优化和改进设计（通用11篇）
优化和改进设计 篇1
引言
Ad Hoc网络呈现可以自由和动态自组织的无线节点组成分布式系统的网络拓扑结构, 从而在没有通信基础设施时通信。移动自组网络范式不是一个新概念, 它在20年前已经被提出来, 主要用于战术网络。随着蓝牙和Wi-Fi等技术的引进, 因此产生的研究和开发这种新的网络, 也使得军事以外的商业网络的不断部署。一个Ad Hoc网络是一种暂时性的网络能提供连接中的任意一个无线设备, 即节点, 而不必依赖预先存在网络基础设施 (即路由器, 交换机, 服务器) 。在这样一个网络中, 节点代表基础设施, 因为他们的合作, 提供多条模式的连接功能。
TTL实现洪泛算法的改进
移动自组网络是通过一个公用的无线频道使用移动主机的无线网络自发组织。由于是没有固定援助路由设施, 移动自组网络主机因此被要求转发那些在无线电覆盖地之外的报文, 因此形成了一个多跳的网络。移动自组网络的一些特征可以被概括为没有有线骨干或固定基础设施, 动态变化的拓扑结构由于不受约束的移动性, 由于广播的无线交流的特色而冲突等等。广播是移动自组网络中一种常见的操作, 许多按需的自组路由协议凭借广播来发现任意两个节点之间的路径, 广播同时也是在许多移动自组网络应用中一种非常重要的传播信息的方法。
为了解决这个问题, 引入了TTL字段来限制广播一个数据包所被转发的次数。当一个节点接收并复制一个数据包时, 在他转发数据包之前减小TTL的值。因此, 广播的数据包仅能到达给定数量 (TTL的初始值) 的应用级跳数的对等方。虽然TTL引入能够有效地解决广播风暴的问题, 但是它也存在自身的缺陷, 例如, 当TTL值设置的过小时, 广播包可能没有办法到达目的节点, 降低了网络的可用性;当TTL值过大时, 有可能造成广播包转发的字数过多, 从而失去了它的意义, 造成了大量的广播包, 造成了网络资源的浪费。因此, 应根据网络的大小和节点的密度来适当的设置TTL值的大小。
系统仿真验证
1 仿真程序广播包的设计
在Ad Hoc网络中仿真实验运行时, 对于每个节点说转发的广播包, 我们简单的设置为表1所示, 它包含如下一些信息:
该广播包中源地址用来记录该广播包是从哪个节点所发送出来的, 已经到达过的节点则是用来记录该广播包到达过哪些节点, TTL值则是记录当前TTL的值, 用以判断是否还要对这个包进行重广播。
2 结果分析
我们使用了节点的投递率和重广播次数来衡量洪泛算法在广播中的表现。投递率随着节点个数的变化如图2所示:
由图可知, 随着节点的个数的增加, 在广播中进行洪泛时, 节点的投递率都维持在一个很高的数值。说明了洪泛是移动自组网络中一种简单有效地广播方式, 抛开他明显的缺陷, 通过洪泛能迅速的把广播包传播到网络中的每个节点。如果网络中不存在孤立的节点, 那通过洪泛的方式使广播包到达网络中每个节点, 从而达到百分之百的投递率, 当然这是一种比较理想化的情况。由图可知, 当节点个数到达60个左右时, 节点的投递率到达最高, 而随着节点个数的增加, 它的投递率却有所下降, 这是因为节点的基数增大, 孤立的节点数变多, 从而导致了节点的投递率下降。
网络中的每个节点接收到广播包之后, 都要将这个广播包转发给他的邻居节点, 记录下所有节点的转发次数, 从而随着结点个数的增加, 我们得出了节点数与从广播次数之间的关系, 如图3所示:
由图3可知, 随着节点个数的增加, 重广播次数的增加逐渐变得平滑起来, 节点转发的次数逐渐减少, 使得在一定范围之内增加节点的个数, 节点密度的逐渐增加, 而网络对能量的消耗相对减少, 从而节约了网络资源。
总结
Ad Hoc网络逐渐发展成一个热门的研究方向, 广播是移动自组网络中最常见的一种操作, 而洪泛是实现广播最常见的一种操作方式。文中详细的改进了广播中关于洪泛的算法, 该改进算法虽然增加了一定的时间复杂度, 但是能够有效的阻止循环广播的产生, 最后通过仿真实验来展现洪泛算法在一个简单的移动自组网络中表现, 通过仿真可以看出, 洪泛算法在移动自组网络中是一种行之有效的广播方式。
优化和改进设计 篇2
计算机科学中有两类基本的问题，一类是理论，如算法、数据结构等，一类是系统，如操作系统、网络系统、存储系统等。在我们对计算机编程方式优化的思考中，首要考虑的应该是算法，因为算法是程序设计的基础。计算机编程的目的就是利用计算机语言，把人类的语言进行翻译，然后转换成计算机语言，从而处理人们的工作和一些需求。对算法的优化就是用数学中的一些理论和思想，对程序设计要解决的问题进行总结和划分，让问题变得更容易理解和解决。因此我们更要积极研究，把数学算法更好地运用在编程中。
对计算机程序设计方式改进，除了算法之外，我们更应该从全局的高度，去思考如何降低开发难度，让更多的人能够更容易掌握编程技术，从而更好地促进计算机技术在工作和生活中的应用。
3.2 程序设计中具体的改进及教学优化策略
3.2.1 通过结构优化对高级语言改进的研究
C语言是当前应用最广泛的高级语言之一，是一种面向过程的高级语言，由于C语言早在1972年就被发明出来，因此语言上存在一些缺陷是在所难免，例如C语言的重复编译问题，以及对程序员编程过程中代码逻辑性关联问题等。这就促使我们对C语言加以优化。例如前文提到的重复编译问题，就采用#ifndef预处理命令加以解决，从而降低了编程的复杂度。
3.2.2通过算法优化对高级语言改进的研究
面向对象的开发语言，是一类以对象作为基本程序结构单位的程序设计语言，指用于描述的设计是以对象为核心，而对象是程序运行时刻的基本成分，语言中提供了类、继承等成分。面向对象开发方式是处理程序系统庞大的较优解决办法。C++就是典型的面向对象开发语言，也是基于C语言拓展出来的一种高级语言，C++支持多种编程模式，比如面向对象编程、泛型编程和过程化编程等。随着计算机应用的日益广泛，计算机需要处理的数据也日益庞大，因此程序设计的体量也随之大规模增长。
