為進(jìn)一步減小某型狙擊榴彈發(fā)射器的后坐力,提高人機(jī)工效,對(duì)其參數(shù)優(yōu)化開展了研究;以武器后坐力極值最小為目標(biāo),分析了模型各參數(shù)的靈敏度,確定了設(shè)計(jì)變量,以武器總質(zhì)量不增大為約束條件建立了優(yōu)化模型;應(yīng)用Isight平臺(tái)集成Adams軟件的方式,采用多島遺傳算法對(duì)該武器的相關(guān)參數(shù)進(jìn)行了優(yōu)化計(jì)算,對(duì)所得到的最優(yōu)解進(jìn)行了仿真分析;結(jié)果表明:優(yōu)化后其后坐力極值降低了18.6豫,武器質(zhì)量減小了51.3 g,其導(dǎo)軌的振動(dòng)次數(shù)有所減少;優(yōu)化方案有效提高了該武器人機(jī)工效和系統(tǒng)平穩(wěn)性。 

【文章來源】：火力與指揮控制. 2020,45(03)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

優(yōu)化計(jì)算流程圖

絳??寫?騁糯?僮鰲６嗟閡糯?惴ǖ慕????如圖2所示。圖2多島遺傳算法的進(jìn)化過程圖2中mi為遷移間隔，k為整數(shù)。多島遺傳算法在優(yōu)化過程中，首先利用初始值進(jìn)行優(yōu)化操作，初步達(dá)到收斂后，由于變異和遷移作用，在一個(gè)新的初始值開始重新進(jìn)行遺傳操作，如此重復(fù)操作，盡可能避免局部最優(yōu)解，從而抑制早熟現(xiàn)象的發(fā)生。2.2尋優(yōu)求解過程應(yīng)用多學(xué)科優(yōu)化平臺(tái)Isight，采用批處理的方式調(diào)用動(dòng)力學(xué)仿真軟件Adams，采用多島遺傳算法進(jìn)行尋優(yōu)計(jì)算，優(yōu)化計(jì)算流程如圖3所示。圖3優(yōu)化計(jì)算流程圖3優(yōu)化結(jié)果分析圖4目標(biāo)變量的尋優(yōu)歷程多島遺傳算法是對(duì)解空間進(jìn)行全局動(dòng)態(tài)尋優(yōu)的，設(shè)置子群規(guī)模為10、子群（島）的個(gè)數(shù)為10、進(jìn)化代數(shù)為10，經(jīng)過1000次迭代計(jì)算，目標(biāo)變量的設(shè)計(jì)變量初值下限上限復(fù)位簧剛度k2/N/mm8.426.010.5復(fù)進(jìn)簧預(yù)壓力F1/N90.080130機(jī)匣質(zhì)量m2/kg1.5831.21.9復(fù)位簧預(yù)壓力F2/N180.0160240機(jī)匣后坐行程d/mm22.02040機(jī)體質(zhì)量m1/kg1.0960.81.4表2設(shè)計(jì)變量及取值范圍·120·0494

