[发明专利]一种面向节能的机床运动部件多目标结构优化方法

权利要求书

1.一种面向节能的机床运动部件多目标结构优化方法，其特征在于包括以下步骤：

步骤1：根据机床实际结构特征，选择机床运动部件众多结构尺寸作为决策变量；

步骤2：将步骤1选择的决策变量作为实验变量，以机床运动部件能耗、机床静态性能、机床动态性能为实验目标，设计均匀试验并利用有限元分析软件分析计算机床静态性能及动态性能、MATLAB/Simulink计算运动部件能耗，得出步骤1中决策变量对实验目标的影响实验数据；

步骤3：采用灵敏度分析法处理步骤2中的实验数据，重新选择灵敏度高的机床结构尺寸作为决策变量；

步骤4：将步骤3重新选择出的决策变量作为实验变量，以机床运动部件能耗、机床静态性能、机床动态性能为实验目标，重新设计均匀试验，得到重新选择出的决策变量对实验目标的影响实验数据，并采用非线性回归分析方法，拟合出重选的决策变量与实验目标之间的函数关系；

步骤5：采用主成分分析方法，分析实验目标之间存在的关联关系，得出降维后的实验目标；

步骤6：以步骤3重选的决策变量为优化变量，以步骤5降维后的实验目标为优化目标，构建面向节能的机床运动部件多目标优化模型；

步骤7：采用粒子群模拟退火算法对步骤6中面向节能的机床运动部件多目标优化模型进行求解，得出最优的机床运动部件结构尺寸。

2.根据权利要求1所述的一种面向节能的机床运动部件多目标结构优化方法，其特征在于在步骤7中采用的粒子群模拟退火算法遵循以下步骤：

(1)初始化参数，设置最高温度、截止温度、降温速率、学习因子，随机生成n个粒子的种群S，每个粒子的位置矢量为运动部件结构的尺寸参数,并定义每个参数的取值范围；

(2)计算每个粒子的适应度值，并以每个粒子的适应度值作为当前的历史最优p_best，选取最优的粒子作为当前全局最优g_best；

(3)利用如下公式对每一个粒子进行位置更新：

其中，r₁为[0 1]之间的随机数；V_i^k为粒子更新速度；为使在高温阶段粒子可以快速跳出局部最小值，而在低温阶段能够快速收敛，温度控制的惯性权重ω为：

其中，T_current为当前退火温度、T_max为最高温度、T₀为截止温度；

(4)对每一个粒子重新计算适应度值，然后引入Metropolis准则，对新的粒子适应度值f(x_i)与对应粒子历史最优p_best比较，如果f(x_i)p_best，则接受更新后的粒子；如f(x_i)p_best，则以一定概率接受更新后的粒子，同理，对全局最优粒子g_best也按Metropolis准则进行更新；

(5)降低温度；

(6)判断停止条件，如果不满足条件则返回(3)；否则，结束迭代，输出g_best。