（机械制造及其自动化专业论文）基于神经网络的滑动轴承优化设计方法研究.pdf

摘要 基于神经网络的滑动轴承优化设计方法研究 专业机械制造及自动化 研究生：陈果指导教师：殷国富 摘要 轴承系统是机械旋转的核心部件之一，在机械传动过程中起到很重要的作 用，其性能的优劣对机械精度和生产效率有决定性影响。而轴承设计所涉及的 影响因素较多、设计参数较复杂，这些参数之间存在着相互制约和影响的情况。 如何协调各参数，使之在满足基本条件的基础上得到最佳的性能，这是轴承系 统设计和应用研究的一个重要问题。 本文针对滑动轴承设计参数、与轴承性能稳定性与经济性之间非线性化关 系的较为复杂的特点，将人工智能和神经网络原理应用于轴承参数设计系统中， 在应用对象一关系数据库基本原理的基础上构建轴承知识库系统，提出一种建 立轴承智能设计系统的数据库管理系统，以期通过管理专家领域知识的推理信 息、数据达到缩短轴承产品开发周期、提高产品设计质量的目的，为轴承的研 发提供一种信息化的技术支持。论文在与实践中主要成果与特色如下： ( 1 ) 本文在分析了国内外轴承智能优化设计现状和发展趋势的基础上，提出 以b p 神经网络为手段的滑动轴承优化设计的新方法。 ( 2 ) 完成基于知识推理的轴承设计知识库的建立，本文在对设计知识分析基 础上，通过有效分类，实现轴承设计知识的存取及轴承知识库管理系统建立， 为以知识为驱动的轴承智能设计系统实现奠定了良好的基础。 ( 3 ) 本文将关系一模型数据管理技术引入到知识库系统中来，实现了参数修 改、添加或删除及设计知识的重用及共享。 ( 4 ) 本文在分析传统的优化思想的基础上，提出b p 神经优化设计模型，简 化设计过程，提高工作效率。 ( 5 ) 通过对s o l i d w o r k s 图形平台二次开发，实现零件设计由参数化数据库 本论文研究来源于国家自然科学基金项目( 编号5 0 5 7 5 1 5 3 ) i 四川大学硕士学位论文 向三维c a d 图形库转换。 关键词：滑动轴承、神经网络、优化设计、智能设计、知识表示 n s t u d yo no p t i l n i z a t i o nd e s i 盟m 咖o d o fb e 啦b a s e do nn 删 n e t w o r l 【i n g m a j o r m e c h a n i c a lm a 硼f a c t u r i l l ga n da m t o m a t i o n p o s t g r a d u a t e c h e n g u o s u p e r 、豳o r p r o n g u o 如 a b s tr a c t 1 h eb e a r i n 擎s 姆t e mi so n eo ft h ec o r er e v o l v ep a r t s0 ft h em a c h i n e ，t h e r ei s v e 巧i m p o r t a n tt om a c h i n e 锄n s m i s s i o n ，i t sm n c t i o n d e c i d ei n l l l u e n c et ot h em a c m n e a c c u i a c ya i 迅t h ep r o d u c t i o ne f 丘c i e n c y b u tt h ei n f l u e n c ef a c t o ri sm o r ec o m p l i c a t e d i n 、，o l v e dm 砒l ym ed e s i g np a r a m e t e r ，h o wm a | 【ei tg e tt h eb e s t 如n c t i o ni ns a t i s 研n g i i lc o n d i t i o n a l ，t h i si se x a c t l yt h er e s e a r c hd i r e c t i o no fm i st o p i c t h i sp a p e r 妇sa t 也ec h a r a c t e r i s t i c st h a ti sc o i n p l i c a t e da i l dn o t1 i n er d a t i o n b 咖r 咖t h ed e s i g np a 瑚m e t e r ，s t a b i l i t 弘t h ee c o n o m yo f 也eb e 撕n g s t h i sp a p e r 1 e a d st h ea r t i f i c i a li n t e l l i g e n c ea n dn e r v en 前1 7 i r o r k i l l gs y s t e mi n t ot h ed e s i g ns y s t e m ， w i t l lm eb e a r i n g sk n o w l e d g es y s t e ma n d 也eb a s i cp m c i p l eo f 也eo b j e c t - r d a t i o n d a ：t a b 硒e ，p