[发明专利]基于BP神经网络和遗传算法的钢轨焊缝精铣机床横梁体优化设计方法

说明书

技术领域

本发明具体涉及一种基于BP神经网络和遗传算法的钢轨焊缝精铣机床横梁体优化设计方法。

背景技术

钢轨焊缝精铣数控机床是一种集机、电、液、测控为一体的高度自动化的新型专用设备，主要用于长钢轨焊后工作边、作业面的整形加工。横梁体作为该机床的重要支撑部件，其结构合理与否直接影响机床的尺寸加工精度和运行稳定可靠性。横梁体结构形状复杂，主要包括主横梁和副横梁，各部分尺寸布置对于整体的强度、刚度和重量具有重要影响。如何优化布置各部分尺寸是横梁体设计过程中需要解决的一个重要问题。目前，横梁体的优化主要基于经验设计，其往往需要通过反复试错进行优化，存在设计周期长、优化效果不明显的缺点。

发明内容

本发明的目的在于提供一种基于BP神经网络和遗传算法的钢轨焊缝精铣机床横梁体优化设计方法，它基于BP神经网络和遗传算法，综合优化横梁体各部分尺寸结构，可在保证其结构强度的前提下，有效提高结构刚度和减轻结构重量，从而提升精铣机床整体结构性能。

本发明解决其技术问题所采用的技术方案是：

一种基于BP神经网络和遗传算法的钢轨焊缝精铣机床横梁体优化设计方法，包括以下步骤：

S1、确定设计变量和优化目标

S101、设计变量的确定：选取横梁体中用于支撑或加固整体的辅助结构尺寸P₁、P₂、……、P_n作为设计变量；

S102、优化目标的确定：横梁体的优化准则为保证结构强度的前提下提高刚度并减轻总重量；

S103、优化数学模型的建立：选取横梁体的最大变形量和总重量为目标函数，最大应力作为约束条件，优化数学模型为

其中，X为设计变量，F(e_max,m)为目标函数，F(e_max,m)＝λ₁f(e_max)+λ₂g(m)，e_max为最大变形量，[e]为允许最大变形量，m为总重量，[m]为许用最大重量，λ₁、λ₂为优化权重系数，λ₁+λ₂＝1，σ_max为最大应力，[σ]为许用应力，X_max、X_min为设计变量的上、下限；

S2、获取训练样本

S201、采取正交试验的方法进行样本获取，所选取的设计变量即为正交试验表的因素，在各设计变量的取值范围中选取若干个水平，设计正交试验表，确定试验的组数和各试验组的具体参数；

S202、实施正交试验方案，根据各试验组的参数建立相应的横梁体模型，再利用有限元软件分别对所有的横梁体模型进行强度和刚度分析，提取出模拟获得的横梁体强度、刚度和重量结果，以最大应力作为强度的表征量，以最大变形量作为刚度的表征量，将这些结果作为神经网络的训练样本；

S3、构建BP神经网络

S301、将设计变量P₁、P₂、……、P_n作为输入层，将m、e_max、σ_max作为输出层，中间层采用单隐层，神经元个数其中，n_i为输入层节点数，n_o为输出层节点数，q为常数，q∈[1,10]；

S302、利用步骤S202中获取的训练样本对BP神经网络进行训练，直至预测值与样本值的差别限定在允许误差范围内；

S4、用遗传算法优化求解

S401、产生初始种群；

S402、用BP神经网络计算适应度和约束条件值，约束条件函数设计为

适应度函数设计为

S403、若满足优化准则和约束条件就输出结果，否则选择适应度高的个体，执行遗传操作生成新的种群，再转向步骤S402；

S5、确定优化参数：根据遗传算法的优化结果可获取一组效果最优的参数组合，对该组参数下的横梁体进行建模仿真求解分析，最终确定优化结果可行性，若存在较大差异则重新进行神经网络的构建和遗传算法优化求解。