当程序设计体量大规模增长时，编程就需要很多人力物力，需要花费很多时间。我们就需要在编写过程中运用数学建模的方法来节省时间，因为数学建模的方法主要是体现在对数据的统一性，这样会很大程度的节省了程序员的程序编写[4]。而C++语言就很好地体现了数学建模方法的运用，保证了程序的快速高效性。这样提高了程序员的编写效率。这就是数学算法在计算机编程中的很好的运用，对计算机编程进行了很好的优化。
今后我们也需要更多地研究利用数学算法来进行编程的优化，重点研究待解决问题的规模、算法在各模型的运用、不同设备运算效率的区别等，从而选择更合适的算法来进行数学建模，实现优化。
3.3 对于编程人才的大力培养
通过语言结构、数学算法等各种方法来进行程序设计方式的优化解决了技术问题，而人的问题也是很重要的环节，就是高素质的程序员。只有高素质的程序员才能进一步推动编程方式的优化。
因此，国家需要加大这方面的科研投入，增强科研机构实力，提高相关政策推动力。提升相关培训机构水平，各类型学校特别是高校更要注重这方面的人才的培养，让更多的人参与到其中，为计算机程序设计的优化做出贡献，使之更好地服务于社会，被人们所应用。
3.4 对于技术方面要创新
创新在科学技术中是一个重要的因素，在计算机技术中更是不可例外。我国需要研究出属于自己国家的编程方面的技术，在原有的技术上得到创新，使之更适合我国的发展。在这方面，可以着重建立新兴软件工业园，大力引进专业人才和技术，并进行研发，工业园的建立，将会带动地区性发展，吸引更多的优秀人才参与其中，进行创新计算机编程技术，由于人才的合力，再加上创新的因素，使计算机编程方式得到更好的优化和改进。
4 结束语
优化和改进设计 篇3
关键词：aodv；能量感知；优化
中图分类号：TP393 文献标识码：A 文章编号：1674-7712 (2012) 16-0048-01
一、Aodv简介
Aodv协议是用于特定的网络的可移动节点。它可以在不同的动态对等网络确定一条到目的地的路由，并具有接入速度快，计算量小，内存占用率小，网络负载轻等特点。它使用的目标序列，保证在任何时候也不会出现回环（即使在路由控制信息的异常也不会），避免了传统距离数组协议中出现的许多问题（如无限计数问题）。
AODV算法目的是对多个移动节点在建立和维持一个动态的，自启动，多跳路由网络。路由协议使移动节点可以迅速获得新的目的地节点和路由，节点只需要保持其信号到达的路由节点，更远的节点路由信息不需要维护。网络连接断开和变化将使网络拓扑结构发生变化，使移动节点可以及时应对这一变化。AODV的操作是无自环的，由于解决了“无穷计数”问题，该算法在网络拓扑变化如在网络节点移动快速收敛。当一个路由协议连接断开，AODV会通知所有受影响的节点，节点会让用到这个连接的路由失效。
AODV路由协议的一个显著特点是它在每个路由表条目使用目标序列。目的节点创建目的序列，并包含在路由信息里面，接着路由信息将被发送到所有请求节点那里。通过使用目的序列号，我们确保了网络中没有回路，且易于编程。如果目的节点提供了两条路由，那么节点收到请求后将选择最大的序列号（由于目的地节点每收到一个新的请求，会将目的序列加1，从而使该路由保持最新最好）。
二、ns2网络模拟器简介
ns2是美国国防支持的项目（虚拟网络平台）开发通用多协议网络仿真网络软件，开发的源代码使研究人员更好地开展各类算法的实现及其改进。
ns是一个离散事件模拟器，事件提供了系统的状态变化，状态修改只有在事件发生时进行，典型的事件有分组到达、时钟超时等。同时，ns也有丰富的组件库，对一些通用的实体对象建模，对象易于组合，扩展。ns组件库支持网络类型：广域网，局域网，移动通信网络，卫星通信网络，支持的路由方式有：分层路由，动态路由，组播路由等，ns也提供跟踪和监控对象，可以把网络系统的状态和事件记录分析，如：tracefile，生成.tr文件记录仿真过程数据，从中可以提取有用信息。
三、AODV分析以及改进
AODV路由协议有很多缺陷，其中有一个缺陷是每个源节点只保持一特定目的节点的路由选择，如果此路由失败，将重新启动路由发现过程，这样会增加网络成本。在网络拓扑变化频繁，这一缺陷显得更加突出。
其次，在特设网络中，节点通常利用电池来提供能源，电池的能量在没有相关技术进行提高前，能量是一个尤其重要的问题。AODV路由协议是一个比较成熟的路由协议，容易实现，但它没有过多考虑节点的能量状态。如果某一个节点是在一些交叉连接处，节点也可能参与了多个路径，节点能耗的急剧增加，过早耗尽自己的能量，由此导致路由链路发生故障，不得不重新建立路由，从而导致了较大的网络开销，而且还会增加能量的节点网络中的能量消耗。
针对上述缺点，也提出了一些改进的方法，如增加多径，距离的限制提高路由可靠性和提高路由维护机制。本文提出了一种改进的方法，是让源节点除了维护主要路由到目标节点，并维持一个目的地节点和备用路由。所以当主路由失败，将使用备份路由数据，不需要重新启动路由发现过程。在每个源节点到目的节点维护一个备份路由，并通过修改局部修复机制，这样，当主路由失败，将通过备用路由的数据包发送。只有当备用路线还没有开始，重新启动路由发现过程。
五、结束语
因为路由协议的路由表维护，只有指定的目标节点路由，路由失败时，需要重新启动路由发现过程。为了解决这一问题，本文提出了一种改进的方法，在每个源节点到目的节点保持一个指定的备用路由，当主路由失败，我们通过备用路由的发送数据包。只有当备用路线不能启动，我们才重新启动路由发现过程。在NS2平台的仿真结果表明，改进后的方法可以提高数据包的投递率，降低端到端的延迟，减少路由发现和路由开销。
参考文献：
[1]夏丹丹.基于NS2的AODV改进协议仿真实现[J].微计算机信息,2008(24).
