系结构的拓扑优化进行了系统研究。论文提出用于结构拓扑优化的压机底座板系基结构设计。并根据液压机底座的功能、载荷及结构特点,提出其基结构的建立原则。在已建立的底座板系基结构基础上,给出了结构拓扑优化数学模型。为提高底座结构拓扑优化的效率,本文对基于三层BP网络的结构近似分析方法进行了系统研究。提出应用遗传算法确定三层BP神经网络隐层节点数的方法,即通过建立以BP神经网络的训练误差为目标函数,以隐层节点数为设计变量的优化数学模型,使隐层节点数的确定具有理论依据。提出用于训练BP网络的教师样本集D-最优设计方法,即用一个无交叉耦合项的二次回归方程近似描述构成底座的各板厚度与挠度的关系。在给定样本总量的条件下,建立以挠度的回归方差最小为目标的最优因素组合的优化问题。求解该优化问题,可以获得使BP网络误差最小的最优教师样本集。本文提出基于三层BP神经网络结构近似分析方法的压机底座板系结构拓扑优化问题的遗传算法。在该算法中,采用拒绝策略处理约束,即采用三层BP网络结构近似分析方法处理位移约束,以提高优化效率;采用有限元屈曲分析对每一代种群中的最优个体进行稳定性检验,以保证最优解满足稳定性约束条件。本文对压机底座板系结构进行了拓扑优化,得到了六种重量较轻,形式较新颖的底座拓扑结构。本文制作了两个1:5的金属模型,对技术参数相同、结构性能相近,而拓扑形式（其中之一为最优拓扑结构）和重量不同的底座模型进行了实验对比。实验表明,本文提出的算法具有实用性、可靠性和有效性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 液压机本体结构设计方法的发展
• 1.1.1 液压机及其主要部件的结构特点
• 1.1.2 液压机本体结构设计方法的发展历史
• 1.1.3 液压机本体的结构优化
• 1.1.4 液压机本体结构优化设计存在的问题
• 1.2 结构拓扑优化文献综述
• 1.2.1 结构拓扑优化的概念
• 1.2.2 结构拓扑优化方法综述
• 1.2.3 结构拓扑优化存在的问题及发展方向
• 1.2.4 遗传算法及其在结构拓扑优化中的应用
• 1.3 结构优化中的结构近似分析方法
• 1.3.1 问题及背景
• 1.3.2 结构近似分析方法概述
• 1.3.3 人工神经网络及其在结构近似重分析中的应用
• 1.4 本文的研究内容及方法
• 第2章 压机底座的基结构及其结构拓扑优化模型
• 2.1 基结构的概念
• 2.2 桁架结构拓扑优化的基结构理论
• 2.2.1 桁架基结构的建立方法
• 2.2.2 桁架结构拓扑优化数学模型
• 2.3 箱形板系结构拓扑优化的基结构法
• 2.3.1 箱形板系结构的特征
• 2.3.2 箱形板系结构中传力板间距与承载板承载能力的关系
• 2.3.3 箱形板系基结构应遵循的原则
• 2.3.4 离散变量箱形板系结构拓扑优化的数学模型
• 2.4 液压机底座拓扑优化的基结构
• 2.4.1 液压机底座结构的专有特征
• 2.4.2 液压机底座的几种典型基结构
• 2.4.3 基结构中板的数量及位置
• 2.5 压机底座结构拓扑优化的数学模型
• 2.6 本章小结
• 第3章 基于BP 神经网络的结构近似分析
• 3.1 BP 神经网络的基本理论
• 3.1.1 BP 神经网络模型及其学习算法
• 3.1.2 基于多层BP 网络结构近似分析方法的理论基础
• 3.1.3 BP 网络结构近似分析方法中的基本问题
• 3.2 D-最优设计及其在BP 神经网络教师样本设计中的应用
• 3.2.1 D-最优设计的原理
• 3.2.2 BP 网络教师样本的D-最优设计
• 3.3 用遗传算法确定BP 网络的隐层节点数
• 3.3.1 BP 网络预测精度的评价指标
• 3.3.2 确定隐层节点数的优化数学模型
• 3.3.3 确定隐层节点数的遗传优化算法
• 3.4 数学算例
• 3.4.1 算例函数
• 3.4.2 教师样本的D-最优设计
• 3.4.3 隐层节点数的遗传优化
• 3.4.4 算例结果分析
• 3.5 用BP 网络进行结构近似分析
• 3.5.1 5MN 液压机底座的结构及有限元模型
• 3.5.2 教师样本的D-最优设计
• 3.5.3 隐层节点数的遗传优化
• h^*的BP 网络及其近似结构分析的精度分析'>3.5.4 具有N_h^*的BP 网络及其近似结构分析的精度分析
• 3.6 本章小结
• 第4章 压机底座结构拓扑的遗传优化研究
• 4.1 遗传优化算法的基本理论
• 4.1.1 遗传优化算法的理论基础
• 4.1.2 用遗传算法求解无约束优化问题的流程
• 4.1.3 遗传算法在求解约束优化问题时的策略
• 4.2 用于结构拓扑优化的BP 网络教师样本设计
• 4.3 遗传拓扑优化中的约束处理
• 4.4 求解压机底座结构拓扑优化问题的遗传算法
• 4.4.1 求解压机底座拓扑优化问题的步骤
• 4.4.2 编码
• 4.4.3 种群规模设定及初始种群生成
• 4.4.4 遗传操作方法及其参数确定
• 4.4.5 适应值函数设计
• 4.4.6 收敛判断
• 4.5 压机底座结构的拓扑优化
• 4.5.1 I 型底座结构拓扑优化
• 4.5.2 II 型底座结构拓扑优化
• 4.5.3 III 型底座结构拓扑优化
• 4.5.4 IV 型底座结构拓扑优化
• 4.5.5 V 型底座结构拓扑优化
• 4.5.6 VI 型底座结构拓扑优化
• 4.6 本章小结
• 第5章 实验研究
• 5.1 实验目的
• 5.2 试验装置
• 5.2.1 试验模型
• 5.2.2 试验设备及仪器
• 5.2.3 加载方式
• 5.3 测试内容
• 5.4 试验方案
• 5.4.1 上面板中心点挠度的测试方法
• 5.4.2 下面板中心的应力测试方法
• 5.5 测试结果及分析
• 5.5.1 挠度测试结果
• 5.5.2 应力测试结果
• 5.5.3 实验结果对比分析
• 5.6 试验结论
• 5.7 本章小结
• 结论
• 参考文献
• 攻读博士学位期间承担的科研任务与主要成果
• 致谢
• 作者简介