u t sf 0 刑a r dt h ed 砌b 懿em a n a g e m e n ts y s t 锄也a tb u i l d su pm eb e 撕n g s i n _ t e l l i g e n c ed e s i 弘s y s t e m t h em a i na c h i e v e m e n t sa n dc r e a t i v ei d e 弱o f t h ep 印e r a r ea sf 0 1 1 0 w - s ： ( 1 ) b 嬲e do na 砌y z i n go fd e v e l o p m e n ta n ds t a ：c t i si 1 1q u oo fi n _ t e l l i g 饥to p t i m u m d e s i g n ，t h i sp a p e rp u t sf o r w a r dt a k i l l gt 1 1 eb pn e r v en e t w o r k 雒m en e wd 骼i g n m e m o do fb e a m g 。 ( 2 ) 1 1 1 i sp a p e rc o m p l e t e st h ee s t a b l i s h m e n to ft h eb e 撕n g sd e s i 驴k n o w l e d g e b a s e do nk n o w l e d g er e 嬲。璐，b 嬲e do n 孤a l y z i n gd e s i 驴h o w l e d g e ，c a t e 9 0 比e b e 撕n g s 硪e c t i v e l y ，c a n 研n g 0 u tm ea c c e s sb 谢n g sd e s i 盟虹o w l e d g e 衄d e s 切b l i 幽e n to fb 鲫曲g sd 船i 弘k n o w l e d g em 缸a g e m e n ts y s t e m ，r e a l 讫a t i o no f b e a i i n g si 1 1 t e l l i g e 】ed 鹤i 弘s y s t e mb y 虹o w l e d g e “v i n gl a yg o o df - o u n d a t i t t i 一 粤型奎堂堡圭兰垡丝塞一 ( 3 ) l e a dr e l a t e _ t h em o d e ld a t am a n a g e m 嘶t e c h n i q u e t 0t h ek n o w l e d g e d a t a b a s es y s t 锄，c a 哪，i n g0 u tp 砌i m e t e ram o d i f i c a t i o na n da p p e i l do rd e l 咖g ， r e - u s e da n ds h a n n go f t h ed 锱i g nk n o w l e d g e ( 4 ) b a s e do na n a l y z i n g 口a d i t i o n a l0 p t i n m md e s i 弘，t h i sp 印e rp u t sf 0 册a r d t h e b pn e u r a lo p t i m u md e s 洒m o d e l ，t h es i m p l i f i c a t i o nd e s 啦p r o c e s s ，e l e v a t l o n e 伍c i e n c y ( 5 硼删班r e d e v e l o 弘e n t o f 也es o l i d w o r k ss k e t c hp l 怕m ，c a 卿n g 0 u tt h e p a r t sd e s 啦i s 咖e dad a t a b 弱eb yt h ep a r 锄蝴t o w 硼t h e3 dc a d 妇c h d a t a b a s ec o n v e r l s i o n 1 【e y w o r d s ：b e 撕n g ，n e u r a l ，0 p t i m i z a t i o nd e s i 萨，i n t e l l i g e n t d e s i 弘，k n o w l e d g e d e n o t a t i o n i v 论文声明 论文声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。据我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人己经发表或撰写过的研究成果，也不包含为获取四川大学或其他教育机 构的学位或证书而使用过的材料，与我一同工作的同志对本研究所做的任何贡 献均已在论文中作了明确的说明并表示谢意。 本论文是本人在四川大学读书期间在导师的指导下取得的，论文成果归四 川大学所有，特此声明。 指导教师签字 学生签字p 娅 日期坦型彤 第l 章绪论 第1 章绪论 1 1 论文选题背景及意义 在机械设计中，轴承零件设计是最常见的设计内容之一，量大面广。