[作者简介]邓媛元（1986.9-），女，汉族，湖南益阳人，本科学历，工程师，研究方向为计算机应用。
优化和改进设计 篇4
1. 温室微喷灌系统配置情况
杭州金牛农机服务专业合作社玻璃育秧温室采用文洛式玻璃温室, 室内面积140 m2, 高度4.2 m, 室内净高3.2 m, 室内长度20 m, 宽度7 m。苗架尺寸为1.9 m×0.9m×2.8 m, 苗床架7层, 层高0.4 m, 总共4行38个, 靠近边上各1行, 中间2行并在一起。
温室由流量为16 m3/h、扬程为3.6 m的水泵供水。苗床架上每层架设Φ20 mm的PVC管, 水管每隔1.3 m设一个喷头, 两边的水管架设在苗床中间, 中间的水管架在两个苗床的中间, 在主水管上设有开关, 可控制喷头喷水。
2. 温室微喷灌系统存在的问题
微喷灌系统在使用中, 经常出现喷头滴水情况, 使过多的水滴入秧盘, 出现出苗不整齐、秧盘床土流失导致缺苗等问题。为此, 多次与生产厂家联系, 厂家先后采取的措施有:
(1) 将喷头由拧入水管改为通过3通接头进行管管连接, 采取这个措施后, 解决了喷头与管子连接处的滴水问题。
(2) 试换各种喷头, 如折射式微喷头、旋转式微喷头, 甚至使用进口的喷头等, 始终无法解决问题。
3. 温室微喷灌系统优化与改进
针对微喷灌系统喷头滴水问题, 通过多次试验研究, 一直未取得实质性进展。在此期间, 主要是从水泵与喷头等方面进行资料查询、考察调研与厂家合作试验等, 但效果很不明显。
最后, 在考察、讨论中得到了启示, 从管路路线来解决。将温室两边苗床中间架设的水管移到靠近过道的旁边, 并将架在两个苗床的中间水管也移到靠近过道的一边, 绕开滴水问题, 使水直接滴入地面。这项改进共计投入0.3万元, 费用也比较节省。这一改进措施, 只是水管路线的改变, 用水量并未增加;而且两个苗床中间水管移到旁边后, 仍旧能喷到位, 这样彻底解决了喷头滴水问题。
4. 应用效果分析
杭州金牛农机服务专业合作社在温室微喷灌系统优化与改进后, 立即开始了试验应用。温室在5月中旬至6月下旬 (40 d) 进行了水稻育秧 (炼苗在连栋钢架大棚内) , 共计育秧140 hm2。在改造前, 每天需用移动式喷灌机械喷水, 一般每天需喷水3次左右, 费工费力, 按每天 (半工) 支付人工费用50元计, 需支付喷水费用2 000元。而将微喷灌系统优化与改进后, 只需要开启或关闭管路控制开关即可, 既方便又省力, 并且只要管理员兼任一下, 不用额外支付人工喷灌费用, 效率、效益明显提高。
5. 结语
优化和改进设计 篇5
飞机多学科设计优化中改进的径向基神经网络法
用径向基神经网络方法构造近似模型常常难以满足精度要求,提出了一种把二次响应面与径向基神经网络相结合的算法.该方法在样本点相同的情况下减小了近似模型的.推广误差,提高了近似精度,增加了适应性.通过2个算例表明该算法提高了近似模型的精度,可在多学科设计优化中提高设计效率和质量.
作 者：张健 李为吉 ZHANG Jian LI Wei-ji 作者单位：西北工业大学,航空学院,陕西,西安,710072刊 名：空军工程大学学报(自然科学版) ISTIC PKU英文刊名：JOURNAL OF AIR FORCE ENGINEERING UNIVERSITY (NATURAL SCIENCE EDITION)年，卷(期)：7(4)分类号：V22关键词：近似模型 二次响应面 径向基神经网络 多学科设计优化
优化和改进设计 篇6
关键词：土建工程；施工现场；管理模式；优化策略；改进措施
前 言
土建工程的现场管理是工程项目管理的重要组成部分，并且土建工程的现场管理直接影响工程项目的整体造价以及质量，优化土建工程现场管理模式，提高现场管理的质量和效率，对保证整个土建工程的质量和施工功能都具有十分重要的作用。因此，土建工程施工现场的管理人员，应该采取相应的优化策略和改进措施对现场管理模式进行改进，为土建工程的顺利施工奠定坚实的基础。
1 土建工程施工现场管理模式存在的问题
（1）质量控制方面存在问题。土建工程的现场管理是一项工作量大、专业面广、操作工序繁琐的工作，并且对施工现场的全面检查和全面控制都具有很大的难度，并且现行的土建工程施工现场管理通常采用抽检的方式，这样就会导致施工过程中经常出现一些遗漏的质量问题，这种缺乏科学性的不合理的现场管理模式，并不能保证现场的施工质量能够满足相关的质量标准，经常导致土建工程经常出现返工重建的状况，采取相应的质量控制管理措施势在必行。
（2）缺乏现场监管。土建工程的现场操作具有劳动人员多、劳动力密集的特点，并且所有劳动者的文化程度不尽相同，这样给现场操作人员的监管工作带来了很大的难度，很难建立统一的监管制度对施工现场进行管理，这样就导致施工现场经常出现违反施工计划和步骤的施工、不根据现场的规章制度以及施工标准进行随意操作、建筑材料和施工器具随意堆放等方面的问题，并且没有制定严明的纪律以及严格的组织，致使施工现场出现施工人员随意搭配、组合松散、缺乏合作的状况。
（3）淡漠国家法律法规。土建工程施工现场的工艺措施以及设计方案并没有根据国家的相关规定进行制定，通常只是次用千篇一律、形式单一的管理模式，安全教育和分项交底只是为了应付相关单位的检查，再加上有的检查部门以权谋私，导致土建工程的施工现场出现专项安全技术方案不合格、施工方案不到位等方面的安全隐患。此外，施工现场搭设的脚手架也没有根据国家的相关规范进行，经常出现搭设错误的状况，再加上相关单位并不重视材料的质量，这更给施工现场带来严重的安全隐患。
2 土建工程现场管理模式的优化策略和改进措施
（1）建立科学的施工方案。土建工程的施工方案是整个现场管理的技术指导，施工方案的制定，应该根据土建工程的施工性质、经济状况、自然条件、建筑规模以及负责程度等众多因素，然后设计出既能满足业主要求，又能保证土建工程现场施工质量的施工方案，合理的组织施工现场的财力、物力、人力等。此外，土建工程的施工方案不是一成不变的，应该根据施工现场遇到的状况进行及时的调整，然后相关的施工人员和管理人员应该根据施工方案，严格的将施工方案的所有规定和要求认真贯彻落实到现场的所有施工环节中，这样才能保证整个土建工程能够保质保量的进行。
（2）土建工程施工企业与国家相关部门进行协作，以此强化对施工现场管理模式的监管力度。针对土建工程具有施工周期长、工序复杂、技术面广的特点，为了避免在施工過程中出现安全故障、例如材料短缺、机械故障、停电、停水等状况，通过土建工程施工企业和国家相关部门的协作，建立施工现场监管队伍，强化施工现场管理模式的监管力度，这样能够及时的发现施工现场存在的事故或者问题，然后及时、准确的采取相应的措施将故障或者问题尽快的解决，甚至是将故障消灭在萌芽阶段，最大限度的降低故障或者问题对土建工程造成的影响。土建工程现场管理监管对象包括施工组织人员、施工管理人员以及施工现场的所有工作人员，而监督管理的内容包括现场的安全、材料的质量、施工的成本、施工的质量等，通过强化施工现场监管力度，能够保证现场施工能够高质量、高效率的完成。
（3）优化施工现场管理机制。施工现场的管理想要顺利的进行，其前提是需要好的管理机制，例如实施5S管理机制，5S管理指的是对土建工程的施工现场的各个组成不断的进行维护、清洁、整顿、整合和优化，这是一种科学、先进的管理模式，不但能够保证施工现场的施工质量和施工安全，还能大幅度的提升所有施工人员和管理人员的综合素质。土建工程的施工现场管理应该制定以下几种制度：①建立适当的奖惩制度，无论是对施工作业人员，还是施工组织人员和施工管理人员，都应该根据其工作类别和内容制定相应的考核机制，并对其工作状态进行评价，对于表现好的人员予以一定的奖励，对于表现不好的人员应该予以一定的惩罚，这样才能充分的激发所有人员的积极性和主动性，保证现场施工能够高质量、高效率的完成；②建立经济考核制度，将所有人员的经济利益和工程项目的整体利益结合起来，将每个人负责的经济效益当作工作业绩的重要指标；③建立个人定岗制度，根据施工现场场地、岗位、类型的不同，把施工现场氛围不同的项目，然后为每个项目配备一个主管人员，由主管人员对自身担任的项目进行负责。
（4）强化对施工现场所有人员的培训工作。土建工程具有施工技术复杂、涉及面广的特点，并且随着科学技术的发展，越来越多的新技术、新设备、新材料被研发出来，为了保证土建工程施工现场管理能够顺利的进行，一方面应该不断的引进这些新技术、新设备、新材料、新工艺，还需要对现场的施工人员和管理人员进行培训，让其掌握这些先进的技术和新设备与新材料的使用方法，这样在保证施工质量的同时，还能不断的提高施工进度，促使企业施工水平和现场管理效果不断的提高和进步。
3 结束语
总而言之，土建工程施工现场管理是建筑工程项目管理中十分重要的环节，应该重视对施工现场管理模式的优化和改进。成功的土建工程施工现场管理模式，不仅需要专业、高水平的管理人员，还需要施工企业具备尖端的专业技能，通过对现场管理方法的研究，采取针对性的措施进行现场管理模式的优化和改进，对保证土建工程的施工质量，以及促进整个建筑行业的健康发展都有十分重要的意义。
参考文献
[1]舒忠祥.土建工程现场管理优化策略分析[J].中华民居，2013（6）；175～176.
