机械优化设计课后程序考核题

机械优化设计程序考核题

1、一维搜索方法程序考核题

()3610min 2+-=t t t f

最优解：()

0.11,0.5**==t f t

to =

5.0000

fo =

11

2、无约束优化方法程序考核题

()()()2221654min -+-=x x x f 初始点：()45,]9,8[00==x f x T

最优解：()

0,]6,5[**==x f x T

运行结果：

Warning: Gradient must be provided for trust-region method; using line-search method instead.

> In fminunc at 241

Optimization terminated: relative infinity-norm of gradient less than options.TolFun.

Computing finite-difference Hessian using user-supplied objective function. x =

5.0000

6.0000

fval =

1.9895e-012

exitflag =

1

output =

iterations: 7

funcCount: 24

stepsize: 1

firstorderopt: 2.8610e-006

algorithm: 'medium-scale: Quasi-Newton line search'

message: 'Optimization terminated: relative infinity-norm of gradient less than options.TolFun.'

grad =

1.0e-005 *

0.0763

-0.2861

hessian =

8.0000 0

0 2.0000

3、约束优化方法的程序考核题

()()()222112min -+-=x x x f

s.t. ()()020

2122211≤-+=≤-=x x x g x x x g

初始点：()5,]3,3[00==x f x T

最优解：()

1,]1,1[**==x f x T

运行结果 ：

Warning: Large-scale (trust region) method does not currently solve this type of problem,

switching to medium-scale (line search).

> In fmincon at 260

c =

6

c =

6.0000

c =

6.0000

c =

2.0000

c =

2.0000

c =

2.0000

c =

9.9341e-009

c =

3.9736e-008

c =

-4.9671e-009

Optimization terminated: first-order optimality measure less than options.TolFun

and maximum constraint violation is less than options.TolCon.

Active inequalities (to within options.TolCon = 1e-006):

lower upper ineqlin ineqnonlin

1 1

x =

1.0000 1.0000

fval =

1.0000

exitflag =

1

output =

iterations: 2

funcCount: 11

stepsize: 1

algorithm: 'medium-scale: SQP, Quasi-Newton, line-search' firstorderopt: 6.6227e-009

cgiterations: []

message: [1x143 char]

lambda =

lower: [2x1 double]

upper: [2x1 double]

eqlin: [0x1 double]

eqnonlin: [0x1 double]

ineqlin: 0.6667

ineqnonlin: 0.6667

grad =

-2.0000

0.0000

hessian =

1.2000 0.4000

0.4000 1.8000

《机械优化设计》习题与答案

机械优化设计习题及参考答案 1-1.简述优化设计问题数学模型的表达形式。 答：优化问题的数学模型是实际优化设计问题的数学抽象。在明确设计变量、约束条件、目标函数之后，优化设计问题就可以表示成一般数学形式。求设计变量向量[]12T n x x x x =L 使 ()min f x → 且满足约束条件 ()0 (1,2,)k h x k l ==L ()0 (1,2,)j g x j m ≤=L 2-1.何谓函数的梯度？梯度对优化设计有何意义？ 答：二元函数f(x 1,x 2)在x 0点处的方向导数的表达式可以改写成下面的 形式：?? ??????????????=??+??=??2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d f ρ 令xo T x f x f x f x f x f ?? ????????=????=?21]2 1[)0(， 则称它为函数f （x 1，x 2）在x 0点处的梯度。 （1）梯度方向是函数值变化最快方向，梯度模是函数变化率的最大值。 （2）梯度与切线方向d 垂直，从而推得梯度方向为等值面的法线方向。梯度)0(x f ?方向为函数变化率最大方向，也就是最速上升方向。负梯度-)0(x f ?方向为函数变化率最小方向，即最速下降方向。 2-2.求二元函数f （x 1，x 2）=2x 12+x 22-2x 1+x 2在T x ]0,0[0=处函数变化率最 大的方向和数值。

解：由于函数变化率最大的方向就是梯度的方向，这里用单位向量p 表示，函数变化率最大和数值时梯度的模)0(x f ?。求f （x1，x2）在x0点处的梯度方向和数值，计算如下： ()??? ???-=????? ?+-=???? ??????????=?120122214210x x x x f x f x f 2 221)0(?? ? ????+??? ????=?x f x f x f =5 ????? ???????-=??????-=??=5152512)0()0(x f x f p ? 2-3.试求目标函数()2 221212143,x x x x x x f +-=在点X 0=[1,0]T 处的最速下 降方向，并求沿着该方向移动一个单位长度后新点的目标函数值。 解：求目标函数的偏导数 212 21124,46x x x f x x x f +-=??-=?? 则函数在X 0=[1,0]T 处的最速下降方向是 ??????-=??????-+-=?????? ??????????-=-?=====462446)(0 121210 1210 2121x x x x x x x x x f x f X f P 这个方向上的单位向量是： 13]2,3[4 )6(]4,6[T 22T -=+--==P P e 新点是

机械优化设计论文(基于MATLAB工具箱的机械优化设计)