工作 条件发生变化，就需要重新进行设计计算。但是从设计计算到工作图绘制，常 常要占去设计人员很多的时间和精力，而且设计过程中大部分劳动是重复劳动。 所以开发智能设计系统对轴承零件进行设计，可以成倍地提高设计效率，保证 设计质量和减轻设计人员的劳动，并且符合当前机械设计技术的发展潮流。另 外基于知识驱动的智能系统，通过建立开放性的知识库系统，使得用户可以不 断地将产品设计知识或经验添加到知识库系统中，使得系统不断的得到完善。 本论文研究来源于国家自然科学基金项目( 编号5 0 5 7 5 1 5 3 ) ，围绕轴承设计 而展开的。智能设计系统中数据库占有核心地位，它是系统最底层的支撑，是 所有数据源的中心聚集地。在整个系统中数据库起到连接推理机、知识库、参 数化模块的枢纽。针对轴承的研发现状及设计特点，将对象一关系数据库管理 系统技术引入设计系统中。结合专家系统、知识库系统和对象一关系数据库的 基本原理，提出建立智能设计系统的数据库管理系统，以期通过专家领域知识 的推理结果达到缩短轴承产品开发周期、提高产品设计质量的目的，从而为轴 承的尽快研发提供可靠技术支持。 1 2 轴承设计概述 1 2 1 轴承行业发展现状分析 轴承行业是机械行业系统中的重要行业，在国民经济中占有很重要的地位。 “十五”结束之际，我国轴承行业是已经具备了较大生产规模。2 0 0 3 年全 行业提前两年实现行业“十五”规划的目标，2 0 0 4 年，我国轴承销售额仅次于 日本、德国和瑞典，居世界第4 位。但与世界轴承工业强国相比，我们还存在 较大差距。其主要表现生产厂家过多、生产集中度低、轴承档次低、自主创新 产品少。 生产厂家过多，生产集中度低。有关资料显示：目前我国有轴承企业近2 0 0 0 四川大学硕士学位论文 家，其中国有及销售收入5 0 0 万元以上企业超过9 0 0 家，数量堪称世界第一。 但其中多数企业规模不大，竞争能力不强，抗风险能力弱。国内传统五大轴承 企业的轴承产量还不到全国总量的2 0 。 产品档次低。据中国轴承行业网显示：虽然我国的轴承销售额位居世界第 四，但对高品质轴承的需求要靠进口来满足，2 0 0 1 至2 0 0 4 年，我国进口轴承用 汇额分别为4 9 亿美元、6 4 8 亿美元、8 7 9 亿美元和1 1 2 5 亿美元，年均增 长3 3 9 4 。 自主创新产品少。从新中国成立以来，我国轴承行业取得长足的进步，由 于起步晚、底子薄，与发达国家相比有一定的差距。上世纪8 0 年代开始，我国 在轴承行业走上了合资和技术引进之路，来促进产品水平和质量的提高。由于 外方核心技术严密控制、我方自主消化创新不强和科技投入的不足，使我国轴 承行业落入“引进一落后一再引进”的怪圈。 为提高行业的水平，缩小与发达国家之间差距，将高新技术运用到轴承行 业，是缩短我国与国外轴承行业差距的手段之一。尤其是将电子信息技术、计 算机集成技术、先进制造技术运用到轴承行业，促进轴承企业的发展。而设计 自动化引入轴承行业，提高轴承设计技术的整个过程起着决定性的作用。 1 2 2 轴承优化设计的现状分析 1 2 2 1 优化算法概述 优化算法主要有两类：一类是传统的优化算法，另一类是智能优化算法。 传统的优化算法主要有古典微分法、一维极小化方法、非线性规划法、动态规 划法、整数规划法、随机规划法等等。由于传统优化计算方法的全局寻优能力 不强，随着社会进步和科学技术的发展，在工程领域产生了一系列规模大、复 杂性强的问题，传统的优化算法己无法解决这些复杂的问题。随着上述问题的 出现，迫切需要一种适用于规模大、复杂性强的问题的新型算法，一种自然现 象的机理为基础，并具有大规模并行计算和智能特征的算法产生，这种算法就 是现代启发式算法，即智能优化算法。智能优化算法主要有遗传算法、人工神 经网络等算法。由于这类算法涉及数学、生物进化、人工智能、神经科学和传 统力学等方面的内容，而且具有独特寻优机理和较好实现全域优化的能力，现 已成为目前解决复杂工程优化问题的有力工具【。 2 第1 章绪论 下面对几种智能优化算法的发展和研究动态做一介绍： l 、遗传算法 遗传算法( g e n e t i ca 1 9 0 r i t l l m ，g a ) 是由美国m i c h i g a n 大学的h 0 1 l a n d 提 出并由g o l d b e r g 发展完善的一种基于自然选择和基因遗传基础上新型启发性的 优化算法。遗传算法( g e n e t i ca 1 9 0 r i t l l m s ) 是模拟生物学中“物竞天择， 适者生存”的自然选择和基因遗传机制提出的并行随机优化算法【2 】。 从1 9 8 5 年开始，国际上召开了遗传算法的专门会议，并成立了国际遗传 算法协会，对遗传算法的基本理论、方法及技巧进行研究，至今已发表论文干 余篇。遗传算法已成为国际上跨学科的热门话题。在美国等一些西方国家的电 机与计算机科学系中，为本科生和研究生开设了遗传算法的理论及其应用方面 的选修课遗传算法已成为人工智能研究的一个重要领域，同时也成为了解决困 难的组合优化问题和复杂的函数优化问题的有效工具，并引起了各学科研究人 员的普遍重视，他们希望采用这种新的技术来解决各自学科中长期未能很好解 决的困难的组合优化和复杂函数优化问题。 