[2]曹进.浅谈土建工程现场管理[J].建筑遗产，2013（24）；245～246.
[3]廖远珍.土建工程施工现场管理优化策略的分析[J].房地产导刊，2013（6）；305～306.
[4]杨霞.土建工程施工现场管理优化策略分析[J].大陆桥视野，2013（18）；51～53.
四连杆爬楼梯机器人的改进和优化 篇7
移动机器人在非结构环境中运动特性一直是机器人技术研究的热点问题, 各种移动机器人包括轮式、腿式、履带式等相继诞生。而楼梯是移动机器人在工作中最常见、最难跨越的障碍之一, 所以攀爬楼梯是移动机器人适应非结构化环境所必备的功能之一[1]。目前现有的爬楼梯机器人越过障碍的尺度有限, 并且机动性、稳定性和可靠性不能很好地满足较为复杂的地形结构要求。
本文提出了一种改进和优化四连杆爬楼梯机器人的思想, 该四连杆爬楼梯机器人是在轮式机器人的基础上通过双摇杆与两个平行四边形高架结构相联, 结合了轮式与足式移动机器人的优点。克服了非结构环境给移动机器人的运动造成的自主决策和路径规划的困难, 实现了自适应直接翻越障碍物的功能。针对一定仰角的楼梯设计小车的具体尺寸, 并通过ADAMS进行越障和差速转弯仿真分析, 验证结构设计是否合理, 从而及时作出修改和优化。对制作的爬楼梯机器人试验表明, 机器人能够轻松攀爬17°的连续性楼梯和灵活左右转动。该爬楼梯机器人具有越障性能和越障稳定性, 因此它在未来的空间探索和抢险救灾中具有广阔的应用前景。
1 机器人结构分析
四连杆爬楼梯机器人有6个独立的驱动轮。其中, 最前面的驱动轮起方向导引作用, 称为导引轮。如图1所示, 导引轮与车体之间由一个四边形双摇杆机构相连, 车体上两侧各有一个高架的四边形机构, 后轮与车体之间也以四边形机构相连, 这3组机构分别称为攀登机构、爬升机构与稳定机构。当机器人的导引轮遇到障碍时, 由于连接导引轮的倾斜支杆的作用, 导引轮将受到向上的摩擦力, 实现攀越的动作。车体前轮与障碍相遇, 由于导引轮向上向前的作用, 将受到向上爬升的分力。同样的, 车体中间轮及后轮遇到障碍时也会受到类似的向上爬升的分力作用, 从而使整个车体可以灵巧地攀越高于导引轮1.5倍高度的障碍, 机器人实物如图2所示。
1.前轮2.中轮1 3.中轮2 4.后轮5.爬升机构6.稳定机构7.车体8.电源及电路板9.攀登机构10.轮电机
2 机器人Pro/E三维模型
建立机器人Pro/E三维模型, 确定各零件的尺寸和装配关系, 如图3所示。并将机器人模型文件保存为“.x_t”格式, 导入ADAMS中并赋予对应的材料属性进行虚拟仿真, 验证机器人是否能够爬上指定仰角的连续性楼梯。对机器人仿真结果进行分析和讨论, 然后对其三维模型进行修改和优化, 直到机器人达到理想的状态, 能够轻松攀爬指定仰角的连续性楼梯。
3 ADAMS虚拟仿真
用Pro/E建立四连杆爬楼梯机器人的三维模型, 将其导入ADAMS中进行仿真。虚拟仿真主要有两个目的:一是检验设计的小车是否能攀爬指定仰角的连续性楼梯;二是通过差速转弯, 检验小车是否能够顺利实现转弯。然后根据仿真效果, 更改参数, 若设计本身不符合要求, 就要及时进行修改, 使小车得到优化。
3.1 机器人爬楼梯仿真
3.1.1 参数设定
设置6轮和地面的静摩擦因数和动摩擦因数, 如表1所示。
设置6轮驱动函数, 如表2所示。
小车自适应部分的弹簧劲度系数k设为3.0, c设为0.0。
3.1.2 模型仿真
楼梯参数如图4所示。仿真结果如图5所示。仿真结果表明, 小车能够顺利爬上指定仰角的连续性楼梯。小车爬楼梯过程中, 弹簧受力变化情况如图6所示。小车爬楼梯过程中, 前轮位移变化情况如图7所示。
3.2 机器人转弯仿真
3.2.1 参数设定
设置6轮和地面的静摩擦因数和动摩擦因数, 如表3所示。为了实现小车的差速转弯, 我们改变6个车轮电机的驱动函数, 让中间4个车轮同一边的2个轮子的运动方向与其余轮子运动方向不同。设置6轮驱动函数, 如表4所示。
3.2.2 机器人转弯仿真
小车转弯仿真结果如图8所示。
小车仿真结果表明, 小车能够顺利进行差速转弯。
4 机器人爬楼梯试验
为了测试优化后的四连杆爬楼梯机器人的越障性能, 对机器人在宽度为390 mm, 高度为120 mm, 仰角为17°的连续性楼梯进行测试, 试验结果表明机器人能攀爬仰角为17°的连续性楼梯, 如图9所示。机器人在越障过程中能通过被动变形来调整自身姿态, 从而在适应障碍物的同时得以翻越障碍物。平行四边形机构可以使变形时的旋转中心落在轮轴上, 确保机器人在崎岖路面上运动的稳定性。同时在测试中该机器人的能轻松翻越垂直高度为1.5倍车径的障碍, 实现机器人的差速转弯, 验证了机器人的机动性和灵活性。
5 结论
本文通过ADAMS软件对四连杆爬楼梯机器人进行了改进和优化, 得出机器人能够爬越楼梯参数必须满足的要求, 在所得参数基础上制作了机器人样机, 该机器人结合了轮式和腿式机构移动特性。在试验中, 机器人不仅能成功攀爬连续楼梯, 而且可以越过1.5倍轮径垂直障碍, 能差速转弯, 试验证明机器人的高越障性、平稳性、灵活性。
摘要：针对非结构环境楼梯对机器人的移动要求, 提出了一种四连杆爬楼梯机器人, 介绍了机器人结构特点, 建立了机器人三维模型。应用虚拟样机软件ADAMS对四连杆爬楼梯机器人进行了越障和差速转弯仿真, 分析了其越障构态的变化特点, 并根据输出仿真特性曲线对机器人进行了改进和优化, 实物试验, 验证了改进和优化方法的正确性。
关键词：四连杆,爬楼梯机器人,ADAMS,改进和优化
参考文献
[1]朱坚民, 李付才, 李海伟, 等.轮腿式爬楼梯移动机器人的设计及运动特性分析[J].中国机械工程, 2013 (10) :22-29.