策變量的編碼，即“染色體”進(jìn)行選擇、交叉、變異等操作，搜索具有最佳目標(biāo)值的遺傳“個(gè)體”。由于遺傳算法魯棒性強(qiáng)和方便使用的優(yōu)點(diǎn)，其被廣泛應(yīng)用于自動(dòng)控制、機(jī)械工程等領(lǐng)域。傳統(tǒng)遺傳算法流程如圖1所示。圖1遺傳算法進(jìn)化過程多島遺傳算法是建立在傳統(tǒng)遺傳算法基礎(chǔ)上建立的一種基于群體分組的并行性遺傳算法，其特點(diǎn)是每個(gè)種群的個(gè)體被分成幾個(gè)子群，這些子群稱為“島”，算法的所有操作分別在每個(gè)島上進(jìn)行，每個(gè)島上選定的個(gè)體定期地遷移到另外的島上，然后繼續(xù)進(jìn)行傳統(tǒng)遺傳操作。多島遺傳算法的進(jìn)化過程如圖2所示。圖2多島遺傳算法的進(jìn)化過程圖2中mi為遷移間隔，k為整數(shù)。多島遺傳算法在優(yōu)化過程中，首先利用初始值進(jìn)行優(yōu)化操作，初步達(dá)到收斂后，由于變異和遷移作用，在一個(gè)新的初始值開始重新進(jìn)行遺傳操作，如此重復(fù)操作，盡可能避免局部最優(yōu)解，從而抑制早熟現(xiàn)象的發(fā)生。2.2尋優(yōu)求解過程應(yīng)用多學(xué)科優(yōu)化平臺(tái)Isight，采用批處理的方式調(diào)用動(dòng)力學(xué)仿真軟件Adams，采用多島遺傳算法進(jìn)行尋優(yōu)計(jì)算，優(yōu)化計(jì)算流程如圖3所示。圖3優(yōu)化計(jì)算流程圖3優(yōu)化結(jié)果分析圖4目標(biāo)變量的尋優(yōu)歷程多島遺傳算法是對(duì)解空間進(jìn)行全局動(dòng)態(tài)尋優(yōu)的，設(shè)置子群規(guī)模為10、子群（島）的個(gè)數(shù)為10、進(jìn)化代數(shù)為10，經(jīng)過1000次迭代計(jì)算，目標(biāo)變量的設(shè)計(jì)變量初值下限上限復(fù)位簧剛度k2/N/mm8.426.010.5復(fù)進(jìn)簧預(yù)壓力F1/N90.080130機(jī)匣質(zhì)量m2/kg1.5831.21.9復(fù)位簧預(yù)壓力F2/N180.0160240機(jī)匣后坐行程d/mm22.02040機(jī)體質(zhì)量m1/kg1.0960.81.4表2設(shè)計(jì)變量及取值范圍·120·0494

【參考文獻(xiàn)】：
期刊論文
[1]T型管液壓成形加載路徑自適應(yīng)多目標(biāo)優(yōu)化[J]. 宋學(xué)偉,李東營(yíng),黃天侖.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2017(07)
[2]某多管火箭武器射擊密集度試驗(yàn)減少用彈量研究[J]. 于存貴,梁曉揚(yáng),朱志敏.  兵工學(xué)報(bào). 2017(06)
[3]基于多種群遺傳算法的遠(yuǎn)程作戰(zhàn)體系加油路徑優(yōu)化[J]. 崔利杰,祖成昊,李澤,任博,鄭鵬軍.  火力與指揮控制. 2017(06)
[4]應(yīng)用BP神經(jīng)網(wǎng)絡(luò)分析電主軸頻率可靠性靈敏度[J]. 楊周,劉盼學(xué),王昊,張義民.  哈爾濱工業(yè)大學(xué)學(xué)報(bào). 2017(01)
[5]航空發(fā)動(dòng)機(jī)自適應(yīng)模擬退火遺傳算法建模[J]. 段進(jìn)峰,謝壽生,王立國(guó),姚凱翔,劉蘊(yùn)哲.  火力與指揮控制. 2016(11)
[6]基于ISIGHT的導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化方法[J]. 劉明鋒,呂鴻鵬,李杰,李琳,常磊,宋哲.  彈箭與制導(dǎo)學(xué)報(bào). 2015(06)
[7]數(shù)字圖像相關(guān)測(cè)試技術(shù)在霍普金森桿加載實(shí)驗(yàn)中的應(yīng)用[J]. 范亞夫,魏延鵬,薛躍軍,陳捷.  實(shí)驗(yàn)力學(xué). 2015(05)
[8]基于iSIGHT的某型多管火箭炮基座的輕量化設(shè)計(jì)[J]. 何強(qiáng),馬大為,樂貴高,張震東.  火力與指揮控制. 2014(10)
[9]導(dǎo)氣與槍管浮動(dòng)混合式自動(dòng)機(jī)動(dòng)力學(xué)特性研究[J]. 宋杰,廖振強(qiáng),李佳圣,肖俊波.  兵工學(xué)報(bào). 2014(06)
[10]超彈性本構(gòu)模型對(duì)橡膠隔振器靜態(tài)特性預(yù)測(cè)影響的研究[J]. 王文濤,上官文斌,段小成.  汽車工程. 2012(06)

碩士論文
[1]某復(fù)雜自動(dòng)機(jī)械動(dòng)力學(xué)仿真與優(yōu)化[D]. 朱志剛.南京理工大學(xué) 2013
[2]面向汽車耐久性分析的底盤橡膠襯套建模研究[D]. 王娜.吉林大學(xué) 2011



本文編號(hào)：3579249