在遗传算法中，优化问题的所有参数( p a r 锄e t e r ) 或者称之为决策变量都 被编码( c o d i n g ) ，形成一个有限长的字符串，称之为染色体( c h r o m o s o m e ) 或 个体( i n d i v i d u a l ) 。每个个体都对应于优化问题的一个可行解 ( f e a s i b l es o l u t i o n ) 。一组个体组成一代( g e n e r a t i o n ) 种群( p o p u l a t i o n ) ， 它描述了遗传算法的搜索空间。优化问题的目标函数作为种群所处的环境，目 标函数值经过一定的修正后作为个体对环境的适应度( f i t n e s s ) 。搜索时先随 机产生一定数量的经编码后的祖先个体构成最原始的种群。再从这些种群开始， 模拟进化过程，运用优胜劣汰原则，先将个体解码( d e c o d i n g ) ，把被编码的参 数还原成实际参数，然后利用目标函数计算其适合度，再通过选择( s e l e c t i o n ) 将适合度高的个体下来，组成新的种群，最后再利用交换( c r o s s o v e r ) 、变异 ( 1 耙t a t i o n ) 等手段使这些新的种群的优良特性得以遗传和保留到下一代。如此 “选择一交换一变异一再选择 地不断重复，使各代种群的优良基因成分逐渐 积累，种群的平均适合度和最优个体适合度不断上升，直到迭代过程趋于收敛【3 】。 遗传算法的具有以下几个特点： ( 1 ) 从许多初始点开始进行并行操作，克服了传统优化方法容易陷入局部极 点的缺点，是一种全局优化算法； 四川大学硕士学位论文 ( 2 ) 对变量的编码进行操作，可以替代梯度算法，在模糊推理隶属度函数形 状的选取上具有更大的灵活性； ( 3 ) 由于具有隐含并行性，所以可通过大规模并行计算来提高计算速度； ( 4 ) 可在没有任何先验知识和专家知识的情况下取得次优或最优解； ( 5 ) 遗传算法本身的参数还缺乏定量的标准，目前采用的都是经验数值， 而且不同的编码、不同的遗传技术都会影响到遗传参数的选取，因而会影响到 算法的通用性； ( 6 ) 遗传算法对处理约束化问题还缺乏有效的手段，传统的罚函数法中对 惩罚因子的选取还是一个比较困难的技术问题。 尽管遗传算法有很多的优点，但是也存在着早熟收敛和局部搜索能力差的 问题。而且还没有一种通用的遗传算法能够解决所有的实际问题，一般都得结 合实际情况，灵活运用遗传算法取得较优的结果。目前遗传算法在函数优化、 自动控制、图象识别、机器学习、机身设计、人工神经网络、分子生物学、优 化调度等方面都取得了很大的成功。 2 、b p 神经网络学习算法 4 0 年代初，m e c u l l o c h p i t t s 的神经元的数学模型，5 0 年代末， f r 6 s e n b l a n t t 的感知机；6 0 年代末，m i n s k y 的感知机一书的出版；8 0 年 代初，h o p f i e l d 的自反馈神经网络；8 0 年代中，r 硼e ；l h a n t 和m e c l e l l a n d 提出 前馈网络的b p 算法，a c k l e y 等人的波尔兹曼机，a 1 e k s a n 6 e r 提出的概率逻辑 神经网络以及8 0 年代末g r o s s b e r g 与c a r p e n t e r 等人的自适应谐振理论等【4 】。 本文在这里主要介绍b p 神经网络学习算法。 b p 算法又称反向传播模型【5 】，其所采用的学习过程由正向传播( 处理) 和反 向传播( 处理) 两部分组成。在正向传播过程中，输入模式从输入层经隐含层逐 层处理并传向输出层，每一层神经元状态只影响下一层神经元状态，如果在输 出层得不到期望的输出，则转入反向传播。此时信号从输出层向输入层传播并 沿途调整各层间连接权值以及各层神经元的偏置值，以使误差信号不断减小， 该算法实际上是求误差函数的极小值，它通过多个学习样木的反复训练并采用 最快下降法，使得权值沿误差函数的负梯度方向改变，并收敛少最小点。 b p 神经网络的学习算法具有以下几个特点【6 】： ( 1 ) 网络实质上实现了一个从输入到输出的映射功能，而数学理论己证明它 4 第l 章绪论 具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂 的问题： ( 2 ) 网络能通过学习带正确答案的实例集自动提取“合理的”求解规则，即 具有自学习能力； ( 3 ) 网络具有一定的推广、概括能力； ( 4 ) b p 算法的学习速度很慢：由于b p 算法本质上为梯度下降法，但不能用 传统的一维搜索法求每次迭代的步长，而必须把步长的更新规则预先赋予网络， 而且它所要优化的目标函数又非常复杂，因此，必然会出现“锯齿形现象”， 这使得b p 算法低效； ( 5 ) b p 算法存在麻痹现象，由于优化的目标函数很复杂，它必然会在神经 元输出接近o 或1 的情况下，出现一些平坦区，在这些区域内，权值误差改变 很小，使训练过程几乎停顿； ( 6 ) 易陷入局部极小。 网络的预测能力( 也称泛化能力、推广能力) 与训练能力( 也称逼近能力、 学习能力) 的矛盾。