[2]刘祚时, 童俊华, 庄子宝, 等.基于ADAMS的爬楼梯机器人动力学仿真[J].机床与液压, 2010 (12) :114-117.
[3]王国强, 张进平, 马若丁.虚拟样机技术及其在ADAMS上的实践[M].西安:西北工业大学出版社, 2002.
[4]郑文纬, 吴克坚, 郑星河.机械原理[M].北京:高等教育出版社, 1997.
[5]Morales R, Gonzalez A, Feliu V, et al.Envir-onmemt adaptation of a new staircase-clim-bing wheel chair[J].Auton Robot, 2007 (23) :275-292.
优化和改进设计 篇8
虽然神经网络模型已成功应用于模式识别、函数逼近、时间序列预测等领域。并且BP网络也是目前应用最为广泛的一种神经网络模型, 它具有思路清晰, 结构严谨, 可操作性强等优点。但是由于BP学习算法仅改变网络的连接值和阀值, 不改变网络的拓扑结构, 因此BP网络在处理具体问题时还存在如下问题[1]:
1.1 网络的麻痹现象。
在网络训练过程中, 加权调得较大可能迫使所有的或大部分节点的加权和输出较大, 从而操作在S压缩函数的饱和区, 此时函数在其导数非常小的区域, 即函数的导数值很小或趋近0, 由于在计算加权修正量的公式中, 这使得调节几乎停顿下来, 通常为了避免这种现象, 将训练速率减小, 但又增加了训练时间。
1.2 网络学习收敛速度比较慢。
由于BP算法的学习复杂性是样本规模的指数函数, 如果网络规模较大或学习样本较多时, 往往需要很长的学习时间, 甚至学习无法完成, 这个主要由于学习速率太小所造成的;可采用变化的学习速率或者自适应的学习速率加以改进。
1.3 易陷入局部极小值。
BP算法可以使网络权值收敛到一个解, 但它并不能保证所求解为误差超平面的最小解, 很可能是局部极小解;这是因为BP算法采用的是梯度下降法, 训练是从某一起点沿误差函数的斜面逐渐达到误差的极小值, 对于复杂的网络, 其误差函数为多维空间的曲面, 就像一个碗, 其碗底是最小值点, 但是这个碗的表面凹凸不平的, 因而在对其进行训练的过程中, 可能陷入某一小谷区, 而这一小谷区产生一个局部最小值, 由此点向各个方向变化均使误差增加, 以至于使训练无法逃出这一局部最小值。
为了解决BP网络训练的以上缺点, 人们提出了多种有益的改进。改进方法主要有两类:第一类是基于启发式学习方法的改进算法:如附加动量的BP算法、自适应学习率BP算法、弹性BP算法等;第二类是基于数值优化的改进算法:如共扼梯度法、拟牛顿法和Levenberg-Marquardt (LM) 法等。这些方法在不同程度上提高了学习速度, 加快了网络的收敛, 避免陷入局部极小值[2][3]。
2 各种改进算法的学习速度的比较
在Matlab6.5中, 通过调用newff实现网络的创建, 然后调用函数train对所创建网络newff进行训练。设定系统总误差为0.01, 步长为0.02, 网络训练2000次, 或直到满足性能要求时停止训练, 否则增加训练次数。表1给出几种算法收敛速度的比较:表中的数据均为6次平均值。
从表1和表2可以看出:
2.1 基于启发式学习方法的改进算法的收敛速度依次加快, 其中弹性BP算法的收敛速度要比前两种方法快得多。
2.2 基于标准数值优化方法的各种改进算法均比基于启发式学习方法的改进算法在收敛速度上有很大的提高, 其中Levenberg-Marquardt法的收敛速度最快。
下面是在相同条件下, 标准BP算法, 弹性BP算法和Levenberg-Marquardt法对本电路进行网络训练的学习误差变化曲线。
3 结论
由实验结果可知:
在基于启发式学习方法的改进算法中, 弹性BP算法的收敛速度快, 算法并不复杂, 也不需要消耗更多的内存空间, 在实际应用中, 是一种行之有效的算法。
在基于数值优化方法的各种改进算法中, Levenberg-Marquardt法和拟牛顿法因为要近似计算海森矩阵, 需要较大的存储量, 通常收敛速度快。其中, Levenberg-Marquardt法结合了梯度下降法和牛顿法的优点, 性能更优, 收敛速度最快, 对于中等规模的BP神经网络具有最快的收敛速度, 而且它很好地利用了MATLAB中对于矩阵的运算的优势, 因此它的特点很适合在MATLAB中得到体现;但是要存储海森矩阵的值, 所以该算法的最大缺点就是占用的内存量太大。共轭梯度法所需存储量较小, 但收敛速度较前两种方法慢。所以, 考虑到网络参数的数目 (即网络中所有的权值和偏差的总数目) , 在选择算法对网络进行训练时, 可遵循以下原则[4]:
3.1 在对训练速度要求不太高, 内存存储量有限时, 可使用弹性BP算法。
3.2 在对训练速对要求较高的情况下, 网络参数较少时, 可以使用牛顿法或Levenberg-Marquardt法;在网络参数较多时, 需要考虑存储量问题时, 可以选择共轭梯度法。
参考文献
[1]史忠科.神经网络控制理论[M].西北工业大学出版社, 1997 (11) .
[2]虞和济, 陈长征等.基于神经网络的智能诊断[M].北京:冶金工业出版社, 2000.
[3]朱大奇.电子设备故障诊断原理与实践[M].北京:电子工业出版社, 2004.