基于MATLAB工具箱的机械优化设计 长江大学机械工程学院机械11005班刘刚 摘要：机械优化设计是一种非常重要的现代设计方法，能从众多的设计方案中找出最佳方案，从而大大提高设计效率和质量。本文系统介绍了机械优化设计的研究内容及常规数学模型建立的方法，同时本文通过应用实例列举出了MATLAB 在工程上的应用。 关键词：机械优化设计；应用实例；MATLAB工具箱；优化目标 优化设计是20世纪60年代随计算机技术发展起来的一门新学科, 是构成和推进现代设计方法产生与发展的重要内容。机械优化设计是综合性和实用性都很强的理论和技术, 为机械设计提供了一种可靠、高效的科学设计方法, 使设计者由被动地分析、校核进入主动设计, 能节约原材料, 降低成本, 缩短设计周期, 提高设计效率和水平, 提升企业竞争力、经济效益与社会效益。国内外相关学者和科研人员对优化设计理论方法及其应用研究十分重视, 并开展了大量工作, 其基本理论和求解手段已逐渐成熟。 国内优化设计起步较晚, 但在众多学者和科研人员的不懈努力下, 机械优化设计发展迅猛, 在理论上和工程应用中都取得了很大进步和丰硕成果, 但与国外先进优化技术相比还存在一定差距, 在实际工程中发挥效益的优化设计方案或设计结果所占比例不大。计算机等辅助设备性能的提高、科技与市场的双重驱动, 使得优化技术在机械设计和制造中的应用得到了长足发展, 遗传算法、神经网络、粒子群法等智能优化方法也在优化设计中得到了成功应用。目前, 优化设计已成为航空航天、汽车制造等很多行业生产过程的一个必须且至关重要的环节。 一、机械优化设计研究内容概述 机械优化设计是一种现代、科学的设计方法, 集思考、绘图、计算、实验于一体, 其结果不仅“可行”, 而且“最优”。该“最优”是相对的, 随着科技的发展以及设计条件的改变, 最优标准也将发生变化。优化设计反映了人们对客观世界认识的深化, 要求人们根据事物的客观规律, 在一定的物质基和技术条件下充分发挥人的主观能动性, 得出最优的设计方案。 优化设计的思想是最优设计, 利用数学手段建立满足设计要求优化模型; 方法是优化方法, 使方案参数沿着方案更好的方向自动调整, 以从众多可行设计方案中选出最优方案; 手段是计算机, 计算机运算速度极快, 能够从大量方案中选出“最优方案“。尽管建模时需作适当简化, 可能使结果不一定完全可行或实际最优, 但其基于客观规律和数据, 又不需要太多费用, 因此具有经验类比或试验手段无可比拟的优点, 如果再辅之以适当经验和试验, 就能得到一个较圆满的优化设计结果。 传统设计也追求最优结果, 通常在调查分析基础上, 根据设计要求和实践

实验优化设计考试答案

第一题 考察温度对烧碱产品得率的影响，选了四种不同温度进行试验，在同一温度下进行了5次试验（三数据见下表）。希望在显着性水平为。 1.SSE的公式 2.SSA的公式 3.将表格粘贴进Excel，然后进行数据分析，勾选标于第一行，显示在下面 P=，远小于，所以是显着的 “方差分析” “响应C1C2C3C4” “选单因素未重叠” 4.打开Minitab，复制表格， “统计” 点击“比较”勾选第一个，确定 结果:工作表3 单因子方差分析:60度,65度,70度,75度 来源自由度SSMSFP 因子误差合计 S==%R-Sq（调整）=% 平均值（基于合并标准差）的单组95%置信区间 水平N平均值标准差------+---------+---------+---------+--- 60度度度度合并标准差= Tukey95%同时置信区间 所有配对比较 单组置信水平=% 60度减自: 下限中心上限------+---------+---------+---------+--- 65度度度度减自: 下限中心上限------+---------+---------+---------+--- 70度度度减自: 下限中心上限------+---------+---------+---------+--- 75度获得结果，区间相交包含的不明显，反之明显 第二题 为研究线路板焊点拉拔力与烘烤温度、烘烤时间和焊剂量之间关系。从生产过程中收集20批数据，见下表: 1.将表格粘贴进Minitab，然后“统计”“回归”“回归”“响应，变量”“图形，四 合一” 2.P小于，显着 4.残差分析 第三题 钢片在镀锌前需要用酸洗方法除锈， 为提高除锈效率，缩短酸洗时间，需 要寻找好的工艺参数。现在试验中考 察如下因子与水平：

《机械优化设计》习题及答案

机械优化设计习题及参考答案 1-1、简述优化设计问题数学模型的表达形式。 答:优化问题的数学模型就是实际优化设计问题的数学抽象。在明确设计变量、约束条件、目标函数之后,优化设计问题就可以表示成一般数学形式。求设计变量向量[]12 T n x x x x =使 ()min f x → 且满足约束条件 ()0 (1,2,)k h x k l == ()0(1,2,)j g x j m ≤= 2-1、何谓函数的梯度？梯度对优化设计有何意义？ 答:二元函数f(x 1,x 2)在x 0点处的方向导数的表达式可以改写成下面的形式:?? ??????????????=??+??=??2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d f 令xo T x f x f x f x f x f ?? ????????=????=?21]21[)0(, 则称它为函数f(x 1,x 2)在x 0点处的梯度。 (1)梯度方向就是函数值变化最快方向,梯度模就是函数变化率的最大值。 (2)梯度与切线方向d 垂直,从而推得梯度方向为等值面的法线方向。梯度)0(x f ?方向为函数变化率最大方向,也就就是最速上升方向。负梯度-)0(x f ?方向为函数变化率最小方向,即最速下降方向。 2-2、求二元函数f(x 1,x 2)=2x 12+x 22-2x 1+x 2在T x ]0,0[0=处函数变化率最 大的方向与数值。 解:由于函数变化率最大的方向就就是梯度的方向,这里用单位向量p 表

示,函数变化率最大与数值时梯度的模)0(x f ?。求f(x1,x2)在x0点处的梯度方向与数值,计算如下: ()??????-=??????+-=???? ??????????=?120122214210x x x x f x f x f 2221)0(?? ? ????+??? ????=?x f x f x f =5 ????? ???????-=??????-=??=5152512)0()0(x f x f p 2-3、试求目标函数()2221212143,x x x x x x f +-=在点X 0=[1,0]T 处的最速下降 方向,并求沿着该方向移动一个单位长度后新点的目标函数值。 解:求目标函数的偏导数 212 21124,46x x x f x x x f +-=??-=?? 则函数在X 0=[1,0]T 处的最速下降方向就是 ??????-=??????-+-=????????????????-=-?=====462446)(0121210 121021 21x x x x x x x x x f x f X f P 这个方向上的单位向量就是: 13]2,3[4 )6(]4,6[T 22T -=+--==P P e 新点就是 ????? ???????-=+=132133101e X X 新点的目标函数值