一般情况下，训练能力差时，预测能力也差，并且一定程 度上，随训练能力地提高，预测能力也提高。但这种趋势有一个极限，当达到 此极限时，随训练能力的提高，预测能力反而下降，即出现所谓“过拟合”现 象。此时，网络学习了过多的样本细节，而不能反映样本内含的规律。 b p 神经网络学习算法是一全局性搜索算法，它的局部搜索能力强，但是b p 神经网络学习算法的优化效率低，如何在保证优化质量的情况下，提高算法的 速度很慢，是b p 神经网络学习算法研究的重点。目前b p 神经网络学习算法的 研究也主要集中在两个方面：一是应用研究，结合实际问题，要么对b p 神经网 络学习算法进行改进，以期更好地解决实际问题。二是理论研究，主要是完善 b p 神经网络学习算法的数学基础，如速度很慢、易陷入局部极小等。 1 2 2 2 优化设计思想和方法的引入 1 设计作为人们综合运用科学技术原理和知识并有目标的改造产品的一项技 术，已经发展成为现代社会工业文明和重要支柱。伴随人类的文明的起源与发 展，设计亦从技艺发展到科学。它的一方面为社会所需求所推动，另一方面也 受当时自然、社会和科学技术发展水平的约束。今天，设计水平已标志一个国 5 四川大学硕士学位论文 家的工业创新能力和市场竞争能力。不少先进的工业国家认为，工业革新必须 以设计为中心，未来国际市场的竞争将是设计的竞争。 在工程中，追求设计的结果的最优一直是设计师们的不懈的努力、奋斗不 止的理想与目标，并且在长期的设计实践中，产生了诸如进化优化、直觉优化、 试验探索优化、和数学分析优化等一些优化策略与方法。而后到2 0 世纪7 0 年 代初期又在最优化技术和计算基础之甚逐步发展形成了优化设计，为工程优化 设计人员提供了一种易于实施的最优设计手段，以便在解决一些复杂问题时， 能从众多的设计方案中找到出尽可能或最好的设计方案。这对于提高产品性能、 改进产品的质量、提高设计效率，都是具有非常重要作用阴。 随着优化理论的发展和工程应用的进步，优化设计经历了以下三个的发展阶 段： ( 1 ) 以数学规划为基础的优化阶段 数学规划为基础的优化技术是以数值计算作为其主要特征。在这阶段中在 传统优化设计中在生产实践得到广泛的应用，并在很大程度上减轻了设计者的 劳动强度，提高了设计的质量和工作效率。 ( 2 ) 以c a d 技术为基础的优化设计阶段 随着现代的计算机技术应用的日益深入和发展，以数值计算和图形处理为 主要特征的c a d 技术，己经渗透到工业产品开发的每一个阶段，使得传统的设 计方法发生了巨大的变化，它以高速而精确的运算功能、大容量的存储与数据 处理能力，灵活的图形及文字处理功能，大大提高了产品设计的质量，缩短了 设计的周期，它是实现机械设计自动化的有效途径。出现了很多著名的c 仰系 统软件( 如c a d a m ，c a t i a ，e u c i d ，i c e m ，i d e a s ，m e d u c a ) ，它们在产品的分析计 算，绘图方面发挥了很大的作用。 ( 3 ) 以知识库技术为基础的智能设计阶段 由于机械设计是一个复杂的综合、分析的反复过程，需要多学科的专门知 识与丰富的经验才能得到一个良好的设计，其中很多工作是非数据计算的，不 是以数学公式为核心，而更多的是通过思考、推理和判断来解决，因此基于“数 据+ 算法+ 绘图”的传统c a d 的继续深入发展遇到了困难。随着计算机集成制造 系统( c i m s ) 的出现和知识库技术的发展，以为代表比希利和威廉布斯基 ( w i l l i 锄d e m b s k i ) 的学者们即提出了智能优化设计的概念【钔。智能优化在计算 6 第l 章绪论 机提供知识处理自动化的基础上，进而实现决策自动化，即帮助人类设计专家 在设计活动中进行决策。由此引发的在工业设计和制造的工作内容、方式等诸 多环节的根本性变革，己经渗透到了许多基础工业领域，智能优化设计以智力 高、知识密集、综合性强、应用效果显著等特点已成为先进制造技术中的一项 主体关键技术和是当今世界上工业领域的前沿课题。机械优化设计技术的发展， 不仅改变了人们设计、制造各种产品的常规方式，有利于发挥设计人员的创造 性，还将提高企业的管理水平和市场竞争力。 1 2 2 3 优化设计在轴承设计中的研究及应用 所谓结构决定性能，轴承优化设计就是提供优化主参数。轴承设计是轴承 制造生产过程的工作中一项重要内容，是经验性很强且影响因素很多的决策过 程。当前，市场是多品种小批量生产起主导作用，传统的设计方法己远不能适 应轴承行业发展的需要。随着c a d 技术的发展和应用，上个世纪7 0 年代以来， 国内出现一大批以c a d 为软件平台轴承软件，如在“七五”和“八五”期间洛 轴集团公司技术中心开发的的通用轴承设计系统等，而这些轴承c a d 软件一般 采用传统的优化计算方法。上个世纪8 0 年代以来，随着市场要求企业具备快速 响应能力形势下，人们对设计自动化提出了更高的要求，已有传统的c a d 技术 满足不了企业信息处理能力，而需要计算机提供知识设计自动化处理，进而实 现设计决策的自动化，即智能优化设计。作为发展中国家，我国智能设计技术 起步较晚，与发达国家相比有一定的差距，但发展速度很快，成效也相当的明 显。