FM6324立式加工中心工作台组件的ANSYS模态分析及优化

文章以FM6324立式加工中心的底座、鞍座、工作台组成的装配体为研究对象,利用Pro/E建立三维模型,基于吉村允孝法得到结合部动态特性参数,利用ANSYS结合APDL语言建立动力学模型,通过AN-SYS模态分析得到装配体的前5阶模态频率和振型;以筋板尺寸和结合部尺寸为设计变量,利用正交试验表进行尺寸优化设计,提高了装配体的模态频率.结果证明,装配体动力学优化时,优化结合部尺寸比优化筋板尺寸的效果更好.     

高温质子交换膜燃料电池电堆端板拓扑优化

以实现高温质子交换膜燃料电池单电池内部接触压力的均匀性与电堆内单电池之间接触压力的一致性为目的,建立了一种具有非线性接触边界条件的高温质子交换膜燃料电池电堆端板的拓扑优化模型.通过研究在一定工作温度下装配荷载对电堆内部接触压力的影响,并综合考虑端板的质量与制造难度,构建了一种适用于燃料电池电堆的简化模型.从基于热力耦合的有限元法出发,对燃料电池端板进行以最小质量为目标、最大应力为约束的拓扑优化,并在综合考虑结构形状与拓扑结果的基础上建立端板的几何模型.结果表明,拓扑优化得到的端板结构使电堆内部具有更均匀的接触压力,因此拓扑优化可以为端板的结构设计提供理论参考.     

机械结构边界条件动态设计方法研究

仅通过边界条件的动态设计而不改变结构的内部参数,在一定条件下,使结构满足给定的多阶固有频率与振型的要求.通过边界参数的改变量,建立了边界条件改变前后2个系统之间的关系,并将上述关系由物理坐标转换至模态坐标,得到结构在新的边界条件下的特征方程.在此基础上,采用逐步二次规划法,对边界参数进行了优化求解.此外,研究了模态截尾对算法的影响以及补偿方法.本文方法具有精度高、物理概念清晰、实用性强等优点.     

基于RKPM梁固有频率及薄板柔度的拓扑优化

以节点相对密度为设计变量,以固有频率最大为目标函数,通过修正低密度区质量矩阵建立了基于重构核粒子法(RKPM)的结构动力拓扑优化数学模型.采用罚函数法施加本质边界条件,利用直接微分法推导了结构固有频率灵敏度方程,同时研究了受横向载荷弯曲的基尔霍夫薄板柔度最小的拓扑优化问题.最后对比分析了节点依赖性以及设计变量对最优拓扑结构的影响,并结合以上算法和优化准则法编写程序完成了2个拓扑优化算例.优化结果表明:所建立的模型不仅能有效抑制局部模态和重特征频率的出现,而且因通过重构核近似提高了计算点密度场的连续性,棋盘格现象得以消除,可以得到清晰光滑的拓扑边界.     

浮置板轨道结构系统振动模态分析

采用有限元分析方法,建立浮置板轨道结构的三维有限元模型,对不同橡胶支承刚度和扣件刚度组合条件下,两种密度混凝土浮置板进行模态分析,获得了橡胶支承刚度为20 kN.mm-1、扣件刚度为30 kN.mm-1时浮置板轨道结构的低阶固有频率和振型,其结果与试验结果吻合.分析了混凝土板密度、橡胶支承刚度、扣件刚度对浮置板轨道结构系统振动特性的影响,可为浮置板轨道结构的减振降噪优化设计提供理论依据.     

附着式振动器机座优化分析研究

使用UG建立振动器机座三维模型,对模型进行简化后导入有限元分析软件ABAQUS对其进行模态分析和力学分析,得出机座各阶模态的固有频率和受力及位移分布情况,根据分析结果找出结构薄弱处提出优化方案,并对优化后的结构进行有限元分析比较,为该类产品优化设计提供参考依据.     

塔式起重机臂架腹杆布局及尺寸优化设计

为实现塔式起重机臂架布局和尺寸的优化,提出了桁架结构拓扑及尺寸两阶段优化设计方法.第一阶段先建立臂架的周期性板梁拓扑优化模型,使用周期性SKO方法对腹板进行连续体拓扑优化,得到优化的腹板拓扑构型,并通过提取主应力路径将优化的腹板拓扑结构转化为离散的腹杆布局;第二阶段以臂架腹杆截面半径为设计变量,臂架柔度为目标函数,材料体积为约束条件建立优化模型,基于Lagrange乘子法和库恩塔克条件推导腹杆截面尺寸优化迭代准则,基于欧拉公式推导了腹杆稳定性约束条件以保证尺寸优化过程中臂架稳定性.数值分析结果表明,该优化方法能有效地减轻臂架结构质量,提高臂架的刚度,减少变形并降低结构应力水平.     

基于Pro/MECHANICA的机床支承件的振动模态分析

通过三维软件Pro/E建立了机床滑座与床身的三维模型,采用Pro/MECHANICA软件建立了有限元计算模型.通过模态分析,计算了滑座与床身1至3阶的固有频率和振型,分析了各阶振动模态的特点,所得结果有利于机床支承系统的动态特性分析和整体设计.     