机械优化设计方法论文

浅析机械优化设计方法基本理论 【摘要】在机械优化设计的实践中，机械优化设计是一种非常重要的现代设计方法，能从众多的设计方案中找出最佳方案，从而大大提高设计的效率和质量。每一种优化方法都是针对某一种问题而产生的，都有各自的特点和各自的应用领城。在综合大量文献的基础上，总结机械优化设计的特点，着重分析常用的机械优化设计方法，包括无约束优化设计方法、约束优化设计方法、基因遗传算方法等并提出评判的主 要性能指标。 【关键词】机械；优化设计；方法特点；评价指标 一、机械优化概述 机械优化设计是适应生产现代化要求发展起来的一门科学，它包括机械优化设计、机械零部件优化设计、机械结构参数和形状的优化设计等诸多内容。该领域的研究和应用进展非常迅速，并且取得了可观的经济效益，在科技发达国家已将优化设计列为科技人员的基本职业训练项目。随着科技的发展，现代化机械优化设计方法主要以数学规划为核心，以计算机为工具，向着多变量、多目标、高效率、高精度方向发展。]1[ 优化设计方法的分类优化设计的类别很多，从不同的角度出发，可以做出各种不同的分类。按目标函数的多少，可分为单目标优化设计方法和多目标优化设计方法按维数，可分为一维优化设计方法和多维优化设计方法按约束情况，可分为无约束优化设计方法和约束优化设计方法按寻优途径，可分为数值法、解析法、图解法、实验法和情况研究法按优化设计问题能否用数学模型表达，可分为能用数学模型表达的优化设计问题其寻优途径为数学方法，如数学规划法、最优控制法等。 1.1 设计变量 设计变量是指在设计过程中进行选择并最终必须确定的各项独立参数，在优化过程中，这些参数就是自变量，一旦设计变量全部确定，设计方案也就完全确定了。设计变量的数目确定优化设计的维数，设计变量数目越多，设计空间的维数越大。优化设计工作越复杂，同时效益也越显著，因此在选择设计变量时。必须兼顾优化效果的显著性和优化过程的复杂性。

机械优化设计案例分析

优化设计案例分析 优化设计是在给定的设计指标和限制条件下,运用最优化原理和方法,在电子计算机上进行自动调优计算,从而选定出最优设计参数,使设计指标达到最优值。该最优设计参数就是一个最优设计方案。所谓设计指标,就机械设计而言,一般是指重量轻、能耗小、刚性大、成本低等;所谓限制条件,是指强度要求、刚度要求、尺寸范围要求等。 设计变量选择 一个设计方案可以用一组基本参数的数值来表示，这些基本参数可以是构件尺寸等几何量，也可以是质量等物理量，还可以是应力、变形等表示工作性能的导出量。在设计过程中进行选择并最终必须确定的各项独立的基本参数，称作设计变量，又叫做优化参数。在充分了解设计要求的基础上，根据各设计参数对目标函数的影响程度分析其主次，尽量减少设计变量的数目，以简化优化设计问题。注意各设计变量应相互独立，避免耦合情况的发生，否则会使目标函数出现“山脊”或“沟谷”，给优化带来困难。 目标函数与约束的确定 对于一般机械，可按重量最轻或体积最小建立目标函数；对应力集中现象突出的构件，以应力集中系数最小为目标；对精密仪器，应按其精度最高或误差最小的要求建立目标函数。约束条件是就工程设计本身而提出的对设计变量取值范围的限制条件，目前尚无一套完整的评价方法来检验哪些约束是必须，哪些约束是可忽略的，通常是凭经验取舍，不可避免会带来模型和现实系统的不相吻合。在最优化设计问题中，可以只有一个目标函数，称为单目标函数。当在同一设计中要提出多个目标函数时，这种问题称为多目标函数的最优化问题。在一般的机械最优化设计中，多目标函数的情况较多。目标函数愈多，设计的综合效果愈好，但问题的求解亦愈复杂。对于复杂的问题，要建立能反映客观工程实际的、完善的数学模型往往会遇到很多困难，有时甚至比求解更为复杂。这时要抓住关键因素，适当忽略不重要的成分，使问题合理简化，以易于列出数学模型，这样不仅可节省时间，有时也会改善优化结果。 数学模型确立 数学模型越精确，设计变量越多，维数越大，建模越复杂，优化进程越慢；但数学模型忽略过多元素，则难以确切凸现结构的特殊之处。故要结合工程实际和优化设计经验，把握与研究目标相关程度大的因素，尽可能的建立确切、简洁的数学模型。然后通过基于统计理论的检验方法———t 检验/F 检验/ X2检验/ 拟合优度检验等，分析模型的置信区间，对模型有效性进行评价，提高模型的准确度。 下面以机票销售策略案例进行说明 某航空公司每天有三个航班服务于A, B, C, H四个城市,其中城市H是可供转机使用的, 三个航班的出发地-目的地分别为AH, HB, HC,可搭乘旅客的最大数量分别为120人, 100人, 110人, 机票的价格分头等舱和经济舱两类. 经过市场调查,公司销售部得到了每天旅客的相关信息, 见表1. 该公司应该在每条航线上分别分配多少头等舱和经济舱的机票?