一些大学、研究所在许多实际应用领域对智能优化设计系统进行了研究， 并在理论和系统开发方面也取得了一些成果，如浙江大学邬义杰教授开发基于 智能优化算法的圆锥滚子轴承优化设计方法的研究及其优化设计系统、大连理 工大学与瓦房店轴承股份有限公司开发的轴承设计系统等。目前国内的轴承智 能设计软件都是建立以遗传算法为优化算法基础之上的。而遗传算法缺乏对处 理约束化问题处理有效的手段，传统的罚函数法中对惩罚因子的选取又比较困 难的，所以本文尝试将神经网络运用到轴承的优化设计当中，结合三维图绘制 软件和知识库技术开发滑动轴承的优化设计软件。 7 四川大学硕士学位论文 1 3 现阶段优化设计面临的问题 方案设计是产品寿命循环中最重要的工作，是设计过程中的第一步，也就 是为一个设计任务选择最好的解决方案。有关资料指出，产品寿命循环价格的 7 5 8 0 是在方案设计阶段决定的，在后续设计工作和制造过程中，不管采取 什么样的措施，对价格的影响也是极其有限的。可见，方案设计在整个设计过 程中占有十分显要的地位，然而这也正是设计的难点。在方案设计阶段，没有 尺寸关系的详细要求，其目标只是用功能来匹配运动结构，是最体现人类智能 的阶段。它是一种抽象的构思的过程。方案设计包括功能分解、功能表示及功 能综合三个阶段。任何机械系统都是由一系列零部件组成的。产品功能与其零 部件之间有着错综复杂的相互关系，造成了方案设计过程的复杂和困难，这就 要求设计人员不仅要有丰富的设计知识与经验，而且需要有对问题的综合能力。 此阶段的目标是为产品设计构思出满足设计要求的原理方案，作为下一阶段详 细设计的基础。原理方案是一种初步考虑结构形状实现所需功能的综合。进行 这一阶段的一般性步骤是：从产品功能目标的抽象和总功能的分解与综合开始， 接着是寻找各分功能的可行解，并加以综合，然后作出方案的粗略草图，并分 别进行经济技术评价，最后选择最佳方案。由于这些活动涉及到对对象工作领 域的了解和设计经验及创造性思维等难以用算法表示的活动，而智能设计技术 的研究是要促成计算机技术对设计过程的全程参与，因而智能设计系统的研究 和实用化，还需要面对如下的一些问题。 一 1 ) 设计过程的再认识设计系统的发展，乃至设计自动化的实现，从根本 上是取决于对设计过程本身的理解。尽管人们在设计方法、程式和规律等方面 进行了大量的探索，但从计算机化的角度看，设计方法学的水平还远远没有达 到此目的，智能设计系统的发展仍需要进一步的探索适合于计算机程序系统的 设计理论和有效的设计处理模型【9 】。 2 ) 知识的表示设计过程是一个非常复杂的过程，它涉及到多种不同的类 型知识的应用，包括经验性的、常识性的以及结构性的知识。因此，单一知识 表示方式不足以有效表达各种设计知识。如何建立一个合理而有效表达设计知 识的知识表达模型，始终是设计类专家系统成功的关键。一般需采用多层知识 表达模式，将元知识、定性推理知识以及数学模型和方法等相结合，根据不同 类型知识的特点采用相应的表达方式，在表达能力、推理效率与可维护性等方 第1 章绪论 面进行综合考虑。面向对象的知识表示，框架式的知识结构是目前采用的流行 方法【1 0 1 。 3 ) 多方案的并行设计设计类问题是“单输入多输出问题，即用户对 产品提出的要求是一个，但最终设计结果可能是多个，它们都是满足用户要求 的可行的结果【l l 】。设计问题的这一特点决定了设计型专家系统必须具有多方案 设计能力。需求功能逻辑树的采用，功能空间符号表示，矩阵表示和设计处理 是多方案设计的基础。另外，针对设计问题的复杂性，将其分成若干个子任务， 采用分布式的系统结构，进行并行处理，从而有效地提高系统的处理效率。 4 ) 多专家系统协同合作以及信息处理较复杂的设计过程可以分解为若干 个环节，每个环节对应一个子专家系统，多个专家系统协同合作，各子专家系 统间互相通信，它是方案设计专家系统的重要环节，需要研究评价体系的特征 和评价方法的特点，尤其是需要有效地处理模糊信息。模糊评价和神经网络评 价相结合的方法是目前解决多专家系统协同合作中的多目标信息处理的最有效 的方法【1 2 1 。 5 ) 再设计与自学习机制当设计结果不能满足要求时，系统应能够返回到 各个层次进行再设计，利用失败信息、知识库中的已有知识和用户对系统的动 态应答信息进行设计反馈，完成局部和全局的重新设计任务；同时采用归纳推 理和类比推理等方法获得新的知识，总结新经验，不断扩充知识库，进行自学 习和自我完善。将并行工程设计的思想应用于方案设计过程中是解决再设计问 题的最有效方法【1 3 】。 6 ) 多种推理机制的综合运用智能设计系统中，在推理机制上，除了演绎 推理之外，还应有归纳推理【1 4 】( 包括理想、类比等推理) 、各种非标准推理( 如 非单调逻辑推理、加权逻辑推理等) ，以及各种基于不完全知识与模糊知识的推 理等等。基于实例的类比型多层推理机制和模糊逻辑推理方法的运用是目前智 能设计系统的一个重要标志。 7 ) 神经网络的应用以非线性并行分布处理为主流的神经网络的发展，为c a d 的智能化研究开辟了新的方法，神经网络专家系统明显优于传统的专家系统【1 5 】。 8 ) 智能化的人机接口和设计过程中人的参与良好的人机接口对智能设计系 统是十分必要的。怎样才能实现系统对自然语言的理解，对语音、文字、图形 和图像的直接输入输出是一项重要的任务【1 6 1 。