本文關(guān)鍵詞：基于改進(jìn)人工蜂群算法的橋式起重機(jī)主梁優(yōu)化設(shè)計(jì)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：橋式起重機(jī)作為重要的重載起重設(shè)備,在我國(guó)各領(lǐng)域生產(chǎn)制造的過(guò)程中發(fā)揮著重要作用,對(duì)其進(jìn)行輕量化設(shè)計(jì)已是行業(yè)趨勢(shì)。因此,用智能算法對(duì)起重機(jī)結(jié)構(gòu)進(jìn)行優(yōu)化設(shè)計(jì),使結(jié)構(gòu)更加緊湊,具有重要意義。本文提出一種改進(jìn)人工蜂群算法的優(yōu)化設(shè)計(jì)方法,對(duì)起重機(jī)主梁進(jìn)行了結(jié)構(gòu)優(yōu)化。人工蜂群算法是一種新型的群智能全局優(yōu)化算法,具有控制參數(shù)少、易于實(shí)現(xiàn)等特點(diǎn),受到廣泛關(guān)注。但隨著研究的深入,算法在實(shí)際應(yīng)用過(guò)程中不可避免的暴露出一些缺陷。本文在基本人工蜂群算法的基礎(chǔ)上,針對(duì)其收斂速度慢、搜索盲目性大等不足,引入了自適應(yīng)步長(zhǎng)、路徑交換鄰域搜索和差分進(jìn)化算法變異策略的全局最優(yōu)信息,使得改進(jìn)后的算法收斂性加強(qiáng),收斂速度提高,改善了隨機(jī)性,提高了尋優(yōu)精準(zhǔn)度。針對(duì)算法后期搜索平坦化,引入遺傳算法中的交叉與變異行為,增加了種群多樣性,提高了算法的全局穩(wěn)定性。本文以橋式起重機(jī)主梁為工程實(shí)例,建立了主梁優(yōu)化數(shù)學(xué)模型,應(yīng)用改進(jìn)人工蜂群算法對(duì)主梁截面進(jìn)行尺寸優(yōu)化,將優(yōu)化結(jié)果和基本人工蜂群算法的優(yōu)化結(jié)果進(jìn)行比較分析。最終結(jié)果表明,改進(jìn)算法優(yōu)化后的主梁數(shù)據(jù)較基本算法優(yōu)化數(shù)據(jù)、原始主梁數(shù)據(jù)相比,減重效果明顯。最后利用Ansys軟件對(duì)優(yōu)化后的主梁模型進(jìn)行仿真分析,從而驗(yàn)證優(yōu)化結(jié)果的可行性。
【關(guān)鍵詞】：橋式起重機(jī) 主梁 人工蜂群算法 優(yōu)化設(shè)計(jì)
【學(xué)位授予單位】：中北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP18;TH215
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-16
• 1.1 論文的研究背景及意義8-9
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 起重機(jī)結(jié)構(gòu)優(yōu)化設(shè)計(jì)研究現(xiàn)狀9-10
• 1.2.2 群智能優(yōu)化算法研究現(xiàn)狀10-14
• 1.3 論文的研究?jī)?nèi)容14-16
• 2 基本人工蜂群算法16-24
• 2.1 人工蜂群算法簡(jiǎn)介16-17
• 2.2 人工蜂群算法尋優(yōu)原理及算法模型17-21
• 2.2.1 蜜蜂采蜜機(jī)理17-19
• 2.2.2 人工蜂群基本算法描述19-21
• 2.3 人工蜂群算法的基本流程21-23
• 2.4 總結(jié)和分析23
• 2.5 本章小結(jié)23-24
• 3 人工蜂群算法的改進(jìn)24-34
• 3.1 基本人工蜂群算法的局限性及改進(jìn)思路24
• 3.2 改進(jìn)方法的實(shí)現(xiàn)24-31
• 3.2.1 自適應(yīng)的搜索步長(zhǎng)24-25
• 3.2.2 基于路徑交換的鄰域搜索25-26
• 3.2.3 基于差分進(jìn)化算法的人工蜂群算法26-27
• 3.2.4 蜂群算法搜索行為改進(jìn)27-28
• 3.2.5 遺傳算子改進(jìn)蜂群算法28-30
• 3.2.6 改進(jìn)人工蜂群算法流程30-31
• 3.3 改進(jìn)蜂群算法的驗(yàn)證分析31-33
• 3.4 本章小結(jié)33-34
• 4 橋式起重機(jī)主梁優(yōu)化設(shè)計(jì)數(shù)學(xué)模型34-47
• 4.1 優(yōu)化設(shè)計(jì)簡(jiǎn)介34-37
• 4.1.1 優(yōu)化設(shè)計(jì)步驟34
• 4.1.2 優(yōu)化設(shè)計(jì)的表達(dá)式34-36
• 4.1.3 優(yōu)化設(shè)計(jì)的懲罰函數(shù)36-37
• 4.2 箱形主梁優(yōu)化設(shè)計(jì)數(shù)學(xué)模型的建立37-46
• 4.2.1 橋式起重機(jī)的組成37-38
• 4.2.2 主梁優(yōu)化的設(shè)計(jì)變量38-39
• 4.2.3 主梁優(yōu)化的目標(biāo)函數(shù)39
• 4.2.4 主梁優(yōu)化的約束條件39-46
• 4.3 本章小結(jié)46-47
• 5 橋式起重機(jī)箱形主梁尺寸優(yōu)化設(shè)計(jì)47-57
• 5.1 主梁設(shè)計(jì)計(jì)算參數(shù)47-48
• 5.2 算法基本參數(shù)的確定48-50
• 5.3 實(shí)例分析50-53
• 5.4 優(yōu)化設(shè)計(jì)的有限元分析53-56
• 5.5 本章小結(jié)56-57
• 6 結(jié)論與展望57-59
• 6.1 總結(jié)57
• 6.2 展望57-59
• 參考文獻(xiàn)59-63
• 攻讀碩士學(xué)位期間發(fā)表的論文即所得的研究成果63-64
• 致謝64-65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 周光輝;苗發(fā)祥;李彥廣;;數(shù)控加工中心任務(wù)與刀具集成調(diào)度模型及改進(jìn)自適應(yīng)遺傳算法[J];西安交通大學(xué)學(xué)報(bào);2014年12期