机械优化设计方法基本理论

机械优化设计方法基本理论 一、机械优化概述 机械优化设计是适应生产现代化要求发展起来的一门科学，它包括机械优化设计、机械零部件优化设计、机械结构参数和形状的优化设计等诸多内容。该领域的研究和应用进展非常迅速，并且取得了可观的经济效益，在科技发达国家已将优化设计列为科技人员的基本职业训练项目。随着科技的发展，现代化机械优化设计方法主要以数学规划为核心，以计算机为工具，向着多变量、多目标、高效率、高精度方向发展。]1[ 优化设计方法的分类优化设计的类别很多，从不同的角度出发，可以做出各种不同的分类。按目标函数的多少，可分为单目标优化设计方法和多目标优化设计方法按维数，可分为一维优化设计方法和多维优化设计方法按约束情况，可分为无约束优化设计方法和约束优化设计方法按寻优途径，可分为数值法、解析法、图解法、实验法和情况研究法按优化设计问题能否用数学模型表达，可分为能用数学模型表达的优化设计问题其寻优途径为数学方法，如数学规划法、最优控制法等 1.1 设计变量 设计变量是指在设计过程中进行选择并最终必须确定的各项独立参数，在优化过程中，这些参数就是自变量，一旦设计变量全部确定，设计方案也就完全确定了。设计变量的数目确定优化设计的维数，设计变量数目越多，设计空间的维数越大。优化设计工作越复杂，同时效益也越显著，因此在选择设计变量时。必须兼顾优化效果的显著性和优化过程的复杂性。 1.2 约束条件 约束条件是设计变量间或设计变量本身应该遵循的限制条件，按表达方式可分为等式约束和不等式约束。按性质分为性能约束和边界约束，按作用可分为起作用约束和不起作用约束。针对优化设计设计数学模型要素的不同情况，可将优化设计方法分类如下。约束条件的形式有显约束和隐约束两种，前者是对某个或某组设计变量的直接限制，后者则是对某个或某组变量的间接限制。等式约束对设计变量的约束严格，起着降低设计变量自由度的作用。优化设计的过程就是在设计变量的允许范围内，找出一组优化的设计变量值，使得目标函数达到最优值。

机械优化设计三个案例

机械优化设计案例1 1. 题目 对一对单级圆柱齿轮减速器，以体积最小为目标进行优化设计。 2.已知条件 已知数输入功p=58kw ，输入转速n 1=1000r/min ，齿数比u=5，齿轮的许用应力[δ]H =550Mpa ，许用弯曲应力[δ]F =400Mpa 。 3.建立优化模型 3.1问题分析及设计变量的确定 由已知条件得求在满足零件刚度和强度条件下，使减速器体积最小的各项设计参数。由于齿轮和轴的尺寸（即壳体内的零件）是决定减速器体积的依据，故可按它们的体积之和最小的原则建立目标函数。 单机圆柱齿轮减速器的齿轮和轴的体积可近似的表示为： ] 3228)6.110(05.005.2)10(8.0[25.087)(25.0))((25.0)(25.0)(25.02221222122212222122121222 212221202 22222222121z z z z z z z z z z z g g z z d d l d d m u m z b bd m u m z b b d b u z m b d b z m d d d d l c d d D c b d d b d d b v +++---+---+-=++++- ----+-=πππππππ 式中符号意义由结构图给出，其计算公式为 b c d m u m z d d d m u m z D m z d m z d z z g g 2.0) 6.110(25.0,6.110,21022122211=--==-=== 由上式知，齿数比给定之后，体积取决于b 、z 1 、m 、l 、d z1 和d z2 六个参数，则设计变量可取为 T z z T d d l m z b x x x x x x x ][][21165 4321 == 3.2目标函数为 min )32286.18.092.0858575.4(785398.0)(26252624252463163212 51261231232123221→++++-+-+-+=x x x x x x x x x x x x x x x x x x x x x x x x x x f 3.3约束条件的建立 1）为避免发生根切，应有min z z ≥17=，得

机械优化设计课后习题答案

第一章习题答案 1-1 某厂每日（8h 制）产量不低于1800件。计划聘请两种不同的检验员，一级检验员的标准为：速度为25件／h ，正确率为98％，计时工资为4元／h ；二级检验员标准为：速度为15件／h ，正确率为95％，计时工资3元／h 。检验员每错检一件，工厂损失2元。现有可供聘请检验人数为：一级8人和二级10人。为使总检验费用最省，该厂应聘请一级、二级检验员各多少人？ 解：（1）确定设计变量； 根据该优化问题给定的条件与要求，取设计变量为X = ?? ????=? ??? ??二级检验员一级检验员 21x x ； （2）建立数学模型的目标函数； 取检验费用为目标函数，即： f (X ) = 8*4*x 1+ 8*3*x 2 + 2（8*25*0.02x 1 +8*15*0.05x 2 ） =40x 1+ 36x 2 （3）本问题的最优化设计数学模型： min f (X ) = 40x 1+ 36x 2 X ∈R 3· s.t. g 1(X ) =1800-8*25x 1+8*15x 2≤0 g 2(X ) =x 1 -8≤0 g 3(X ) =x 2-10≤0 g 4(X ) = -x 1 ≤0 g 5(X ) = -x 2 ≤0 1-2 已知一拉伸弹簧受拉力F ，剪切弹性模量G ，材料重度r ，许用剪切应力[]τ，许用最大变形量[]λ。欲选择一组设计变量T T n D d x x x ][][2 32 1 ==X 使弹簧重量最轻，同时满足下列限制条件：弹簧圈数3n ≥， 簧丝直径0.5d ≥，弹簧中径21050D ≤≤。试建立该优化问题的数学模型。 注：弹簧的应力与变形计算公式如下 3 22234 881 ,1,(2n s s F D FD D k k c d c d Gd τλπ==+==旋绕比）， 解： （1）确定设计变量； 根据该优化问题给定的条件与要求，取设计变量为X = ????? ? ????=??????????n D d x x x 2321； （2）建立数学模型的目标函数； 取弹簧重量为目标函数，即： f (X ) = 322 12 4 x x rx π （3）本问题的最优化设计数学模型：

