[1]侯珍秀,田申,庄廷,等.基于PSO的三维薄壁管件支撑位置的定位方法[J].哈尔滨工程大学学报,2019,40(08):1502-1508.[doi:10.11990/jheu.201805130]
 HOU Zhenxiu,TIAN Shen,ZHUANG Ting,et al.PSO-based positioning method for the optimization of the supporting position of 3-D thin-walled pipe fittings[J].hebgcdxxb,2019,40(08):1502-1508.[doi:10.11990/jheu.201805130]
点击复制

基于PSO的三维薄壁管件支撑位置的定位方法(/HTML)
分享到:

《哈尔滨工程大学学报》[ISSN:1006-6977/CN:61-1281/TN]

卷:
40
期数:
2019年08期
页码:
1502-1508
栏目:
出版日期:
2019-08-05

文章信息/Info

Title:
PSO-based positioning method for the optimization of the supporting position of 3-D thin-walled pipe fittings
作者:
侯珍秀 田申 庄廷 谢留威 严梁 杨也 陈永坤
哈尔滨工业大学 机电工程学院, 黑龙江 哈尔滨 150001
Author(s):
HOU Zhenxiu TIAN Shen ZHUANG Ting XIE Liuwei YAN Liang YANG Ye CHEN Yongkun
School of Mechanics Engineering, Harbin Institute of Technology, Harbin 150001, China
关键词:
三维薄壁管件模型建立支撑位置PSO粒子群算法管件信息提取力学计算分析有限元分析优化
分类号:
V475.1
DOI:
10.11990/jheu.201805130
文献标志码:
A
摘要:
考虑三维薄壁管件在非合理支撑位置及支撑角度下,在重力作用下管件的变形会变大,进而影响制造装配精度的问题,利用商业软件在寻找最优支撑位置时的操作繁琐程度和计算时间过长的问题,提出了基于PSO的三维薄壁管件支撑位置的优化方法。该方法以利用二次开发技术提取的管件轴线为参考,利用有限元原理对轴线进行拆分,并重新建立管件单元的有限元刚度矩阵,用来计算管件的变形量,并提取最大变形量,作为评价支撑位置优劣的评价函数;最后,利用PSO粒子群优化算法,以最大变形量作为评价函数,通过优化迭代找到最佳的管件支撑位置组合。结果显示:该方法中有限元模型计算出的变形量与商业软件中计算的变形量差距在10%以内,表明该数学模型是准确的。该有限元模型结合粒子群算法迭代收敛速度迅速,迭代30次以内即可找到最优支撑位置,计算300次数学模型的时间少于商业软件计算1次的时间。

参考文献/References:

[1] 黄轶. PROE二次开发技术在装配干涉检查中的应用[J]. 山东工业技术, 2015(24):216. HUANG Yi. Application of PROE secondary development technology in assembly interference inspection[J]. Shandong industrial technology, 2015(24):216.
[2] 许汉铮, 黄平明, 王宏博. 连续弯梁(刚构)桥的统一计算模式[J]. 中国公路学报, 2002, 15(4):57-61.XU Hanzheng, HUANG Pingming, WANG Hongbo. Unified model for continuous curved girder bridges[J]. China journal of highway and transport, 2002, 15(4):57-61.
[3] 侯丰, 陈亚军, 刘恩龙. 结构性土二元介质模型的有限元模拟[J]. 四川大学学报(工程科学版), 2016, 48(S1):80-86, 93.HOU Feng, CHEN Yajun, LIU Enlong. FEM simulation of binary medium model for structured soils[J]. Journal of Sichuan University (engineering science edition), 2016, 48(S1):80-86, 93.
[4] 张海鹏, 韩端锋, 郭春雨. 改进PSO训练的BPNN方法的舰船主尺度建模[J]. 哈尔滨工程大学学报, 2012, 33(7):806-810.ZHANG Haipeng, HAN Duanfeng, GUO Chunyu. Modeling of the principal dimensions of large vessels based on a BPNN trained by an improved PSO[J]. Journal of Harbin Engineering University, 2012, 33(7):806-810.
[5] 秦洪德, 石丽丽. PSO算法在油船双底结构优化设计中的应用研究[J]. 哈尔滨工程大学学报, 2010, 31(8):1007-1011.QIN Hongde, SHI Lili. Optimizing the design of the double bottom structure of an oil tanker using a particle swarm optimization algorithm[J]. Journal of Harbin Engineering University, 2010, 31(8):1007-1011.
[6] 张楠, 南敬昌, 高明明. 基于分组混沌PSO算法的模糊神经网络建模研究[J]. 计算机工程与应用, 2017, 53(9):31-37.ZHANG Nan, NAN Jingchang, GAO Mingming. Fuzzy neural network for amplifier power modeling based on grouping parallel-chaotic particle swarm optimization[J]. Computer engineering and applications, 2017, 53(9):31-37.
[7] 马廉洁, 陈杰, 巩亚东, 等. 基于PSO算法改进BP神经网络的氟金云母点磨削工艺参数优化[J]. 中国机械工程, 2016, 27(6):761-766.MA Lianjie, CHEN Jie, GONG Yadong, et al. Process parameter optimization based on PSO-BP neural network in point grinding fluorophlogopite[J]. China mechanical engineering, 2016, 27(6):761-766.
[8] 宫华, 袁田, 张彪. 基于深度邻域搜索PSO算法的装配序列优化问题[J]. 控制与决策, 2016, 31(7):1291-1295.GONG Hua, YUAN Tian, ZHANG Biao. Assembly sequence planning problem based on particle swarm optimization algorithm with depth local search[J]. Control and decision, 2016, 31(7):1291-1295.
[9] 陶泽南, 张丽杰. 基于粒子群算法的机械优化设计[J]. 军事交通学院学报, 2018, 20(10):81-85.TAo Zenan, ZHANG Lijie. Mechanical optimization design based on particle swarm algorithm[J]. Journal of Military Transportation University, 2018, 20(10):81-85.
[10] 任志玲, 杨永伟, 孙雪飞. 基于PSO与模糊PI控制结合的最大风能捕获研究[J]. 计算机应用与软件, 2018, 35(11):148-152, 167.REN Zhiling, YANG Yongwei, SUN Xuefei. Maximum wind energy capture based on PSO and fuzzy PI control[J]. Computer applications and software, 2018, 35(11):148-152, 167.
[11] 李烨, 郭子立, 郭奕杉. 基于PSO的轨道交通列车节能控制优化研究[J]. 控制工程, 2018, 25(10):1911-1915.LI Ye, GUO Zili, GUO Yishan. Study on energy-saving control optimization for rail transit train based on PSO[J]. Control engineering of China, 2018, 25(10):1911-1915.
[12] 李磊, 张纯, 宋固全. 基于改进粒子群优化粒子滤波的结构损伤识别[J]. 应用力学学报, 2018, 35(5):925-932, 1177.LI Lei, ZHANG Chun, SONG Guquan. An improved particle swarm optimized particle filter for structural damage identification[J]. Chinese journal of applied mechanics, 2018, 35(5):925-932, 1177.
[13] 陈建桥, 郭细伟, 葛锐. 基于ANSYS-PSO方法的复合材料压力容器可靠性优化设计[C]//中国力学学会学术大会’2009论文摘要集. 郑州:中国力学学会, 2009:1. CHEN Jianqiao, GUO Xiwei, GE Rui. Reliability optimization design of composite pressure vessels based on ANSYS-PSO method[C]//Chinese Society of Mechanics Academic Conference’2009 Abstracts Collection. Zhengzhou:Chinese Mechanics Learning, 2009:1.
[14] 朱剑宝, 张卫波. 基于PSO算法和ANSYS的变截面板簧优化仿真设计[J]. 福建工程学院学报, 2008, 6(S1):74-78.ZHU Jianbao, ZHANG Weibo. Optimized simulation design of taper leaf spring based on particle swarm optimization algorithms and ANSYS[J]. Journal of Fujian University of Technology, 2008, 6(S1):74-78.

备注/Memo

备注/Memo:
收稿日期:2018-5-31。
作者简介:侯珍秀,女,教授,博士生导师;田申,男,助理研究员.
通讯作者:田申,E-mail:tianshen@sia.cn.