同时，对于复杂的设计问题，设 9 四川大学硕士学位论文 计处理过程中某些决策活动，如果没有人的适当参与也很难得到理想的设计结 果。 9 ) 设计信息的集成化方案设计是c a d c a p p c a m 一体化( 即c i m s ) 的首 要环节，其设计结果是详细设计与制造的信息基础，必须考虑信息的集成。应 用面向对象的处理技术，实现数据的封装和模块化，是解决机械设计 c a d c a p p c a m 一体化的根本途径和有效方法 1 7 1 。 1 4 本课题的主要研究内容 由于功耗是直接关系到整个机组的工作性能、效率和节能等的一个关键问 题。因此减小轴承的功耗，提高轴承静态稳定性和轴承的动态稳定性，提高寿 命，减小制造费用，是当前轴承优化设计的主要目标。 由于轴承设计方案的设计参数和稳定性和经济性之间关系的复杂性，导致 许多优化问题都是复杂的非线性问题，通常有多个决策变量，传统做法往往是 凭设计者的经验获得。凭借人工智能学的分析方法和思想，本文以传统优化分 析为基础，人工智能以及神经网络理论，提出了智能设计方法，并用于滑动轴 承和滚动轴承工程的设计和分析，完成了以下工作： 本课题的主要研究内容： ( 1 ) 根据滑动轴承的国家标准，建立各基本类型的轴承数据库； ( 2 ) 利用神经网络方法，提出基于b p 神经网络的知识表示模型，并建立轴 承设计知识库，通过编程知识实现正向推理和启发式推理； ( 3 ) 运用优化理论，建立神经网络的轴承智能优化模型，并选用神经优化方 法求解轴承的最佳结构参数值； ( 4 ) 利用d e l p h i 7 0 的编写、调试滑动轴承优化设计的具有对话框界面的应 用程序，并以此选出和校核相应的滑动轴承。利用d e l p h i 7 o 面向对象编程， 开发了滑动轴承方案设计的智能优化系统。 ( 5 ) 在d e l p h i 7 0 开发平台的基础上，利用s 0 1 i d w o r k s 开发轴承专用的三 维图形库子系统。 1 0 第2 章智能优化设计算法的理论基础 第2 章智能优化设计算法的理论基础 2 1 优化设计理论基础 2 1 1 优化设计理论的概念 优化设计是在现代计算机广泛应用的基础上发展起来的一项新技术。是根 据优化原理和方法综合各方面的因素，以人机配合方式或“自动探索 方式， 在计算机上进行的半自动或自动设计，以选出在现有工程条件下的最佳设计方 案的一种现代设计方法。其设计原则是最优设计：设计手段是电子计算机及计 算程序，设计方法是采用优化数学方法。 优化问题来自于这样一类问题：包含着一些独立的变量或者参数，通常还 有一些对于这些变量的约束条件。这些约束条件叫做问题的约束。优化问题的 其余的组成部分还包括一个“性能 上的单独的测量方法，即目标函数。这个 目标函数依赖于变量的一些组合。而问题的解决就是求使目标函数最优的一组 目标解。从数学的角度看，优化问题通常需要求解最大值或者最小值。 实践证明，优化设计是保证产品具有优良的性能，减轻自重或体积，降低 工程造价的一种有效设计方法。同时也可使设计者从人量繁琐和重复的计算工 作中解脱出来，使之有更多的精力从事创造性的设计，并大大提高设计效率。 优化设计反映出人们对于设计规律这一客观世界认识的深化。设计上的“最 优值 是指在一定条件( 各种设计因素) 影响下所能得到的最佳设计值。最优值 是一个相对的概念。它不同于数学上的极值，但在很多情况下可以用最大值或 最小值来表汞墙】。 2 1 2 优化设计的常用知识 近年来优化设计广泛应用大促进了优化设计的发展，在学科领域中出现了 新分支和新方法，其中常用的有优化设计、优化建模、优化准则、优化算法、 智能优化设计等【1 9 】，下面对其作简介。 优化设计是指机械产品将其所策划的构思方案逐步改进并获得最佳设计 方案的决策过程，包括设计过程各个阶段中的优化技术的应用。换句话来说， 四川大学硕士学位论文 就是某项设计在确定方案后寻求具有最佳性能一组设计参数值。是实现产品优 化设计的最常用手段。 优化建模就是将设计问题抽象和表达为计算机可以接受与处理的优化计算 模型的一种过程其表现呈现多样化，如数学模型、逻辑模型、知识模型、数学 模型等，其中应用最普遍的是数学模型。在建模过程中既要求它能准确反映优 化参数、准则函数和约束条件之间的基本关系，同时，又要使它便于计算与处 理。针对工程设计中实际问题的复杂性和多样性，人们提出许多建模的方式， 如数学建模、有限元建模、图形建模、人工神经网络建模、多目标建模等。 优化准则是指优化设计中用来评定是否达到最优的一种判断依据。通常是 用产品设计中某项或几项设计指标，如产品质量指标、性能指标、或者是成本 指标等。由于在建模过程中将它设计参数的函数，故称之为目标函数。 优化算法是指优化计算上为寻求准则函数达到最优值所采用的一种搜索过 程和数值计算准则。如数学规划中的约束与无约束最优化方法， 智能优化算法，又称为现代启发式算法，它是上世纪后期才发展起来的一 类不同于常规算法的新算法，如遗传算法、进化规则、模拟退火算法，人工神 经网络算法等【2 们。 2 2 优化设计数学模型构成要素 优化设计是现代设计方法的重要内容之一，它以数学规划为理论基础，以 电子计算机为工具，在充分考虑多种设计约束的前提下寻求满足预定目标的最 佳设计。