机械优化设计题目答案

1－1．简述优化设计问题数学模型的表达形式。 答：优化问题的数学模型是实际优化设计问题的数学抽象。在明确设计变量、约束条件、目标函数之后,优化设计问题就可以表示成一般数学形式。 求设计变量向量[] 1 2 T n x x x x = 使 ()min f x →且满足约束条件 ()0 (1,2, )k h x k l == ()0 (1,2, )j g x j m ≤= 利用可行域概念,可将数学模型的表达进一步简练。设同时满足 ()0 (1,2, ) j g x j m ≤=和 ()0 (1,2, )k h x k l ==的设计点集合为R ,即Ｒ为优化问题的可行域，则优化问题的数学模型可简练地写成 求x 使 min ()x R f x ∈ 符号“∈”表示“从属于”。 在实际优化问题中,对目标函数一般有两种要求形式：目标函数极小化 ()min f x →或目标函数极大化 ()max f x →。由于求()f x 的极大化与求()f x -的极小化等价，所以今后优化问题的数学表达一律采用目标函数极小 化形式。 １-２.简述优化设计问题的基本解法。（不要抄书,要归纳) 答：求解优化问题可以用解析解法，也可以用数值的近似解法。 解析解法就是把所研究的对象用数学方程（数学模型)描述出来，然后再用数学解析方法（如微分、变分方法等）求出有化解。 但是，在很多情况下,优化设计的数学描述比较复杂,因而不便于甚至不可能用解析方法求解；另外，有时对象本身的机理无法用数学方程描述，而只能通过大量试验数据用插值或拟合方法构造一个近似函数式,再来求其优化解,并通过试验来验证;或直接以数学原理为指导，从任取一点出发通过少量试验(探索性的计算),并根据试验计算结果的比较,逐步改进而求得优化解。这种方法是属于近似的、迭代性质的数值解法。 数值解法不仅可用于求复杂函数的优化解，也可以用于处理没有数学解析表达式的优化问题。因此,它是实际问题中常用的方法,很受重视。其中具体方法较多,并且目前还在发展。但是,应当指出,对于复杂问题,由于不能把所有参数都完全考虑并表达出来,只能是一个近似的最后的数学描述。由于它本来就是一种近似,那么，采用近似性质的数值方法对它们进行解算，也就谈不到对问题的精确性有什么影响了。 不管是解析解法，还是数值解法，都分别具有针对无约束条件和有约束条件的具体方法。 可以按照对函数倒数计算的要求，把数值方法分为需要计算函数的二阶导数、一阶导数和零阶导数(即只要计算函数值而不需计算其导数)的方法。 2-1.何谓函数的梯度？梯度对优化设计有何意义? 答:二元函数f(x １,x2)在x0点处的方向导数的表达式可以改写成下面的形式 ?? ??????????????=??+??=??2cos 1cos 212cos 21cos 1θθθθxo x f x f xo x f xo x f xo d f 令xo T x f x f x f x f x f ?? ????????= ????=?21]2 1[)0(并称它为函数f （x1，x2）在x0点处的梯度。 假设?? ????=2cos 1cos θθd 为D 方向上的单位向量,则有d T x f xo d f )0(?=?? 即函数f （x1,x2）在x ０点处沿某一方向d 的方向导数 xo d f ??等于函数在该点处的梯度)0(x f ?与d 方向单位向量的内积。 梯度方向是函数值变化最快的方向,而梯度的模就是函数变化率的最大值。 梯度与切线方向d 垂直,从而推得梯度方向为等值面的法线方向。梯度)0(x f ?方向为函数变化率最大方向，也就是最速上升方向。负梯度-)0(x f ?方向为函数变化率最小方向,即最速下降方向。 2－2.求二元函数 212 2212122),(x x x x x x f +-+=在T x ] 0,0[0=处函数变化率最大的方向和数值。 解;由于函数变化率最大的方向就是梯度的方向,这里用单位向量p 表示,函数变化率最大和数值时梯度的模) 0(x f ?。 求f （ｘ1，x ２）在ｘ0点处的梯度方向和数值,计算如下： ()??? ???-=??????+-=???? ??????????=?120122214210x x x x f x f x f

机械优化设计习题集

机械优化设计复习题 一、单项选择题 1.机械优化设计中，凡是可以根据设计要求事先给定的独立参数，称为（ ） （P19-21） A ． 设计变量 B ．目标函数 C ．设计常量 D ．约束条件 2.下列哪个不是优化设计问题数学模型的基本要素（ ）（P19-21） A ．设计变量 B .约束条件 C .目标函数 D .最佳步长 3.凡在可行域内的任一设计点都代表了一允许采用的方案，这样的设计点为（ ） （P19-21） A .边界设计点 B .极限设计点 C .外点 D .可行点 4.当设计变量的数量n 在下列哪个范围时，该设计问题称为中型优化问题 （P19-21） A .n<10 B .n=10~50 C .n<50 D .n>50 5. 机械最优化设计问题多属于什么类型优化问题（ ）（P19-24） A .约束线性 B .无约束线性 C .约束非线性 D .无约束非线性 6. 工程优化设计问题大多是下列哪一类规划问题（ ）（P22-24） A .多变量无约束的非线性 B .多变量无约束的线性 C .多变量有约束的非线性 D .多变量有约束的线性 7. n 元函数在()k x 点附近沿着梯度的正向或反向按给定步长改变设计变量时，目 标函数值（ ）（P25-28） A .变化最大 B .变化最小 C .近似恒定 D .变化不确定 8.()f x ?方向是指函数()f x 具有下列哪个特性的方向（ ）（P25-28） A . 最小变化率 B .最速下降 C . 最速上升 D .极值 9. 梯度方向是函数具有（ ）的方向 （P25-28） A ．最速下降 B ．最速上升 C ．最小变化 D ．最大变化率 10. 函数()f x 在某点的梯度方向为函数在该点的（）（P25-28） A .最速上升方向 B .上升方向 C .最速下降方向 D .下降方向 11. n 元函数()f x 在点x 处梯度的模为（ ）（P25-28） A .f ?= B .12...n f f f f x x x ????=++??? C .22212()()...()n f f f f x x x ????=++??? D .f ?=12.更适合表达优化问题的数值迭代搜索求解过程的是（ ） （P25-31） A ．曲面或曲线 B ．曲线或等值面 C ．曲面或等值线 D ．等值线或等值面 13.一个多元函数()f x 在*x 点附近偏导数连续，则该点为极小值点的充要条件 （ ）（P29-31） A.*()0f x ?= B. *()0G x = C. 海赛矩阵*()G x 正定 D. **()0G()f x x ?=，负定

