连杆机构稳健性优化设计

将设计变量作为随机变量，建立了连杆机构稳健性优化设计的数学模型，并以一个四杆机构为例进行了说明，将传统的确定性优化设计的结果与稳健性优化设计的结果进行了对比。     

基于区间分析的非概率稳健优化设计

提出了一种新的基于区间分析的非概率稳健优化设计模型.利用非线性区间数规划和函数的区间扩张,对稳健性指标进行了计算,将含有区间参数的常规稳健优化模型转化为确定性的稳健优化模型,转化后的模型能够根据设计者要求实现任意指定稳健性的优化目标,最终建立了两级稳健优化设计模型.该模型无需知道设计参数的概率分布函数,也不要求目标函数...     

非对称模糊优化设计问题中的约束稳健性研究

一般非对称模糊优化设计数学模型中,设计变量按名义值处理,未考虑可控因素和噪声因素对模糊约束条件稳健性的影响,不能对模糊约束条件满足水平的波动实行有效控制.根据稳健设计原理,提出了模糊约束条件的容差型稳健性准则;把该准则应用于模糊优化设计,提出了基于约束稳健性的模糊优化设计方法,提高了模糊优化设计解的可信度和工程使用价值,并给出了设计实例.     

非对称模糊优化设计问题中的约束稳健性研究

一般非对称模糊优化设计数学模型中,设计变量按名义值处理,未考虑可控因素和噪声因素对模糊约束条件稳健性的影响,不能对模糊约束条件满足水平的波动实行有效控制。根据稳健设计原理,提出了模糊约束条件的容差型稳健性准则;把该准则应用于模糊优化设计,提出了基于约束稳健性的模糊优化设计方法,提高了模糊优化设计解的可信度和工程使用价值。并给出了设计实例。     

基于物理规划的模糊稳健优化设计

为了改进提高产品性能稳健性的工程设计方法,将稳健设计中的容差和所要达到的优质品率作为两个目标函数,建立了模糊稳健双目标优化设计模型,并应用物理规划方法进行求解。通过对齿轮传动装置装配尺寸链的稳健优化设计,给出了具体的分析求解过程。实例表明,该文所提出的方法是可行的。     

基于组合算法的碟形水下滑翔机结构稳健优化

为提高圆碟形水下滑翔机耐压结构优化设计方案的可靠性,引入稳健性设计方法进行优化设计.首先,采用拉丁超立方方法进行试验设计,建立了预测圆碟形耐压结构性能的径向基神经网络模型;采用存档微遗传算法(AMGA)和Hooke-jeeves组合优化算法,给出了耐压壳体结构多目标优化方案;然后,应用蒙特卡罗描述性抽样方法对确定性优化结果进行了可靠性分析;在此基础上,考虑工业制造过程中不确定性因素,进行耐压结构稳健性优化求解.优化结果表明:结构质量减少了20.03%,轻量化效果明显;各设计变量和优化目标的可靠度均达到100%,优化结果具有较好的稳健性.     

螺旋弹簧多目标稳健优化设计

以螺旋弹簧的给定刚度变化最小、自振频率最大和质量最小为设计目标,综合考虑优化设计中的随机因素,建立了基于稳健性的多目标优化模型,并在科学计算语言MATLAB中编程求解.通过液压阀螺旋弹簧设计实例的分析说明,多目标稳健优化设计提高了设计目标的稳健性,一定程度上提升了液压阀的动态响应特性.     

基于近似模型的机床铣削质量稳健性优化设计

在铣削加工优化设计过程中，设计变量的不确定性通常被忽略，这容易导致优化解违反优化设计约束条件.为此，本文基于近似模型方法，开展铣削参数的多目标稳健性优化设计研究.在该优化设计方法中，采用多项式响应面模型和径向基函数模型近似模拟铣削过程最大铣削力、铣削后工件表面粗糙度两目标函数与铣削线速度、每齿进给量两设计变量之间的隐式关系，采用NSGA-Ⅱ多目标遗传算法结合蒙特卡洛模拟方法对比分析了针对铣削参数的常规确定性优化以及考虑设计变量波动的稳健性优化.结果表明：稳健性优化后的铣削参数有效地降低了铣削加工过程中的铣削力，提高了加工后工件表面质量，同时优化解具有较高的可靠性.     

基于Info-Gap决策的结构抗震稳健性优化设计

针对结构抗震设计中存在严重不确定性问题,基于Info-Gap理论建立一种考虑地震设计谱参数不确定的结构抗震稳健性优化设计方法.该设计方法采用Info-Gap模型来描述地震设计谱中反映地面运动强度的水平地震影响系数最大值αmax和场地特征周期Tg的不确定,通过嵌套优化使结构设计满足结构的临界性能要求的同时实现最大化不确定的稳健性.通过对一个6层3跨的钢框架的抗震稳健性优化设计验证分析表明:这种基于满足性能的结构抗震设计需在满足结构性能需求和提高不确定稳健性之间进行权衡取舍;同时也证实该方法为在不易得到不确定性因素足够信息情况下的基于性能结构抗震可靠性设计提供了一条新思路.     

稳健设计中的稳健可行性分析

针对稳健设计中的约束可行稳健性问题,提出了一种新的稳健优化设计方法。通过分析不确定因素对约束的影响,提出了利用最大波动分析计算在不确定性因素影响下约束的最大波动量,将该变化量作为惩罚项添加到原约束中,构造了两级优化数学模型。顶级优化是在原有常规优化的数学模型基础上添加了稳健可行性的判断指标,次级优化用来判断稳健性指标的值。与其他方法比较,该方法不需要知道不确定因素的概率分布和约束的梯度信息。实例结果证明该方法是可行的。