优化和改进设计 篇9
在参数的优化设计中, 常引入小样本采样技术, 以少量实验获得设计参数的最优估计值。正交设计与均匀设计是两种高效的小样本抽样方法, 在参数优化中得到了成功应用, 如使用正交设计优化弹翼结构[1], 使用均匀设计优化飞行器机翼外形[2]等。最近, 方开泰等将正交设计与均匀设计相结合[3], 提出对标准正交表进行均匀性改进, 进一步提高了正交设计的采样效率。然而, 在飞行仿真试验中, 因素 (设计变量) 的个数及水平数往往较多, 此时改进工作的计算量巨大, 难于实现。
本文利用微分进化算法收敛速度快的特点, 提出了一种基于微分进化的正交表改进算法, 大幅减小了计算量, 并使原正交设计表的均匀性有了明显提高。在亚轨道飞行器再入轨道参数的优化过程中, 分别选用标准表与改进表进行轨迹仿真试验, 得到标准设计的样本 (标准样本) 及改进设计的样本 (改进样本) 。采用逐步回归分析法建立两组样本下的多项式回归模型:标准 (样本) 模型与改进 (样本) 模型, 经实验验证, 改进模型的估计偏差均方小于标准模型。最后使用复形调优法基于两个模型进行寻优, 改进模型的最优解精度高于标准模型。
1正交设计表改进问题
给定一个正交表D0=Ln (qs) , 若将其列的水平作置换, 它的正交性不会发生改变, 但其均匀性可能改变。正交表D0的均匀性改进, 是指从D0出发, 通过列的水平置换而获得 (q!) s个与D0同构的正交表, 选取其中均匀性最好者作为改进正交表。度量正交表均匀性的一个较好的准则是修正的L2偏差, 它的定义式[3]为:
式 (1) 中Pn为正交表矩阵, u为集合{1, …, s}, Cu为试验域Cs在Ru中的投影, Jxu为给定的矩形Jx在Ru中的投影。N (Pn, Jxu) 表示Pn在Ru的投影中的点落入Jxu的个数, Vol (Jxu) 表示Jxu在Ru空间中的体积。
然而, 当q与s较大时, D0的同构表数量庞大, 逐一计算每个同构表的修正L2偏差计算量巨大, 无法实现, 故需设计优化算法减小计算量。
2基于微分进化的正交表改进算法
微分进化算法[4]是一种全局优化搜索算法, 扩展后可用于求解离散变量问题和约束优化问题, 它具有简单高效的优点。应用该算法对正交表进行均匀性改进, 需要解决的关键问题是:确定正交表的编码方式和确定代价函数。
2.1正交表的编码方式
对正交表Ln (qs) 的编码可分为以下两步:
Step 1 对同构表的各列进行编码:列的水平置换方案共有q!种, 可依次编号为1, 2, …, q!。将各列选用的置换方案的序号作为各列的编码值。
Step 2 对同构表进行编码:选取一个s位q!进制数, 使它的第i位的值为同构表第i列的编码值。该数作为同构表的编码值。
2.2确定代价函数
在微分进化算法中, 以代价函数的值决定个体是否取代其父代个体, 故要求代价函数能够准确度量正交表的均匀性。计算 (1) 式的积分, 并考虑一切Jx及其在Ru中的投影, 可得到中心化L2偏差 (CD2) , 它的优点是能够反映正交表在低维投影下的均匀性, 并减小了原点的特殊地位, 故选取CD2为代价函数。它的计算式[3]为:
式 (2) 中xki为正交表第k行第i列的元素, 经归一化处理后的值; n, s分别为正交表的行数与列数。
2.3其他参数的确定
由于正交表的编码格式采用q!进制编码, 故交叉因子只能取1。依参考文献[5]的建议, 取最大进化代数为1 000, 种群规模为正交表水平数的5倍, 交叉概率为0.1。
3亚轨道飞行器再入段轨道优化
3.1问题综述
亚轨道飞行器再入段是从再入点到末端能量管理界面的过渡飞行段。若给定再入点处飞行器飞行状态参数, 可设计出一条标准轨道, 使其满足各约束条件。标准轨道的设计方法已比较成熟[5,6], 这里不再赘述。
在飞行器到达能量管理界面时, 其剩余能量/航程比 (E/L) 越大, 对后续轨道设计的约束则越小, 故选取能量/航程比作为优化设计指标。再入点处飞行器速度V, 弹道倾角θ, 倾斜角σ是影响能量/航程比的主要因素, 作为设计变量。考虑到再入点的约束条件, 可以给定它们的变化范围:V:2.453 km/s～ 2.553 km/s, θ:15°～17°, σ:-60°～-50°。其他参数及限制条件为:转换点处高度60 km;能量管理界面高度30 km, 速度860 m/s;最大热流限制150 kW/m2;最大动压限制14 000 N/m2;最大过载限制2.5。
3.2飞行轨迹仿真实验
考虑到指标值 (E/L) 与设计变量间的响应有弯曲, 每个设计变量选3个水平, 第1、3个水平分别取为变化区间的下界与上界, 第2个水平取为区间中点。此外, 需要考虑各设计参数间的所有二阶交互作用。选取L27313型正交表, 分别按试验序号给定的27组飞行参数, 设计出标准轨道的H-V剖面, 并在Matlab/Simulink平台下进行仿真实验, 得到飞行器到达能量管理界面时的E/L。而后, 依第2节所述方法对上述正交表进行均匀性改进, 依改进表再次进行仿真实验。两次实验所采用的正交表及实验结果如表1、表2所示。
注:‘—’项表示赋闲列
注:‘—’项表示赋闲列
经 (2) 式计算, 标准正交表CD2值为0.425 576, 而改进表的CD2值为0.397 89。这证明了第2节所述算法有效地减小了标准正交表的均匀性偏差。
3.3多项式回归模型
本文采用逐步回归分析方法[7]建立指标值关于设计变量的多项式回归方程。与一般回归分析法相比, 该方法引入了变量筛选技术, 舍弃掉回归方程中对指标值影响较小的项, 从而简化了回归方程 , 降低了求解回归系数的计算量, 并提高了估计回归系数的准确性。
分别对表1与表2的试验数据作逐步回归分析, 得到如下回归模型:
原正交表:
改进表:
3.4两个模型的回归效果统计检验
模型复相关系数R和平均标准偏差S是评价模型回归效果的重要统计量。R的值越接近1, 模型的回归效果越显著;而S值越小, 说明模型的拟合程度越高。它们的计算式[3,4,5,6,7,8]为:
其中yi为第i次实验的实验值,
表中结果显示, 两模型均有良好的回归效果。
3.5两个模型的估计误差对比实验
为评估回归模型与仿真模型的相似程度, 从设计域内随机选取十组试验点进行仿真实验, 对比实验值与两模型的估计值, 得到两模型的估计误差, 列于表4。
经计算, 可得到式 (2) , 式 (3) 估计值的平均标准偏差分别为0.020 4和0.019 5。可见使用改进表所得模型的平均估计偏差较小。
3.6回归模型的优化效果对比
分别选取式 (2) , 式 (3) 作为轨道优化的回归模型, 采用复形调优法[9]求取最优解。以区间中点[2 503 , 16 , -55]初始点, 经有限步迭代求的最优解与验证实验结果列于表5中。表中结果表明, 在改进表所得回归模型下, 得到了更准确的最优点。
表中结果表明, 改进表所得模型的优化效果较好。
4结论
