改进的遗传算法在MX80液压挖掘机优化中的运用

1、 方良周改进的遗传算法在 M X 80液压挖掘机优化中的运用 方良周刘得方刘欣佟杰新(东北大学沈阳 110006摘要 X 80, 探讨了数学模型的建; , , 实例计算表明该算法液压挖掘机遗传算法复制交配突变中图号 TU 621 引言关于液压挖掘机反铲装置的优化设计是液压挖掘机设计中极为重要的一部分 , 它对于提高整机的工作效率 , 提高挖掘机的作业性能具有很重要的意义 。 文献 13建立反铲工作装置的优化模型 , 使用混合惩罚函数法进行优化 。 虽然所使用优化方法比较成功 , 但是也存在着一定的缺陷 :至少需要进行对目标函数的一阶求导 ; 对于非凸性和非连续性的设计空间不易求解全局最优点 ;

2、 对于数学 “陷井” 过于敏感 。 遗传算法能够解决许多复杂的优化问题 , 它是一种具有隐含并行性随机搜索方法 , 目前特别是在结构领域中 46应用非常广泛 , 经过处理 , 它能够解决非凸性和非连续性设计变量空间的优化问题 。 本文使用遗传算法进行铲斗工作装置的优化 , 能够方便准确地解决了其优化问题 。1铲斗工作装置数学模型的建立1. 1铲斗工作装置的数学模型挖掘机作业时 , 通常用铲斗油缸或斗杆油缸进行挖掘 ,由于本机的特殊性 , 在这里仅考虑铲斗油缸挖掘工况 。 优化设计的目标是希望主动挖掘力曲线与挖掘阻力曲线拟合 ,其优化数学模型可以表示为m in (x =Ni =1(P i -W

3、i 2 N (1式中 , N 为计算点数 ; P i 为铲斗油缸产生的主动挖掘力 ; W i为挖掘阻力 。在这里约束方程主要考虑 :(1 机构运动特性要求 ; (2稳定性 、 闭锁力及附着性能影响 , 包括前倾力 、 后倾力 、 侧反力 、 动臂油缸闭锁力 、 斗杆油缸闭锁力以及附着力等约束 ;(3 运动转角的要求 , 主要是保证各运动部件有足够的转角及具有良好的传动性能需要有好的传动角范围的约束 ;(4 挖掘作业时 , 各机构要保持一定的几何关系约束 。 所以 该优化模型共有 11个设计变量 , 34个约束条件 , 其中 12个等式约束 , 22个不等式约束 。1. 2满足度函数的定义进行基

4、因操作之前 , 必须首先知道各基因个体的优劣 , 这必须通过适应度函数大小来判断 , 对于式 (1 表示的目标 函数 , 定义如下的惩罚函数 :W P (x =(x +W hi =1i h i (x +W gj =1j g j (x (2 式中 , i 为等式约束的惩罚因子 ; j 为不等式约束的惩罚因 子 ; W h 为等式约束的个数 ; W g 为不等式约束的个数 。 式 (2 将有约束优化问题转化为无约束优化问题 。 适应 度函数定义成 f (x f (x =C -W P (x (3 式中 , C 是一个给定的大数以保证 f (x 为非负 ; W P (x 为 对应于惩罚函数的值 , 于

5、是式 (3 将式 (1 的优化问题转化 为求适应度最大的问题 。1. 3设计变量空间的映射由于二进制串表示的遗传信息表示的是整数 , 因此在 计算之前应将连续变量离散化 , 设单个变量 x i i m in -i m ax ,则可将实数区域线形映射无符号区域 0, 2n ,这种 映射编码精度可以控制为i =(i m in -i m ax 2n (4 式中 , i 为第 i 个设计变量映射比列 ; i m in 、 i m ax 分别为第 i 个设计变量所对应的最小值和最大值 ; n 为基因个体的位 数 。对于多个变量的编码 , 简单的处理办法是将多个变量 串成一串作为一个个体参数与运算 。第