机械优化设计题库

、绪论 1. 思考题 1.何为约束优化设计问题 ?什么是无约束优化设计问题 ?试各举一例说明。机械优化设计问题多属哪一类？ 2.一般优化问题的数学模型包括哪些部分?写出一般形式的数学模型。 3.机械优化设计的过程是怎样的 ?它与常规的机械设计有什么不同 ? 4.怎样判断所求得的最优解是不是全局最优解？ 5.试简述优化算法的迭代过程。 6.何为可行域？为什么说当存在等式约束则可行域将大为缩小?当优化问题中有—个等式约束时 可行域是什么 ?当优化问题中有两个等式约束时可行域是什么?当 n 维优化问题中有 n 个等式约束时可 行域是什么？ 7.什么是内点、什么是外点 ?在优化设计中内点和外点都可以作为设计方案吗?为什么 ? 8.试写出第一节中第三个问题的数学模型。 9.目标函数及其等值线（等值面）的意义和特性是什么？ 2.习题 1.设计一容积为 V 的平底、无盖圆柱形容器，要求消耗原材料最少，试建立其优化设计的数学模型，并指出属于哪一类优化问题。 2.当一个矩形无盖油箱的外部总面积限定为S 时，怎样设计可使油箱的容量最大？试列出这个优 化问题的数学模型，并回答： ①属于几维的优化问题？ ②是线性规划还是非线性规划？ 3.欲造容积为 V 的长方形无盖水箱，问应如何选定其长、宽、高尺寸，才能使用料消耗最少？试写出其数学模型。 4.试求直径为 D 的圆内所有内接三角形面积中的最大值。 5?在曲面f l（X l,X2,X3）=0上找一点P l,在曲面f2（X l,X2,X3）=0上找一点卩2,使得P l与卩2的距离为最短，试建立优化问题的数学模型。 6?有一薄铁皮，宽b=14cm，长L=24cm，制成如图2-9所示的梯形槽，求边长 X和倾斜角a为多大时，槽的容积最大？试写出此问题的优化设计模型并指出该问题属于哪一类的优化设计问题。 7?欲制一批如图 2-12所示的包装纸箱，其顶和底由四边延伸的折纸板组成。要求纸箱的容积为 2m3,问如何确定a、b和c的尺寸，使所用的纸板最省。试写出该优化问题的数学模型。 8?—根长I的铅丝截成两段，一段弯成圆圈，另一段弯折成方形。问应以怎样的比例截断铅丝，才能使圆和方形的面积之和为最大,试写出这一优化问题的数学模型。 9?某厂生产A、B两种产品：A每桶需用煤90kN、电4度、劳动日3个，获利润700元；B每桶需用煤40kN、电5度、劳动日10个，获利润1200元。但计划规定可用煤 3600kN、电200度、劳动 日 300 个,试问 A、 B 各生产多少桶时利润最大？列出其教学模型,并说明属于何种数学规划问题? 10.某厂生产两种机器，两种产品生产每台所

机械优化设计大作业

一、问题描述 1.1结构特点 (1)体积小、重量轻、结构紧凑、传递功率大、承载能力高 ； (2)传动效率高，工作高 ；(3)传动比大。 1.2用途和使用条件 某行星齿轮减速器主要用于石油钻采设备的减速，其高速轴转速为1300r/min ；工作环境温度为-20℃～60℃，可正、反两向运转。 按该减速器最小体积准则，确定行星减速器的主要参数。 二、分析 传动比u=4.64，输入扭矩T=1175.4N.m ，齿轮材料均选用38SiMnMo 钢，表面淬火硬度HRC 45~55，行星轮个数为3。要求传动比相对误差02.0≤?u 。 弹性影响系数Z E =189.8MPa 1/2；载荷系数k=1.05；齿轮接触疲劳强度极限[σ]H =1250MPa ；齿轮弯曲疲劳强度极限[σ]F =1000MPa ；齿轮的齿形系数Y Fa =2.97；应力校正系数Y Sa =1.52；小齿轮齿数z 取

值范围17--25；模数m取值范围2—6。 注：优化目标为太阳轮齿数、齿宽和模数，初始点[24，52，5]T 三、数学建模 建立数学模型见图1，即用数学语言来描述最优化问题，模型中的数学关系式反映了最优化问题所要达到的目标和各种约束条件。 3.1设计变量的确定 影响行星齿轮减速器体积的独立参数为中心轮齿数、齿宽、模数及行星齿轮的个数,将他们列为设计变量，即： x=[x 1 x 2 x 3 x 4 ]T=[z 1 b m c]T [1] 式中：z1 ˉ￣太阳轮齿数；b―齿宽（mm）；m—模数（mm）;行星轮的个数。通常情况下，行星轮个数根据机构类型以事先选定，由已知条件c=3。这样，设计变量为： x=[x 1 x 2 x 3 ]T=[z 1 b m]T [1] 3.2目标函数的确定 为了方便，行星齿轮减速器的重量可取太阳轮和3个行星轮体积之和来代替，即： V=π/4（d 12+Cd 2 2）b 式中：d1--太阳轮1的分度圆直径，mm；d2--行星轮2的分度圆直径，mm。 将d 1=mz 1， d 2 =mz 2 ，z 2 =z 1 （u－2）/2代入（3）式整理，目标函 数则为：