文中提出了一种基于微分进化的正交表改进算法, 它有效地降低了标准正交表的均匀性偏差。在亚轨道飞行器再入段轨道参数优化中, 依改进表的样本点建立的回归模型更准确, 最优点的精度更高。这表明本文提出的改进算法有效地提高了采样效率, 进一步改善了轨道参数的优化效果。
摘要：采用微分进化算法改进了标准正交设计的均匀性。运用标准正交设计法和改进的正交设计法优化亚轨道飞行器再入段轨道参数。在相同的样本容量下, 标准正交设计得到了估计误差满足要求的回归模型, 而改进的正交设计得到的回归模型的估计误差有了进一步减小。采用复形调优法对两个回归模型进行寻优计算, 两模型所得最优解均满足精度要求, 而改进正交设计所得模型的优化效果更好。改进正交设计法进一步增强了抽样效率, 是适用于轨道参数优化的重要方法。
关键词：正交设计,均匀性,亚轨道飞行器,轨道优化,微分进化
参考文献
[1]金华, 戴金海, 陈琪锋.基于回归正交试验设计的弹翼结构优化设计.计算机仿真, 2007;24 (10) :42—44
[2]王允良, 张勇, 李为吉, 等.可重复使用运载器机翼外形优化.宇航学报, 2004;25 (5) :488—491
[3]方开泰.均匀设计与均匀设计表.北京:科学出版社, 1994
[4]Storn R, Prince K.Differential evolution-a simple and efficient heuris-tic for global optimization over continuous Spaces.Journal of GlobalOptimization, 1997;11:341—359
[5]阳明盛, 罗长童.最优化原理、方法及求解软件.北京:科学出版社, 2006
[6]闫晓东, 唐硕.亚轨道飞行器返回轨道设计方法研究.宇航学报.2008;29 (2) :467—471
[7]闫晓东, 唐硕.基于反馈线性化的H-V返回轨道跟踪方法.宇航学报, 2008;29 (5) :1546—1550
[8]胡国定, 张润楚.多元数据分析方法.天津:南开大学出版社, 1990
优化和改进设计 篇10
神经网络系统是由大量简单的非线性处理单元以某种拓扑结果广泛地相互联结而成的高度非线性动力学系统,非常适合于解决非线性问题,尤其是基于误差反向传播算法的多层前馈网络(简称BP网络),可以任意精度逼近任意连续函数。但神经网络结构的设计,实际上就是根据某个性能评价准则来确定适合于解决某个问题的参数的组合。当待解决的问题比较复杂时,用人工的方法来设计是比较困难的,几乎没有什么严格的设计准则可以参考。虽然Kolmogonov定理说明在合理的结构和恰当的权值的条件下,三层前馈网络可以逼近任意的连续函数[1],但定理中并没有给出如何确定结构和权值的方法。到目前为止,人们花费了大量的时间和精力来解决这一问题,而神经网络的应用也正向大规模、复杂的形式发展。人工神经网络需要高效的自动设计方法,而遗传算法正好提供了一条很好的途径。遗传算法具有群体寻优的能力,求解问题具有全局性、并行性、快速性和自适应性的特点,能够很好地解决人工神经网络存在的上述两个问题,但遗传算法(简称GA)的早熟现象,寻优搜索是随机的,带有一定程度的盲目性,其收敛特性不稳定且收敛速度缓慢[2],特别是在系统规模较大时,优化效果的明显改善往往需要相当长的时间。故而有必要对遗传算法进行适当的改进,使之适用于神经网络的优化设计。
1 优化方案
遗传算法优化神经网络可分为三类:网络结构的优化、学习规则的优化和连接权的优化。神经网络结构包括网络隐层数、隐层结点数及各神经元的传递函数三个部分[3]。因三层神经网络能以任意精度逼近指定函数,这时的网络结构优化仅包含中间层结点数和各神经元的传递函数的优化。另外,对于不同的神经网络模型,有不同的训练算法。这些训练算法中的一些参数,如BP算法中的学习率、动量项等,对于不同的应用对象,也不尽相同。利用遗传算法可实现这些学习算法的参数及规则的优化。优化连接权时,将各个连接权进行二进制或直接采用十进制编码。一个网络的所有连接权组成一个个体,多个个体又组成一个种群,种群经过不断进化就得到最优的。
本文采用遗传算法来设计网络权值和网络结构。即将遗传算法的全局寻优能力与BP算法的指导性搜索结合起来,先用遗传算法在随机点集中遗传出优化的网络结构和初值,再用BP算法对网络进行训练学习至收敛。
同时本文对遗传算法加以了改进,强化了遗传算法的渐进收敛和进化能力,改善了算法的早熟现象和收敛性。改进的遗传算法的思路如下:
(1) 在初始种群中,对所有的个体按其适应度大小进行排序,然后计算各个个体的选择概率;
(2) 基于计算出的个体选择概率,通过轮盘赌选择算子进行选择并复制;
(3) 以固定的交叉概率进行交叉;
(4) 按个体所处位置确定其变异概率并变异;
(5) 从复制组中随机选择两个个体,对这两个个体进行多次交叉,从所得的结果中选择一个最优个体存入新种群,代替最差个体;
(6) 若满足结束条件,则停止,不然,跳转第(1)步,直至找到所有符合条件的规则。
该遗传算法的优点是在各代的每一次演化过程中,子代总是保留了父代中最好的个体,以在“高适应度模式为祖先的家族方向”搜索出更好的样本,从而保证最终可以搜索到全局最优解。
其优化方案总算法流程如图1所示。
2 算法设计
2.1 遗传算法的编码方案
遗传算法常见的编码方式主要有二进制编码和实数编码两种,由于神经网络对于网络的结构和初始值很敏感,对权值的精度要求比较高,而二进制编码在进行优化时需要对连续空间进行离散化,会造成一定的映射误差,而实数编码不存在编码解码过程,非常直观,求解的精度和速度更高。因此本文采用实数编码方案,在这种方案中,每个连接权值和阈值直接用实数表示,把与同一隐节点相连的连接权所对应的实数放在一起。
染色体码串由六部分组成:隐层单元数S、传递函数f的组合、输入层至隐含层的连接权Wij、隐含层至输出层的连接权Vjt、隐含层各单元的输出阈值θj、输出层各单元的输出阈值γt。码串组成如表1所示。
由于在编码中,隐层单元个数是不定的,所以网络优化时码串长度是可变的,这会给计算带来不便。为保持个体长度的一致性,保证进化时子代个体的完整性,取码串的最大可能长度,即确定隐层单元数的最大可能值Smax,然后进行编码。
传递函数主要有purelin、logsig、tansig三种函数。在设计BP网络时,隐含层的传递函数应是非线性的,否则计算能力差。对于三层的BP网络,主要有logsig/purelin、tansig/purelin、logsig/tansig、logsig/logsig、tansig/tansig、tansig/logsig六种组合。在此用0～5之间的整数对应表示这六种组合,占编码的一位。
故染色体码串长度为:
L=(m+n+1)×Smax+n+2 (1)
其中,m、n分别为输入层、输出层神经元数。选取连接权值时,只选取与隐层单元数S对应的值,有效码串长度为L=(m+n+1)×S+n+2。这样码串就包含了网络拓扑结构和连接权值、阈值的所有信息。根据经验,隐节点个数一般不少于输入层节点个数,不多于输入层、输出层神经元数之和的两倍,所以取Smin=m,Smax=2×(m+n),则S∈(Smin,Smax)。
