VEMTE致力于打造節(jié)能環(huán)保電機(jī)減速機(jī)電機(jī)
斜齒輪蝸輪蝸桿減速機(jī)的穩(wěn)健優(yōu)化設(shè)計(jì)。斜齒輪蝸輪蝸桿減速機(jī)具有體積小、重量輕、結(jié)構(gòu)緊湊、傳動比大、傳動效率高等優(yōu)點(diǎn)，在許多情況下可以代替二、三的圓柱齒輪減速器和蝸輪減速器，所以為界各所重視口。但該S系列減速機(jī)的設(shè)計(jì)參數(shù)較多，計(jì)算復(fù)雜，特別是些重要參數(shù)直接影響到斜齒輪蝸輪蝸桿減速機(jī)的性能和使用壽命。
文獻(xiàn)中建立了斜齒輪蝸輪蝸桿減速機(jī)的優(yōu)化設(shè)計(jì)模型，實(shí)現(xiàn)了優(yōu)化設(shè)計(jì)。同時文獻(xiàn)指出對于有約束的優(yōu)化設(shè)計(jì)問題來說，在優(yōu)化設(shè)計(jì)過程中般總是把優(yōu)點(diǎn)推向約束的邊界上，而在實(shí)際中由于參數(shù)的變差將會使優(yōu)點(diǎn)變?yōu)椴豢尚谢蛸|(zhì)量性能指標(biāo)(準(zhǔn)則函數(shù))超界成為廢品，這就是說，般的優(yōu)化設(shè)計(jì)優(yōu)解是不穩(wěn)健的。S系列減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)方法是將穩(wěn)健設(shè)計(jì)和優(yōu)化設(shè)計(jì)相結(jié)合，即通過S系列減速機(jī)調(diào)整設(shè)計(jì)變量的名義值和控制其偏差來保證設(shè)計(jì)優(yōu)解的穩(wěn)健性。基于小靈敏度法的工程穩(wěn)健優(yōu)化設(shè)計(jì)是利用靈敏度分析理論進(jìn)行產(chǎn)品的穩(wěn)健設(shè)計(jì)。設(shè)計(jì)過程中考慮產(chǎn)品質(zhì)量對不確定因素的敏感性小，以提高設(shè)計(jì)解的可行穩(wěn)健性和目標(biāo)函數(shù)及約束條件的不靈敏性的種方法。本章采用該種方法對斜齒輪蝸輪蝸桿減速機(jī)進(jìn)行優(yōu)化設(shè)計(jì)，以尋求優(yōu)、穩(wěn)健的設(shè)計(jì)結(jié)果。
對于S系列減速機(jī)設(shè)計(jì)參數(shù)我們只能按它們的個大概的值來設(shè)計(jì)，而在使用過程中由于各種人為因素或外部環(huán)境等因素的影響，其值會發(fā)生定的擾動，則不確定參數(shù)的維數(shù)是 。根據(jù)靈敏度的定義，S系列減速機(jī)目標(biāo)函數(shù)對不確定參數(shù)的靈敏度為 約束函數(shù)對不確定參數(shù)的靈敏度為分別為 ， ,為了使優(yōu)化結(jié)果達(dá)到穩(wěn)健性要求，應(yīng)使目標(biāo)函數(shù)和約束條件對不可控因素變差的靈敏度小。斜齒輪的尺寸決定了斜齒輪蝸輪蝸桿減速機(jī)的結(jié)構(gòu)大小，故在給定傳動功率和傳動比時，滿足強(qiáng)度條件及其他幾何尺寸要求的條件下，為使其結(jié)構(gòu)緊湊，降低成本，將斜齒輪蝸輪蝸桿減速機(jī)的體積小作為穩(wěn)健優(yōu)化設(shè)計(jì)的目標(biāo)函數(shù) 。為了保證S系列減速機(jī)優(yōu)點(diǎn)的可行穩(wěn)健性，考慮到S系列減速機(jī)設(shè)計(jì)參數(shù)中輸入功率P及輸入軸轉(zhuǎn)速n 會受到外界因素的影響而發(fā)生擾動，故將目標(biāo)函數(shù)及約束條件對不確定因素的靈敏度小作為附加目標(biāo)函數(shù)從建立的斜齒輪蝸輪蝸桿減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)模型看出，目標(biāo)函數(shù)和約束函數(shù)均為非線性的，維數(shù)較多，計(jì)算起來較為復(fù)雜，為使S系列減速機(jī)優(yōu)化結(jié)果準(zhǔn)確、可靠，對該優(yōu)化模型采用遺傳算法求解。
遺傳算法GA (GeneticAlgorithm)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的種自適應(yīng)全局優(yōu)化概率隨機(jī)搜索算法。遺傳算法通過隨機(jī)選擇、交叉和變異等遺傳操作，使群體代代地進(jìn)化到搜索空間中越來越好的區(qū)域，直至抵達(dá)全局優(yōu)點(diǎn)。整個S系列減速機(jī)穩(wěn)健優(yōu)化過程通過VB穩(wěn)健優(yōu)化設(shè)計(jì)原型系統(tǒng).從建立的斜齒輪蝸輪蝸桿減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)模型看出，目標(biāo)函數(shù)和約束函數(shù)均為非線性的，維數(shù)較多，計(jì)算起來較為復(fù)雜，為使優(yōu)化結(jié)果準(zhǔn)確、可靠，對該優(yōu)化模型采用遺傳算法求解。遺傳算法GA (GeneticAlgorithm)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的種自適應(yīng)全局優(yōu)化概率隨機(jī)搜索算法。遺傳算法通過隨機(jī)選擇、交叉和變異等遺傳操作，使群體代代地進(jìn)化到搜索空間中越來越好的區(qū)域，直至抵達(dá)全局優(yōu)點(diǎn)。整個S系列減速機(jī)穩(wěn)健優(yōu)化過程通過VB穩(wěn)健優(yōu)化設(shè)計(jì)原型系統(tǒng)實(shí)現(xiàn)。