机械优化设计实例讲解学习

机械优化设计实例 压杆的最优化设计 压杆是一根足够细长的直杆，以学号为p值，自定义有设计变量的 尺寸限制值，求在p一定时d1、d2和l分别取何值时管状压杆的体积或重 量最小？（内外直径分别为d1、d2）两端承向轴向压力，并会因轴向压力 达到临界值时而突然弯曲，失去稳定性，所以，设计时，应使压应力不 超过材料的弹性极限，还必须使轴向压力小于压杆的临界载荷。 解：根据欧拉压杆公式，两端铰支的压杆，其临界载荷为：I——材料的惯性矩，EI为抗弯刚度 1、设计变量 现以管状压杆的内径d1、外径d2和长度l作为设计变量 2、目标函数 以其体积或重量作为目标函数 3、约束条件 以压杆不产生屈服和不破坏轴向稳定性，以及尺寸限制为约束条件，在外力为p的情况下建立优化模型： 1） 2）

3） 罚函数： 传递扭矩的等截面轴的优化设计解：1、设计变量： 2、目标函数

以轴的重量最轻作为目标函数： 3、约束条件： 1）要求扭矩应力小于许用扭转应力，即： 式中：——轴所传递的最大扭矩 ——抗扭截面系数。对实心轴 2）要求扭转变形小于许用变形。即： 扭转角： 式中：G——材料的剪切弹性模数 Jp——极惯性矩，对实心轴： 3）结构尺寸要求的约束条件： 若轴中间还要承受一个集中载荷，则约束条件中要考虑：根据弯矩联合作用得出的强度与扭转约束条件、弯曲刚度的约束条件、对于较重要的和转速较高可能引起疲劳损坏的轴，应采用疲劳强度校核的安全系数法，增加一项疲劳强度不低于许用值的约束条件。

二级齿轮减速器的传动比分配 二级齿轮减速器，总传动比i=4，求在中心距A最小下如何 分配传动比？设齿轮分度圆直径依次为d1、d2、d3、d4。第一、二 级减速比分别为i1、i2。假设d1=d3,则： 七辊矫直实验 罚函数法是一种对实际计算和理论研究都非常有价值的优化方法，广泛用来求解约束问题。其原理是将优化问题中的不等式约束和等式约束加权转换后，和原目标函数结合成新的目标函数，求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。考虑到本优化程序要处理的是一个兼而有之的问题，故采用混合罚函数法。 一）、优化过程 （1）、设计变量 以试件通过各矫直辊时所受到的弯矩为设计变量： （2）、目标函数

《机械优化设计》试题与答案解析

《机械优化设计》复习题及答案 一、填空题 1、用最速下降法求f(X)=100(x 2- x 12) 2+(1- x 1) 2的最优解时，设X （0）＝[-0.5,0.5]T ，第一步迭代的搜索方向为[-47;-50] 。 2、机械优化设计采用数学规划法,其核心一是建立搜索方向 二是计算最佳步长因子 。 3、当优化问题是__凸规划______的情况下，任何局部最优解就是全域最优解。 4、应用进退法来确定搜索区间时，最后得到的三点，即为搜索区间的始点、中间点和终点，它们的函数值形成 高-低-高 趋势。 5、包含n 个设计变量的优化问题，称为 n 维优化问题。 6、函数 C X B HX X T T ++2 1的梯度为 HX+B 。 7、设G 为n×n 对称正定矩阵，若n 维空间中有两个非零向量d 0，d 1，满足(d 0)T Gd 1=0，则d 0、d 1之间存在_共轭_____关系。 8、 设计变量 、 约束条件 、 目标函数 是优化设计问题数学模型的基本要素。 9、对于无约束二元函数),(21x x f ，若在),(x 20100x x 点处取得极小值，其必要条件是 梯 度为零 ，充分条件是 海塞矩阵正定 。 10、 库恩-塔克 条件可以叙述为在极值点处目标函数的梯度为起作用的各约束函数梯度的非负线性组合。 11、用黄金分割法求一元函数3610)(2+-=x x x f 的极小点，初始搜索区间 ]10,10[],[-=b a ，经第一次区间消去后得到的新区间为 [-2.36,2.36] 。 12、优化设计问题的数学模型的基本要素有设计变量 、约束条件 目标函数 、 13、牛顿法的搜索方向d k = ，其计算量 大 ，且要求初始点在极小点 逼近 位置。 14、将函数f(X)=x 12+x 22-x 1x 2-10x 1-4x 2+60表示成 C X B HX X T T ++2 1的形式 。 15、存在矩阵H ，向量 d 1，向量 d 2，当满足 (d1)TGd2=0 ，向量 d 1和向量 d 2是关于H 共轭。 16、采用外点法求解约束优化问题时，将约束优化问题转化为外点形式时引入的惩罚因子r 数列，具有 由小到大趋于无穷 特点。