优化设计能较好地把现代设计理论和经过长期实践验证的设计内容结 合起来。这种技术在设计领域中具有巨大的应用潜力。它的推广应用，对促进 产品设计工作现代化，将起到良好的作用。 2 2 1 设计变量 设计变量又称决策变量，是指有关影响优化准则的数学模型。目标函数的 所有设计参数，通常用x _ x 、x 小x 3 x 。 来表示，这是n 维列向量的转置 矩阵形式。 1 2 第2 章智能优化设计算法的理论基础 2 2 2 目标函数 在最优化设计中，可将所追求的设计目标( 性能指标) 用设计变量的函数形 式表达出来，这一过程称为建立目标函数。目标函数是设计中预期要达到的目 标，表达为各设计变量的函数表达式，它代表设计中的某项最重要的特征。 目标函数是设计变量的函数，是用于度量设计所追求的指标的优劣程度。 最优化设计的过程就是优选设计变量使目标函数达到最优值，或找出目标函数 的最小值( 或最大值) 的过程。 在最优化设计问题中，可以只有一个目标函数，称为单目标函数。当在同 一个设计中要提出多个目标函数时，这种问题称为多目标函数的最优化问题。 一般来说，对于工程设计，目标函数愈多，设计的综合效果愈好，但问题的求 解亦愈复杂。 22 3 约束条件 设计变量不可能任意取值，在结构设计中应遵守的条件就是所谓的约束条 件，即对设计变量取值时的限制条件。 2 2 4 优化数学模型的建立 选取设计变量、列出目标函数、给定约束条件后便可构造最优化设计 的数学模型。数学模型的一般形式为： f n l i n 厂( x )x = b 。，x2 x 厅】r s f gf ( 石) of = 1 ，2 m l x 尺矗 因此，优化设计都应按此形式将工程设计问题作出数学上的描述，以适应 采用优化设计方法求解的需要，这就是所谓优化设计的数学模型【2 l 】。 2 3 基于神经网络的优化算法 2 3 1 人工神经网络简介 人工神经网络( 心酣，a n i f i c i a ln e u r a ln 咖o r k ) 是反映人脑结构及功能的一 种抽象数学模型，一个人工神经网络是由大量神经元节点互连而成的复杂网络， 1 3 四川大学硕士学位论文 用以模拟人类进行知识的表示与存储以及利用知识进行推理的行为。神经网络 的核心由其基本结构、学习规则及其工作方式三部分组成【2 2 】： x l y 1 ) 图2 1 是人工神经元的生物神经元的一阶近似，它具有三个重要功 能，即： 加权一可对每个输入信号进行不同程度的加权。 求和确定全部输入信号的组合效果。 转移通过转移函数f ( ) ，确定其输出。 通过上述功能的模拟，大致反映了生物神经元的基本特性。 2 ) 学习规则学习规则决定了神经网络的连接权值的变化，典型的学 习规则有：h e b b 规则，6 学习规则和广义6 学习规则，无教师学习规则等。 3 ) 工作方式神经网络工作方式分为前馈式、反馈式和混合式。其中 在前馈式中，网络被分成输入层、隐含层和输出层，信息从输入层开始， 经由隐含层流向输出层，如图2 2 所示。 图2 2 神经网络结构和工作方式 1 4 第2 章智能优化设计算法的理论基础 2 3 2 印神经网络基本思想 人们也常把按误差逆传播算法训练的多层前馈网络，直接称为b p 网络嘲。 b p 算法的基本思想是，学习过程由信号的正向传播与误差的逆向传播两个过程 组成。正向传播时，模式作用于输入层，经隐层处理后，传向输出层。若输出 层未能得到期望的输出，则转入误差的逆向传播阶段，将输出误差按某种形式， 通过隐层向输入层逐层返回，并“分摊”给各层的所有单元，从而获得各层单 元的参考误差( 或称误差信号) ，以作为修改各单元权值的依据。这种信号正向 传播与误差逆向传播的各层权矩阵的修改过程，是周而复始地进行的。权值不 断修改的过程，也就是网络的学习( 或称训练) 过程。此过程一直进行到网络输 出的误差逐渐减少到可接受的程度或达到设定的学习次数为止。 多层前向b p 网络的优点渊： ( 1 ) 网络实质上实现了一个从输入到输出的映射功能，而数学理论已证明它 具有实现任何复杂非线性映射的功能。这使得它特别适合于求解内部机制复杂 的问题； ( 2 ) 网络能通过学习带正确答案的实例集自动提取“合理的 求解规则，即 具有自学习能力； ( 3 ) 网络具有一定的推广、概括能力。 多层前向b p 网络的问题： ( 1 ) b p 算法的学习速度很慢：由于b p 算法本质上为梯度下降法，但不能用 传统的一维搜索法求每次迭代的步长- ，而必须把步长的更新规则预先赋予网络， 而且它所要优化的目标函数又非常复杂，因此，必然会出现“锯齿形现象， 这使得b p 算法低效； ( 2 ) b p 算法存在麻痹现象，由于优化的目标函数很复杂，它必然会在神经 元输出接近0 或l 的情况下，出现一些平坦区，在这些区域内，权值误差改变 很小，使训练过程几乎停顿； ( 3 ) 易陷入局部极小。 网络的预测能力( 也称泛化能力、推广能力) 与训练能力( 也称逼近能力、 学习能力) 的矛盾。一般情况下，训练能力差时，预测能力也差，并且一定程 度上，随训练能力地提高，预测能力也提高。但这种趋势有一个极限，当达到 此极限时，随训练能力的提高，预测能力反而下降，即出现所谓“过拟合 现 1 5 四川大学硕士学