http://m.clickonjudaism.com/sdxljsdj.html
文獻(xiàn)中建立了斜齒輪蝸輪蝸桿減速機(jī)的優(yōu)化設(shè)計(jì)模型，實(shí)現(xiàn)了優(yōu)化設(shè)計(jì)。同時文獻(xiàn)指出對于有約束的優(yōu)化設(shè)計(jì)問題來說，在優(yōu)化設(shè)計(jì)過程中般總是把優(yōu)點(diǎn)推向約束的邊界上，而在實(shí)際中由于參數(shù)的變差將會使優(yōu)點(diǎn)變?yōu)椴豢尚谢蛸|(zhì)量性能指標(biāo)(準(zhǔn)則函數(shù))超界成為廢品，這就是說，般的優(yōu)化設(shè)計(jì)優(yōu)解是不穩(wěn)健的。S系列減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)方法是將穩(wěn)健設(shè)計(jì)和優(yōu)化設(shè)計(jì)相結(jié)合，即通過S系列減速機(jī)調(diào)整設(shè)計(jì)變量的名義值和控制其偏差來保證設(shè)計(jì)優(yōu)解的穩(wěn)健性。基于小靈敏度法的工程穩(wěn)健優(yōu)化設(shè)計(jì)是利用靈敏度分析理論進(jìn)行產(chǎn)品的穩(wěn)健設(shè)計(jì)。設(shè)計(jì)過程中考慮產(chǎn)品質(zhì)量對不確定因素的敏感性小，以提高設(shè)計(jì)解的可行穩(wěn)健性和目標(biāo)函數(shù)及約束條件的不靈敏性的種方法。本章采用該種方法對斜齒輪蝸輪蝸桿減速機(jī)進(jìn)行優(yōu)化設(shè)計(jì)，以尋求優(yōu)、穩(wěn)健的設(shè)計(jì)結(jié)果。
對于S系列減速機(jī)設(shè)計(jì)參數(shù)我們只能按它們的個大概的值來設(shè)計(jì)，而在使用過程中由于各種人為因素或外部環(huán)境等因素的影響，其值會發(fā)生定的擾動，則不確定參數(shù)的維數(shù)是 。根據(jù)靈敏度的定義，S系列減速機(jī)目標(biāo)函數(shù)對不確定參數(shù)的靈敏度為 約束函數(shù)對不確定參數(shù)的靈敏度為分別為 ， ,為了使優(yōu)化結(jié)果達(dá)到穩(wěn)健性要求，應(yīng)使目標(biāo)函數(shù)和約束條件對不可控因素變差的靈敏度小。斜齒輪的尺寸決定了斜齒輪蝸輪蝸桿減速機(jī)的結(jié)構(gòu)大小，故在給定傳動功率和傳動比時，滿足強(qiáng)度條件及其他幾何尺寸要求的條件下，為使其結(jié)構(gòu)緊湊，降低成本，將斜齒輪蝸輪蝸桿減速機(jī)的體積小作為穩(wěn)健優(yōu)化設(shè)計(jì)的目標(biāo)函數(shù) 。為了保證S系列減速機(jī)優(yōu)點(diǎn)的可行穩(wěn)健性，考慮到S系列減速機(jī)設(shè)計(jì)參數(shù)中輸入功率P及輸入軸轉(zhuǎn)速n 會受到外界因素的影響而發(fā)生擾動，故將目標(biāo)函數(shù)及約束條件對不確定因素的靈敏度小作為附加目標(biāo)函數(shù)從建立的斜齒輪蝸輪蝸桿減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)模型看出，目標(biāo)函數(shù)和約束函數(shù)均為非線性的，維數(shù)較多，計(jì)算起來較為復(fù)雜，為使S系列減速機(jī)優(yōu)化結(jié)果準(zhǔn)確、可靠，對該優(yōu)化模型采用遺傳算法求解。
遺傳算法GA (GeneticAlgorithm)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的種自適應(yīng)全局優(yōu)化概率隨機(jī)搜索算法。遺傳算法通過隨機(jī)選擇、交叉和變異等遺傳操作，使群體代代地進(jìn)化到搜索空間中越來越好的區(qū)域，直至抵達(dá)全局優(yōu)點(diǎn)。整個S系列減速機(jī)穩(wěn)健優(yōu)化過程通過VB穩(wěn)健優(yōu)化設(shè)計(jì)原型系統(tǒng).從建立的斜齒輪蝸輪蝸桿減速機(jī)穩(wěn)健優(yōu)化設(shè)計(jì)模型看出，目標(biāo)函數(shù)和約束函數(shù)均為非線性的，維數(shù)較多，計(jì)算起來較為復(fù)雜，為使優(yōu)化結(jié)果準(zhǔn)確、可靠，對該優(yōu)化模型采用遺傳算法求解。遺傳算法GA (GeneticAlgorithm)是模擬生物在自然環(huán)境中的遺傳和進(jìn)化過程而形成的種自適應(yīng)全局優(yōu)化概率隨機(jī)搜索算法。遺傳算法通過隨機(jī)選擇、交叉和變異等遺傳操作，使群體代代地進(jìn)化到搜索空間中越來越好的區(qū)域，直至抵達(dá)全局優(yōu)點(diǎn)。整個S系列減速機(jī)穩(wěn)健優(yōu)化過程通過VB穩(wěn)健優(yōu)化設(shè)計(jì)原型系統(tǒng)實(shí)現(xiàn)。
http://m.clickonjudaism.com/sdxljsdj.html