浅谈机械优化设计方法

浅谈机械优化设计方法 发表时间：2019-08-29T14:17:25.640Z 来源：《基层建设》2019年第16期作者：钟文 [导读] 摘要：伴随着我国的经济发展越来越快，无疑给可优化性能设计带来巨大的挑战。 深圳市海目星激光智能装备股份有限公司 518110 摘要：伴随着我国的经济发展越来越快，无疑给可优化性能设计带来巨大的挑战。机械优化设计是近几年来发展起来的一门新的学科，在二十世纪中旬的时候开始，优化技术和计算机技术的兴起，在每个设计领域中被应用，为工程设计提供了重要的科学的设计方法。因此，对机械设计的优化方法加以分析，吸取精华，紧跟时代步伐，与国际同步，才能增强制造业在我国市场中的竞争压力。 关键词：机械；优化设计；方法特点 引言 当今是一个信息化的社会，科技发展速度非常快，人们对多功能产品不仅有强烈的需求，也需要产品必须具备相应的功能，可靠性优化设计由此应运而生，已经取得了飞速发展和广泛应用，即以时间、费用和性能为基础，将产品能得以可靠使用作为优先考虑的设计准则，进行设计和生产可靠的性能要求。因此，可靠性设计是诸多学科和技术的交融而新兴的一种技术。 1 机械优化的概述 机械优化是顺应时代发展而不断延伸出来的一种现代化的生产而发展兴起的。它是建立在数学规划的理论和计算通过有效的实验数据和科学的评价体系来从众多的设计方案中寻找到能够尽可能的完善和适宜的设计方案，在这机械优化的这个机械方面的研究和应用的发展速度都是非常的快速，并且在快速发展的过程中取得了非常显著的效果。 2 机械设计优化方法的分类及特点 2.1 无约束优化设计法 无约束优化设计是没有约束函数的优化设计。无约束可以分为两类，一类是利用目标函数的一阶或二阶导数的无约束优化方法；另一类是只利用目标函数值的无约束优化方法。 2.2 约束优化设计法 优化设计问题大多数是约束的优化问题，根据处理约束条件方法的不同可分为直接法和间接法。直接法常见的方法有复合形法、约束坐标轮换法和网络法等。其内涵是构造一个迭代过程，使每次的迭代点都在可行域中，同时逐步降低目标函数值，直到求得最优解。间接法常见的有惩罚函数法、增广乘子法。它是将约束优化问题转化成无约束优化问题，再通过无约束优化方法来求解，或者非线性优化问题转化成线性规划问题来处理。 2.3 遗传算法 遗传算法是一种非确定性的拟自然算法，它仿造自然界生物进化的规律，对一个随机产生的群体进行繁殖演变和自然选择，适者生存，不适者淘汰，如此循环往复，使群体素质和群体中个体的素质不断演化，最终收敛于全局最优解。最近几年中遗传算法在机械工程领域也开展了多方面的应用，主要表现在：机械结构优化设计；可靠性分析；故障诊断；参数辨识；机械方案设计。遗传算法尽管已解决了许多难题，但还存在许多问题，如算法本身的参数优化问题、如何避免过早收敛、如何改进操作手段或引入新的操作来提高算法的效率、遗传算法与其它优化算法的结合问题等。 2.4 蚁群算法 蚁群算法是受自然界中真实蚁群的集体行为的启发而提出的一种基于群体的模拟进化算法。蚁群算法对系统优化问题的数学模型没有很高的要求，只要可以显式表达即可，避免了导数等数学信息，使得优化过程更加简单，遍历性更好，适合非线性问题的求解。 2.5 模拟退火算法 模拟退火算法是一个全局最优算法，以优化问题的求解与物理系统退火过程的相似性为基础，适当的控制温度的下降过程实现模拟退火，从而达到求解全局优化问题的目的。模拟退火算法是一种通用的优化算法，用以求解不同的非线性问题；对不可微甚至不连续的函数优化，能以较大概率求得全局优化解；并且能处理不同类型的优化设计变量（离散的、连续的和混合型的）；不需要任何的辅助信息，对目标函数和约束函数没有任何要求。 3机械优化设计过程中的设计方式 众所周知，在机械方面的设计都是非常的复杂困难的，要对机械进行优化设计面临的挑战也是非常大的，但是由于机械领域中优化形式十分的广泛，相关的研究人员根据优化运算的形式进行划分，主要分为准则优化，其次是线性规划，最后是非线性规划三种。其中准则优化是一种传统的优化方式，这种方式没有通过机械优化设计的数学理论方式进行优化，而是通过物理学方面的分析得出相应的结果，这样的方式得出的结论往往是具备一定的主观性的，但是这样的传统的优化设计方式具有的优点就是可以直观的看到优化的概念，并且这种优化设计的方式相对来说也是比较简单的，并且能够充分的发挥出目标函数的最大功效，并且非常的符合传统的工程需要，但是同样具有一定的缺点，就是在效率上始终优点偏低。 线性规划就是依据数学的基础进行优化的方式，同样线性规划是机械优化设计中最重要的设计方式，但是线性规划的优化设计方式在通过数学的理论上进行设计存在着很多的缺陷，就是在针对多函数的时候就不能充分的发挥出功效，还有就是在计算的过程中，十分的复杂，结算量非常的大，导致了在效率上有很大的缺陷，所以通常情况下，线性规则的优化设计方式都没有被采用。那么非线性规划的优化设计方式是整个生产和生活中应用最广泛的优化方式，并且能够有效的推进机械优化设计的发展，并且可以利用数学模式的计算将非线性规划分为两种，一种是没有约束的直接设计方式，就是在利用机械优化设计方案中以及存在的数据和再生的数据最为基础来进行合理的分析，进而得到最佳的效果，还有一种就是没有约束但是比较间接的方法，这种方式就是前者的方式的数学模式计算改变成了数学原理作为基础，通过利用函数的特性进行计算，从而得到最优的方式，这种方式在整个的机械优化设计中是非常重要的组成部分。 4机械设计优化方法的选择 根据优化设计问题的特点（如约束问题），选择适当的优化方法是非常关键的，因为同一个问题可以有多种方法，而有的方法可能会导致优化设计的结果不符合要求。选择优化方法有四个基本原则：效率要高、可靠性要高、采用成熟的计算程序、稳定性要好。另外选择适当的优化方法还需要个人经验，深入分析优化模型的约束条件、约束函数及目标函数，根据复杂性、准确性等条件对它们进行正确的选