立式电机定子的振动特性仿真研究

采用Pro/E软件建立了电机定子虚拟样机模型,导入VisualNastran仿真软件中进行模态仿真研究,得到定子的固有频率和振型,通过模态实验验证了仿真结果.根据仿真结果,分析了定子的危险位置和振型.结果表明现有定子的结构基本满足设计要求,同时给出了定子结构的优化方案,仿真结果对振动实验和定子结构优化具有指导意义.     

大型摊铺机车架的力学特性分析与结构优化设计

首先,基于大型摊铺机车架刚度和强度设计方法,建立大型摊铺机车架的有限元模型.然后,通过模态仿真计算与模态分析得到车架的前10阶固有频率及主要振型,并通过模态实验验证了有限元模型的正确性.最后,提出动静力学特性相结合的综合结构设计方法:以动态刚度为目标函数,通过相对灵敏度分析确定车架刚度薄弱部分,利用拓扑优化手段实现摊铺机车架局部形状的改变及加强筋的布置,以提高车架刚度;结合静力学特性,分析摊铺机车架在静置情况下的应力分布及变形情况,以校验其性能可靠性,最终完成车架结构优化设计.对优化后的车架进行仿真分析,结果表明,优化后车架第1阶和第2阶固有频率明显提高,同时车架质量减少了3%.     

浅析关系数据库性能优化技术

在数据库系统的运行过程中,随着数据量的增加,各方面性能都会逐渐下降。为了提高数据库性能,可以从优化数据库设计、存储方案、索引设计和并发控制等多个方面入手来解决。适当程度的非规范化可以改善系统的查询性能;将数据均匀分布在磁盘上可以提高I／O利用率,提高数据的读写性能;建立索引和编写高效的SQL语句能有效避免低性能操作;在编程过程中充分考虑并发控制可能导致的不一致性问题,会有效避免死锁的发生,解决性能的瓶颈。     

平面绞链四杆机构的改进微粒群算法优化设计

文章介绍了微粒群优化算法的原理，提出了增加种群多样性和算法随机性的改进微粒群算法及实现过程，并把该算法应用于复杂机械优化问题。实例表明，该方法全局收敛性好，是解决工程设计中复杂线性优化问题的可行方法。     

结构拓扑及参数优化研究的发展

首先介绍了关于结构优化的基本问题,然后按其分类方式阐述了各种优化方法的研究现状,最后对结构拓扑优化中的常用算法及其常见的数值不稳定现象进行了分析.     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

有限元平面三角形网格的优化

本文对有限元平面三角形网格优化的基础上，系统地提出了“结构优化”的概念，并对以往的网格光顺算法做了改进，提出了一种将结构优化和位置优化相结合的网格优化方法，弥补了以往的优化方法中对结构优化的忽视，使网格优化更加完善。     

企事业过程模型自动模拟和优化算法

使用适合的优化算法,并依靠计算机的不断模拟执行,企事业过程模型可以得到一定程度的改善和提高。简要介绍了最优化方法和常用的优化算法,着重阐述了企事业过程模型的参数优化问题中所采用的优化算法。     

基于改进粒子群算法的海洋钻机系统布局优化

为提高海洋钻机的工作效率和平台的空间利用率,应用改进的粒子群算法对海洋钻机系统进行布局优化研究。针对多目标、多约束的钻机系统布局优化问题,建立钻机系统布局优化数学模型,应用多目标粒子群算法直接求解,得出相应的最优解集。利用线性加权法将多目标转变为单目标进行求解分析,针对单目标粒子群算法的缺点,基于约束条件、惯性权重以及遗传算法的选择和杂交对粒子群算法进行改进,完成不同改进算法的测试实验。结果表明,在应用粒子群算法求解布局问题时将约束条件作为目标函数、单独引入遗传算法的杂交思想求解速度和精度更好。提出的基于杂交的动态惯性权重粒子群算法的布局优化问题求解性能更优,得到的优化方案符合海洋钻井作业要求且占用甲板面积较小。     

混合离散变量的整型优化方法

本文对混合离散变量的优化问题进行了探讨,提出了将混合离散变量转换为单一的纯整型离散变量、并在整型空间内对全离散或混合离散变量、约束非线性问题进行优化设计的新方法。     

基于多目标粒子群算法的卫星结构动力学优化

针对卫星结构的多目标动力学优化问题,在其优化过程中建立了一种多目标粒子群优化(MOPSO)算法.该算法采用惯性权重递减策略,对违反约束的粒子给予不同惩罚,并在算法后期引入变异算子,增强种群的多样性,使算法更好地进行全局寻优.结合支持向量机近似模型,将MOPSO方法用于卫星结构动力学优化,并与多目标遗传算法(NSGA-II)的结果进行了对比.数值结果表明,MOPSO可以有效地搜寻优化问题的Pareto前沿,具有良好的分散度和均匀性.