6、18卷第 3期1999年 5月机 械 科 学 与 技 术M ECHAN I CAL SC IEN CE AND T ECHNOLO GYV o l . 18 N o. 3 M ay 1999国家自然科学基金资助项目 (59375210收稿日期 :19980710 2基因遗传算法的机理基因遗传算法是一种模拟自然进化的优化方法 , 其哲 学基础是达尔文进化论的适者生存理论 , 依靠复制 、 杂交和 突变实现代间进化 49, 它实质上是一种随机优化方法 。 使 用基因遗传算法时 , 首先需要构造设计群体 , 然后改变它们 以更好地满足设计要求 , 并去掉一些不好的设计个体 , 其过 程是通过复制 、

7、 杂交和突变而周期性地完成的 。复制实际上是一个选择的过程 , 在这些基因群体中 (P S , 它使那些满足度较大的一些个体能够在下一代保存 下去 , 并代替一些满足度小的个体 。C因进行交配 ,基因 。P M 随机地改变基因串中的 某一位 。 以二进制表示的染色体中 , 对每一个所选的个体 , 随 机地选择一位 , 如果该位上的信息是 “ 1” , 则将其改为 “ 0” ; 如果该位上的信息是 “ 0” , 则将其改为 “ 1” 。基因算法一般实现的步骤是 :(1 基因算法初始化 , 包含以设计空间的映射 , 随机地 生成人工染色体 , 选择群体的大小 ;(2 计算每一个人工染色体的适应度

8、;(3 应用复制 、 交配 、 突变等基因操作获得下一代基因 ;(4 如果满足终止条件则至 (5 , 否则转至 (2 ;(5 程序结束 , 输出最优基因 。3改进遗传算法的策略遗传算法主要包括群体的大小 P S 、 给定杂交概率 P C 和突变概率 P M 。根据 D e . Jong 9研究表明 , P S 的一般取值 为 60200, P C 的一般取值为 0. 60. 8, P M 的一般取值为 0. 010. 02, 它们能够满足大多数情况的要求 。 该工作装置 取 P S =150, P C =0. 6, P M =0. 01, 单个基因串取 9位 , 即其 范围为 00000000

9、0111111111。3. 1复制本文采用如下的技术来提高遗传算法的效率 。 利用 Go ldberg 10提出的线形比列模型 , 增加那些好的人工染色 体的适应度 , 并减小那些差的染色体的适应度 。 同时为了增 加效率 , 本文又做了某些改进 , 在具体操作过程时 , 当所有 基因个体的满足度值相加未能达到 P S 时 , 增加最大基因 个体的满足度值 , 直到所有满足度值相加等于 P S 。3. 2交配本文使用了三点交配方式 :一点交配 , 二点交配 , 多点 交配 。 比如两个染色体基因 001、 110互相交换带 有下划线位的基因 , 分别变为如下基因 001001、 110100。

10、 3. 3突变本文采用三种方式突变 :一点突变 , 两点突变 , 多点突 变 。3. 4杰出个体保护法在进行基因交配和突变时 , 对于群体中个体满足度最 大的基因个体不参与突变和交配 , 直接使最佳个体进入下 一代 。3. 5防止近亲繁殖, 造成近亲繁殖 , ,时 ,。3.可以使用三种终止准则 :(1 利用本代的平均满足度值 与上一代平均满足度值的比值作为终止准则 ; (2 利用最大 的循环次数作为终止准则 ; (3 利用群体最优基因个体多代 未变作为终止准则 。 以上各种准则可单独使用 , 也可联合使 用 。4计算结果本文以 vb 4. 0为开发平台 , 在 486微机上进行开发 。 用 遗

11、传算法进行了 32次迭代 , 所得结果稳定 , 选出其中的最 优值作为运算结果的最终值 。 把遗传算法同文献 1中运算 结果进行比较 , 结果如表 1所示 。 表中列出的两组数据分别 是选用不同的一组初始值和构造惩罚函数时使用不同的惩 罚因子 , 使用混合惩罚函数和遗传算法分别得到的结果 。表 1两种优化结果比较算法变量混合惩罚函数法初始值 优化值遗传算法混合惩罚函数法初始值 优化值遗传 算法设计变量x (1 108. 0172170108. 0192191 x (2 76. 0989676. 08079 x (3 901. 0994992845. 0931930 x (4 245. 0237