2 徐克虎;黃大山;王天召;;改進(jìn)的人工免疫算法求解武器-目標(biāo)分配問(wèn)題[J];系統(tǒng)工程與電子技術(shù);2013年10期

3 吳華鋒;陳信強(qiáng);毛奇凰;張倩楠;張壽春;;基于自然選擇策略的蟻群算法求解TSP問(wèn)題[J];通信學(xué)報(bào);2013年04期

4 邸憶;龍飛;李卓越;;一種基于改進(jìn)蟻群算法的多目標(biāo)跟蹤數(shù)據(jù)關(guān)聯(lián)方法[J];計(jì)算機(jī)應(yīng)用與軟件;2013年04期

5 李牧東;熊偉;梁青;;基于人工蜂群改進(jìn)算法的無(wú)線傳感器網(wǎng)絡(luò)定位算法[J];傳感技術(shù)學(xué)報(bào);2013年02期

6 向萬(wàn)里;馬壽峰;;基于輪盤(pán)賭反向選擇機(jī)制的蜂群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用研究;2013年01期

7 王志剛;;基于粒子群和人工蜂群算法的混合優(yōu)化算法[J];科學(xué)技術(shù)與工程;2012年20期

8 李衛(wèi)華;徐濤;李小梨;;基于人工蜂群的BP神經(jīng)網(wǎng)絡(luò)算法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年05期

9 柳長(zhǎng)安;鄢小虎;劉春陽(yáng);吳華;;基于改進(jìn)蟻群算法的移動(dòng)機(jī)器人動(dòng)態(tài)路徑規(guī)劃方法[J];電子學(xué)報(bào);2011年05期

10 暴勵(lì);曾建潮;;自適應(yīng)搜索空間的混沌蜂群算法[J];計(jì)算機(jī)應(yīng)用研究;2010年04期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前3條

1 舒萬(wàn)能;人工免疫算法的優(yōu)化及其關(guān)鍵問(wèn)題研究[D];武漢大學(xué);2013年

2 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

3 楊劍峰;蟻群算法及其應(yīng)用研究[D];浙江大學(xué);2007年

  本文關(guān)鍵詞：基于改進(jìn)人工蜂群算法的橋式起重機(jī)主梁優(yōu)化設(shè)計(jì)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：277026