平面機(jī)構(gòu)軌跡綜合及其計(jì)算機(jī)輔助創(chuàng)新設(shè)計(jì)方法研究
發(fā)布時(shí)間:2020-06-03 03:38
【摘要】:當(dāng)今信息時(shí)代,科學(xué)技術(shù)飛速發(fā)展,傳統(tǒng)學(xué)科正在信息技術(shù)帶動(dòng)下煥發(fā)新的活力,各學(xué)科之間不斷相互補(bǔ)充、交叉、滲透,從而使其理論研究范圍和應(yīng)用領(lǐng)域得到不斷拓展。傳統(tǒng)機(jī)械學(xué)在其研究對(duì)象、內(nèi)容、理論與方法等方面也正經(jīng)歷著深刻變革,以使自身提高到與信息產(chǎn)業(yè)革命及其他學(xué)科發(fā)展相適應(yīng)的層次,其中機(jī)械創(chuàng)新設(shè)計(jì)方法就是一個(gè)非常活躍的研究領(lǐng)域。 本文借鑒國(guó)內(nèi)外相關(guān)研究成果,以平面機(jī)構(gòu)軌跡綜合與創(chuàng)新設(shè)計(jì)理論為重點(diǎn)研究對(duì)象,將新型計(jì)算智能方法與創(chuàng)新設(shè)計(jì)理論引入其中,為平面機(jī)構(gòu)軌跡綜合與創(chuàng)新設(shè)計(jì)理論提供了一種新的研究途徑。 將人工免疫算法用于平面機(jī)構(gòu)的直接和間接近似綜合,對(duì)目前基于定量描述軌跡特征的機(jī)構(gòu)軌跡綜合方法進(jìn)行了改進(jìn)。在直接綜合方法中采用了免疫網(wǎng)絡(luò)多峰優(yōu)化算法以解決優(yōu)化算法普遍存在的解的相似性問(wèn)題,該方法不僅具有良好的全局收斂性和魯棒性,而且可以同時(shí)求得多個(gè)候選解; 在間接綜合方法中則利用免疫計(jì)算方法在模式識(shí)別方面的優(yōu)良特性,采用不同免疫計(jì)算方法模型對(duì)軌跡曲線進(jìn)行聚類(lèi)、分類(lèi)和檢索,提出了一種新的基于免疫計(jì)算的間接綜合方法。 借鑒顏氏機(jī)構(gòu)創(chuàng)新設(shè)計(jì)方法學(xué)的創(chuàng)新策略,并將機(jī)構(gòu)軌跡綜合方法應(yīng)用于機(jī)構(gòu)創(chuàng)新設(shè)計(jì),提出了基于軌跡特征的平面機(jī)構(gòu)創(chuàng)新設(shè)計(jì)方法。隨后對(duì)其重要支撐技術(shù)機(jī)構(gòu)同構(gòu)判定方法和機(jī)構(gòu)運(yùn)動(dòng)鏈草圖的自動(dòng)繪制方法進(jìn)行了研究:對(duì)機(jī)構(gòu)同構(gòu)判定問(wèn)題,首先將其轉(zhuǎn)化為可降次的旅行商問(wèn)題,然后采用螞蟻算法和免疫計(jì)算方法進(jìn)行了求解; 機(jī)構(gòu)運(yùn)動(dòng)鏈草圖的自動(dòng)繪制本質(zhì)上可視為運(yùn)動(dòng)鏈圖的基本回路的排列問(wèn)題,通過(guò)引入圖論方法對(duì)其基本回路進(jìn)行生成與排序,提出了一種基于回路配置的機(jī)構(gòu)運(yùn)動(dòng)鏈草圖自動(dòng)繪制方法。 此外,本文還對(duì)基于定性描述軌跡特征的機(jī)械運(yùn)動(dòng)方案設(shè)計(jì)方法進(jìn)行了研究,提出了機(jī)械運(yùn)動(dòng)方案設(shè)計(jì)的多粒度共進(jìn)化功能推理方法,該方法采用分類(lèi)功能來(lái)描述機(jī)構(gòu)單元及機(jī)械系統(tǒng)的運(yùn)動(dòng)特征信息,將機(jī)構(gòu)單元和機(jī)械系統(tǒng)都看成運(yùn)動(dòng)功能變換函數(shù),通過(guò)多粒度功能推理來(lái)生成機(jī)械運(yùn)動(dòng)變換單元的串聯(lián)組合方案。 基于上述理論方法研究成果,研制了計(jì)算機(jī)輔助機(jī)構(gòu)軌跡創(chuàng)新設(shè)計(jì)原型系統(tǒng),并通過(guò)織布機(jī)開(kāi)口機(jī)構(gòu)設(shè)計(jì)實(shí)例驗(yàn)證了其可行性和有效性。
