基于改进非支配排序遗传算法的伸缩臂路灯车工作装置优化设计   增城路灯车出租

     基于改进非支配排序遗传算法的伸缩臂路灯车工作装置优化设计   增城路灯车出租, 路灯车价格, 增城路灯车多少钱    液压路灯车在建筑、交通运输、水利施工、施工中不可缺少的一种重要机械设备。伸缩臂路灯车具有较大的挖掘力和掘起力，能实现铲斗的水平直线挖掘，很好地满足了矿产的分层开采，清理和平整作业场地的要求。伸缩臂工作装置的尺寸是路灯车设计中极为重要的部分，它直接影响着整机工作效率及作业性能。伸缩臂工作装置的优化问题是多变量、多约束、多目标的非线性优化问题。 将斗杆挖掘力和铲斗挖掘力线性加权后作为目标函数，通过遗传算法对路灯车工作装置进行优化设计。将力学性能和工作尺寸通过线性加权统一为一个目标，通过广义既约梯度算法对路灯车工作装置进行多目标优化。将挖掘图谱指标通过线性加权转换为单一目标，采用复合形法对伸缩臂路灯车进行优化设计。基于ADAMS的路灯车工作装置仿真优化研究表明，工作范围和力学性能的多个目标之间相互制约，在进行优化时需要进行综合考虑。提出了一种基于全局灵敏度分析的复杂优化模型的分解方法，对反铲路灯车工作装置进行了多目标优化，取得了很好的效果。早期的多目标优化方法通过加权组合、目标规划等将多个目标转化为单目标优化问题来处理，但权系数的设置要求有很强的先验知识，而且一次优化只能得到一组最优解，无法得到综合考量各方面性能的最优解集。基于Pareto支配关系的优化算法能使种群收敛到一个不被其他任何解支配的Pareto最优解集，已被成功应用于许多领域，是当前多目标优化算法的研究热点。本文采用基于Pareto支配关系的非支配排序遗传算法来进行伸缩臂路灯车工作装置的优化设计。

       伸缩臂路灯车工作装置的数学模型,  伸缩臂路灯车工作装置的结构伸缩臂工作装置由动臂、斗杆、铲斗和工作液压缸等组成。本文将整个工作装置作为一个整体进行研究，工作装置与机身连接点、各部件尺寸、各部件之间的铰点、工作液压缸参数共同决定了工作装置的性能。 以回转中心和停机面的交点为原点，水平方向为x轴，竖直方向为y轴建立坐标系，本文一共选取了23个设计变量xA，yA，xE，yE分别为铰点A和铰点E的坐标；LAB，LBC，LCD分别为动臂、斗杆、铲斗的长度；LAG，LBG，LAF，LBF，LAI，LBI，LBH，LCH，LCJ，LDJ为各个铰点间的距离；L1，L2，L3，1λ，2λ，3λ分别为动臂液压缸、斗杆液压缸、铲斗液压缸的全缩值和伸缩比。

        增城路灯车出租, 路灯车价格, 增城路灯车多少钱

     目标函数伸缩臂路灯车主要用于采矿及装载作业，在挖掘过程中以纵向斗杆挖掘为主，动臂缸及铲斗缸起调节铲斗位置和切削角度的作用。当斗杆推压结束时，铲斗缸伸出，对物料面进行破碎，并进一步充斗，然后动臂缸举升使铲斗提升。伸缩臂路灯车必须保证挖掘过程中斗杆缸能够产生足够的推压力，同时也要考虑铲斗缸的破碎能力和动臂缸的提升能力，这些都是保证伸缩臂路灯车工作装置正常工作的必要条件。伸缩臂液压路灯车常用于矿产的分层开采以及平整地面，水平直线挖掘是其重要性能。本文将伸缩臂路灯车停机面上水平直线挖掘过程中铲斗切削后角的变化量作为目标函数。图3水平直线挖掘工况()F1x=Δδ=δmax−δmin(1)大型伸缩臂液压路灯车的铲掘对象主要是爆破后的矿石和岩石，在实际挖掘中挖掘阻力的瞬间变化存在很大的随机性，这导致挖掘过程中载荷情况设计复杂。且由于挖掘过程的复杂性，很难对挖掘阻力进行直接分析。目前，关于矿用伸缩臂液压路灯车的载荷谱研究没有相应的经验公式可循，本文在挖掘力计算时仅考虑沿斗齿运动切线方向的挖掘力。伸缩臂路灯车以纵向挖掘为主，本文将主要挖掘区域内纵向斗杆挖掘最大挖掘力和纵向铲斗挖掘最大挖掘力作为目标函数。在进行挖掘力计算时还需考虑各液压缸闭锁条件、前倾限制条件、后倾限制条件、地面附着条件等限制因素。  Fa为主动液压缸的理论挖掘力，Fb，Fc分别为其他两组工作液压缸闭锁条件限制的挖掘力，Fd为整机与地面附着条件限制的挖掘力，Fe为整机前倾或后倾条件限制的挖掘力。本文的优化算法以目标最小化为进化方向，目标函数为21max，C为常数，本文取为500kN。

     约束处理, 工作装置的约束条件主要有：几何条件约束、运动转角约束、作业范围约束、力学和稳定性约束。为提高运算效率，我们针对不同性质和重要程度的约束进行分级处理。只有在满足前一级约束的情况下才能进入下一级运算。第一级约束主要为几何条件、运动转角约束，第二级约束主要为作业范围约束，第三级为力学性能和目标函数。由于约束众多，不在此一一罗列。 Pareto最优解多目标优化问题大量存在于工业制造，能源分配，资本预算等众多领域，如何取得这些问题的最优解，一直是学术界关注的焦点。Pareto最早从政治经济学的角度提出了Pareto最优解这一适用于多目标优化的概念。定义1(Pareto占优)。设x1，x2是多目标问题F(x)={}f1(x),f2(x)，…，fm(x)的可行解，优化方向为最小化，若满足{}∀i∈1,2,,mfi(x1)≤fi(x2){}∃k∈1,2,,mfk(x1)<fk(x2)  则称x1对x2Pareto占优，也称x1支配x2，记作x1x2。定义2(Pareto最优解(集))。对于多目标优化问题的一个可行解x，如果该多目标优化问题的可行解集中不存在支配x的解，则称x为该问题的Pareto最优解，也称为非支配解。该优化问题解空间所有Pareto最优解组成的集合，称为Pareto最优解集(。定义3(Pareto最优前端)。Pareto最优解集对应的目标矢量在目标空间形成Pareto最优前端。早期的多目标优化算法，是将多个目标函数聚合成一个目标，使其转化为一个单目标优化问题。但它需要事先设置权值，而且一次计算只能获得一个Pareto最优解，效率很低。NSGA-II是DEB等[于2002年提出的一种基于Pareto占优机制的多目标优化算法。NSGA-II计算复杂度低，求解效率高，解集分布性好，成为目前最优秀的多目标优化算法之一。   NSGA-II算法NSGA-II相对于NSGA算法的主要优点如下。(1)基于分级的快速非支配排序算法，降低了算法的复杂度，由O(mN3)降低为O(mN2)。(2)引入了拥挤度的概念，提出了拥挤度比较算子，在不增加额外参数的情况下，有效地保证了种群的多样性。(3)引入精英策略，有效保存优秀个体，提高算法的收敛性和收敛速度。

      增城路灯车出租, 路灯车价格, 增城路灯车多少钱