12、237245. 0236234 x (5 139. 0178178139. 0179179 x (6 368. 0340341368. 0335335 x (7 476. 0518517476. 6510511 x (8 343. 0364364243. 0364364 x (9 294. 0230232294. 0230231 (10 810729730810717715 (11 660624623660616616目标函数值下降率84%85%83%84% (下转第 382页 9 7 3第 3期 方良周等 :改进的遗传算法在 M X 80液压挖掘机优化中的运用 5结束语本文讨论了应力为常数

13、、 强度为模糊变量时的模糊可 靠性设计方法 , 这是现有的文献中尚无法解决的问题 。 该方 法不仅可以获得理想的计算结果 , 而且结果与直观判断也 一致 。 本文的算例从一个侧面说明了直接按式 (1 进行模糊 可靠性设计是不恰当的 。 本文的基本思想可以推广至应力 为随机变量时的情况 ; 对应力为模糊变量 、 强度为随机变量 也适用 ; 对应力和强度均为模糊变量同样适用 , 我们将有另 文讨论 , 本文讨论的是其基础 。 采用本文的方法 , 不再需要 模糊变量应具有对称性 ,的难度不会增加 。 ,、1吴杰明 . 存在模糊信息时的可靠性设计 . 机械设计 , 1987(2 2黄洪钟 . 机械强芳

14、的模糊可靠性设计 . 机械设计与制造 , 1991 (1 :14183陈文吉等 . 机械静强度和断裂强度的模糊可靠性设计 . 机械科 学与技术 , 1993(2 :18244林国湘 . 机械零件静变下抗断裂的模糊概率计算 . 机械 , 1994 (3 1824 5董玉革等 . F 事件概率仿真及在模糊可靠性设计中的应用 . 合肥 工业大学学报 , 1998(2Study of D esign M ethod of Fuzzy Rel i ab il ity w ith Fuzzy Strength and Con stan tU of T , H efei 230009 T h is pape

15、r p ropo ses an aspect of sho rtcom ings w h ich exist in p resent fuzzy relia 2bility design w ith the compo siti on of random variable and fuzzy variable , puts fo r w ard the m ethod in w h ich the fuzzy reliability design is turned into common reliability design by using ano ther fo r m ula fo r

16、 calculating fuzzy event p robability , and gives calculating fo r m ulae of relibility w ith fuzzy strength and constant stress .Keywords Fuzzy variable Fuzzy event p robability Fuzzy reliability design(上接第 379页 参考文献1方良周 . M X80液压挖掘机反铲工作装置的仿真与优化 . 东北大 学硕士学位论文 , 19972赵家宏 . 液压挖掘机反铲工作装置的优化设计 . 建筑机械 ,

17、1991 (103孙淑梅等 . 液压挖掘机工作装置优化设计的数学模型 . 工程机 械 , 1985(44陈新度等 . 遗传算法在离散结构变量结构优化设计中的应用 . 华中理工大学学报 , 1997(85李强 , 周济 . 机械系统动态优化设计的混合基因算法 . 华中理工 大学学报 , 1997(16 Jenk insW M . Tow ards Structure Op ti m izati on via T he Genetic A lgo rithm . Computer &Structure , 1991, 40(5 :13211327 7 H ajela P . Genetic

18、 Search an A pp roach to the N onconvex Op ti 2 m izati on P roblem . A I AA Journal , 1991, 26(78 Kalyanmoy D eb . D esign fo r a W eld Beam via Genetic A lgo 2 rithm s . A I AA Journal , 1991, 29(11 :4444519 D e Jong K A . A nalysis Initial Populati on Size fo r B inary 2Coded Genetic A lgo rithm s . T GGA , R ep t . 85001, U niv . of A labam a , T uscaloo se , A l , N ov . 198510 Go ldberg D E . Genetic A lgo rithm s in Search Op ti m izati on and M ach ine L earning . A ddison W esly , 1989Opti m iza tion of W or