【圖文】:
它們?cè)噲D一次性從形狀、大小、擺放角度和位置和采樣時(shí)間預(yù)期曲線進(jìn)行綜合比較,這些過(guò)多的設(shè)計(jì)約束大大減小了搜索數(shù)量。差為例,通常機(jī)構(gòu)誤差定義為期望軌跡曲線和生成軌跡曲線上均方值,例如最常見(jiàn)的四桿機(jī)構(gòu)的結(jié)構(gòu)誤差定義為(2.1)式:211ni iiSE PQn== ∑ 3 θ),1 2 3 4 5 0 0 1 2r =( r , r , r , r , r , x , y , θ , θ)為連桿確定連桿點(diǎn)位置的參數(shù)上的對(duì)應(yīng)點(diǎn),如圖 2.1 所示?梢钥闯觯绻透鶕(jù)圖中兩曲然得到一個(gè)很大的結(jié)構(gòu)誤差值,但是,,這兩條曲線顯然是很相曲線進(jìn)行平移、旋轉(zhuǎn)和比例變換,然后再取與期望軌跡上位置對(duì)進(jìn)行計(jì)算,就可得到一個(gè)很小的結(jié)構(gòu)誤差。所以說(shuō)結(jié)構(gòu)誤差計(jì)算、大小、擺放角度和位置和采樣時(shí)間幾個(gè)同時(shí)考慮,相對(duì)比較度看,其中最大允許偏差法可以對(duì)局部軌跡點(diǎn)設(shè)置不同的匹配點(diǎn)較多的精確點(diǎn)軌跡生成問(wèn)題,且可較精確地控制生成曲線。
華 中 科 技 大 學(xué) 博 士 學(xué) 位 論 文基于上述模型和 3.2 節(jié)所述的免疫算法的分類(lèi)、聚類(lèi)與匹配的機(jī)理,下面以四連桿機(jī)構(gòu)軌跡綜合為例討論基于免疫算法的機(jī)構(gòu)軌跡間接綜合方法。其中用 AINE 模型對(duì)機(jī)構(gòu)軌跡矩常量進(jìn)行聚類(lèi)操作,通過(guò)聚類(lèi)達(dá)到構(gòu)造機(jī)構(gòu)軌跡的初始分類(lèi)結(jié)構(gòu)的目的;AIRS模型用于對(duì)全部標(biāo)準(zhǔn)化和離散化的軌跡圖像進(jìn)行歸類(lèi);進(jìn)而利用改進(jìn)的 NSA 模型用對(duì)設(shè)計(jì)要求的軌跡與預(yù)先分類(lèi)軌跡之間的匹配任務(wù)進(jìn)行求解。其基本步驟如下:3.3.1 產(chǎn)生訓(xùn)練軌跡對(duì)于四桿機(jī)構(gòu)而言,需要如圖 3.4(a)所示的 9 個(gè)參數(shù)1 2 3 4 5 0 0 1 2( r , r , r , r , r , x , y , θ , θ )才能完全確定其位置與軌跡形狀,但是真正影響軌跡幾何形狀的參數(shù)只有1 2 3 4 5 2( r , r , r , r , r , θ ),也等效于圖 3.4(b)中的參數(shù) ( 1,2, ,6)ir i =L 。機(jī)構(gòu)軌跡綜合的第一步就是要,生成大量的不同的軌跡曲線模式,一般通過(guò)改變參數(shù) ( 1,2, ,6)ir i =L由計(jì)算機(jī)自動(dòng)生成,從而得到訓(xùn)練軌跡曲線的初始數(shù)據(jù)集合。
【學(xué)位授予單位】:華中科技大學(xué)
【學(xué)位級(jí)別】:博士
【學(xué)位授予年份】:2005
【分類(lèi)號(hào)】:TH112.1
本文編號(hào):2694236
【圖文】:
它們?cè)噲D一次性從形狀、大小、擺放角度和位置和采樣時(shí)間預(yù)期曲線進(jìn)行綜合比較,這些過(guò)多的設(shè)計(jì)約束大大減小了搜索數(shù)量。差為例,通常機(jī)構(gòu)誤差定義為期望軌跡曲線和生成軌跡曲線上均方值,例如最常見(jiàn)的四桿機(jī)構(gòu)的結(jié)構(gòu)誤差定義為(2.1)式:211ni iiSE PQn== ∑ 3 θ),1 2 3 4 5 0 0 1 2r =( r , r , r , r , r , x , y , θ , θ)為連桿確定連桿點(diǎn)位置的參數(shù)上的對(duì)應(yīng)點(diǎn),如圖 2.1 所示?梢钥闯觯绻透鶕(jù)圖中兩曲然得到一個(gè)很大的結(jié)構(gòu)誤差值,但是,,這兩條曲線顯然是很相曲線進(jìn)行平移、旋轉(zhuǎn)和比例變換,然后再取與期望軌跡上位置對(duì)進(jìn)行計(jì)算,就可得到一個(gè)很小的結(jié)構(gòu)誤差。所以說(shuō)結(jié)構(gòu)誤差計(jì)算、大小、擺放角度和位置和采樣時(shí)間幾個(gè)同時(shí)考慮,相對(duì)比較度看,其中最大允許偏差法可以對(duì)局部軌跡點(diǎn)設(shè)置不同的匹配點(diǎn)較多的精確點(diǎn)軌跡生成問(wèn)題,且可較精確地控制生成曲線。
華 中 科 技 大 學(xué) 博 士 學(xué) 位 論 文基于上述模型和 3.2 節(jié)所述的免疫算法的分類(lèi)、聚類(lèi)與匹配的機(jī)理,下面以四連桿機(jī)構(gòu)軌跡綜合為例討論基于免疫算法的機(jī)構(gòu)軌跡間接綜合方法。其中用 AINE 模型對(duì)機(jī)構(gòu)軌跡矩常量進(jìn)行聚類(lèi)操作,通過(guò)聚類(lèi)達(dá)到構(gòu)造機(jī)構(gòu)軌跡的初始分類(lèi)結(jié)構(gòu)的目的;AIRS模型用于對(duì)全部標(biāo)準(zhǔn)化和離散化的軌跡圖像進(jìn)行歸類(lèi);進(jìn)而利用改進(jìn)的 NSA 模型用對(duì)設(shè)計(jì)要求的軌跡與預(yù)先分類(lèi)軌跡之間的匹配任務(wù)進(jìn)行求解。其基本步驟如下:3.3.1 產(chǎn)生訓(xùn)練軌跡對(duì)于四桿機(jī)構(gòu)而言,需要如圖 3.4(a)所示的 9 個(gè)參數(shù)1 2 3 4 5 0 0 1 2( r , r , r , r , r , x , y , θ , θ )才能完全確定其位置與軌跡形狀,但是真正影響軌跡幾何形狀的參數(shù)只有1 2 3 4 5 2( r , r , r , r , r , θ ),也等效于圖 3.4(b)中的參數(shù) ( 1,2, ,6)ir i =L 。機(jī)構(gòu)軌跡綜合的第一步就是要,生成大量的不同的軌跡曲線模式,一般通過(guò)改變參數(shù) ( 1,2, ,6)ir i =L由計(jì)算機(jī)自動(dòng)生成,從而得到訓(xùn)練軌跡曲線的初始數(shù)據(jù)集合。
【學(xué)位授予單位】:華中科技大學(xué)
【學(xué)位級(jí)別】:博士
【學(xué)位授予年份】:2005
【分類(lèi)號(hào)】:TH112.1
【引證文獻(xiàn)】
相關(guān)期刊論文 前3條
1 黃力誼;;平面機(jī)構(gòu)的運(yùn)動(dòng)分析[J];法制與經(jīng)濟(jì)(下旬);2011年08期
2 劉勇;董方敏;肖人彬;;基于人工免疫網(wǎng)絡(luò)的快速機(jī)構(gòu)軌跡綜合[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年03期
3 劉騰;馮立艷;李學(xué)剛;田明瑜;;基于數(shù)學(xué)形態(tài)學(xué)的連桿曲線特征描述[J];機(jī)械設(shè)計(jì)與制造;2011年03期
相關(guān)碩士學(xué)位論文 前2條
1 李寧波;機(jī)構(gòu)方案創(chuàng)新設(shè)計(jì)及其自動(dòng)化創(chuàng)成研究[D];湘潭大學(xué);2010年
2 顧新春;基于BP神經(jīng)網(wǎng)絡(luò)算法的四桿機(jī)構(gòu)軌跡分析[D];合肥工業(yè)大學(xué);2007年
本文編號(hào):2694236
本文鏈接:http://www.wukwdryxk.cn/kejilunwen/jixiegongcheng/2694236.html
最近更新
教材專(zhuān)著