2.2 种群初始化
遗传操作是对多个个体同时进行的,这众多个体组成了群体,在遗传算法处理流程中,编码设计后的任务是初始群体设定,并以此为起点,一代代进化直到按某种进化准则终止进化过程,由此得出最后一个种群。在种群初始生成过程中,种群大小对遗传算法效能发挥有重大影响。
本文中随机产生网络的初始群体InitialPopulation(N,L),N为群体规模,L为码串长度。其中的每一个个体InitialPopulation(i,:)均表示一个独立的前向网络,其中i=1,2,…,N。
群体规模取为N =max(L+[L/10],100),以便在每一种群中使个体超出搜索范围。
隐含层S的范围由前面分析取为S∈(Smin,Smax),传递函数的编码的范围为(0,5),初始权、阈值的范围取为(-1, 1)。即种群的范围是2行L列的向量v为:
2.3 目标函数和适应度函数的确立
目标函数体现了问题的优化目标和评价准则。适应度函数是根据目标函数确定的用于区分群体中个体好坏的标准,是算法演化过程的驱动力,也是进行自然选择的唯一依据。
BP网络的一个重要性能就是网络的输出值与期望的输出值之间的误差平方和,该误差平方和小则表示该网络性能较好,因此选择误差平方和E作为目标函数。
用于遗传算法的适应度函数采用基于线性排序的适应度分配,其算法描述如下:
(1) 对目标函数值进行降序排列,即最小适应度个体(最大目标函数值)放置在排序的目标函数值列表的第一个位置,最适应个体(最小目标函数)放置在位置N上(N指群体规模)。
(2) 定义一个变量MAX表示最适应个体的选择强度,种群中每个个体的适应度值根据它在排序种群中的位置Pos计算出:
FitnV(Pos)=2-MAX+2×(MAX-1)(Pos-1)/(N-1) (3)
其中,向量Fitnt是没有排序的,反映原始输入向量ObjV(初始种群的目标函数值)的顺序。由上一节可知,最适应个体的选择强度为2,即MAX=2。因此,得到
FitnV(Pos)=2×(Pos-1)/(N-1) (4)
上述的适应度函数的优点是限制再生范围,以使个体不产生极端的后代,防止过早收敛。
2.4 遗传操作设计
遗传操作是模拟生物基因遗传的操作,在遗传算法中,通过编码组成初始群体后,遗传操作的任务就是对群体的个体,按照它们对环境适应的程度施加一定的操作,从而实现优胜劣汰的进化过程。从优化搜索而言,遗传操作可使问题的解,一代又一代的优化,并逼近最优解[2]。
遗传算子的设计,即确定出选择运算、交叉运算、变异运算遗传算子的具体操作方法。
这三个算子的具体操作如下:
(1) 选择操作设计
选择操作是遗传算法中环境对个体适应性的评价方式,也是实现群体优良基因传播的基本方式。从模拟生物学进化过程来讲,选择算子保证了遗传算法迭代中的“适者生存”的群体进化现象,体现了群体中个体求问的意向,在很大程度上决定了遗传算法收敛的效果和速度。选择算子在遗传算法中通常表现为优良个体在下一代群体中具有较强的繁殖能力,而劣质个体则逐渐被淘汰,群体的整体品质得以提高。因此,选择方法的确定也是很重要的。
本文采用排序法确定个体的选择概率,再通过轮盘赌选择算子进行选择。排序法忽略实际染色体的适应值,用染色体的顺序来换算出相应的生存概率,换算原则为大适应值对应于高选择概率,小适应值对应于低选择概率。排序法的最大优点是保证大适应值染色体获得高选择概率,同时阻止某些超级染色体过快地控制遗传过程。具体操作过程如下:
1) 对于给定的规模为N的群体P根据个体适应值降序排列,即使得P={a1,a2,…,aN}中的FitnV(a1)≥FitnV(a2)≥…≥FitnV(aN)。
2) 假设当前群体最佳个体a1在选择操作后的期望数量为η1,即η1=N×P1,最差个体aN在选择操作后的期望数量为ηN,即ηN=N×PN,其他个体的期望数量按等差序列计算:
ηj=η1-(j-1)×Δη=η1-(j-1)×(η1-ηN) (5)
式中:j=1,2,…,N。
3) 按照下式确定选择概率:
ps(aj)=(η1-(j-1)×(η1-ηN)/(N-1))/N (6)
由优化方案可知,η1=2,ηN=0,此时,每个个体的选择概率为:
ps(aj)=2×(1-(j-1) /(N-1))/N (7)
4) 计算每个个体ak的累计概率Qk:
式中:k=1,2,…,N—染色体的适应值在种群中由大到小排列的序号。
5) 在[0,1]之间生成随机序列r(N),当随机序列中的元素ri和累计概率Qk满足如下关系:
Qk-1≤ri≤Qk (9)
则选择第k个个体。
(2) 交叉操作设计
遗传算法交叉算子是模仿自然界有性繁殖的基因重组过程,在该过程中群体的个体品质得以提高。直观来讲,选择算子将原有的优良基因遗传给下一代个体,而交叉算子则可以生成包含更多优良基因的新个体。
本文采用中间重组的交叉方法。其思路是:
1) 通过前面的选择算子得到复制组,使其交配的对呈有序的排列,奇行与它下一个偶行配对。如果总的配对染色体个数是奇数时,最后一个奇数行不参与交配,直接加到新的复制组末尾。
2) 随机生成2行L列的中间比率因子表Alpha,其每个值的区间为[-0.25,1.25],根据Alpha表,生成新的一对子染色体offspring,公式如下[4]:
offspring=parent1+Alpha(parent2-parent1) (10)
式中,parent1和parent2为参与交叉的父个体。
3) 若配对完成,则结束;否则转到第2)步,直到完成所有操作
(3) 变异操作设计
完成交叉后,执行的是变异操作。变异是遗传算法的重要操作之一,变异的作用是按照一定概率随机的改变染色体的基因值。变异有两个目的:一是使遗传算法具有局部的随机搜索能力,在接近最优解的邻域时加速向最优解收敛,此时变异概率pm应取较小值,但过小的pm,会使进化因得不到足够的变异而停滞;二是维持种群多样性,防止出现不成熟收敛(premature convergence),此时pm应取较大值,但过大的pm易破坏种群中较优的串。对遗传算法改进最多的部分就要数变异算子了。本文采用自适应变异概率的变异操作,其调整算法为:
pm=km1-(km1-km2)×(f-f)fmax-ff≥f
km1f<f (11)
式中,f为变异的个体的适应值;fmax为当前群体中个体最大适应值;
变异算法采用遗传算法育种器的变异算子,其描述如下[5]:
1) 根据变异概率产生一中间任务表MutMX,决定变异的变量,并为加入的delta所标识。其中delta为:
式中,m—控制变异算子的精度常数,在此选为20;ai—当在范围为[0,1]之间生成一随机数,若小于1/m时为1,若大于或等于1/m时为0。
2) 一个变量变异后的值由下式计算得到
mutatedvariable=variable+MutMx×range×MutOpt2×delta (13)
式中,range=0.5×变量的范围;MutOpt2—压缩变异的范围,是[0,1]间的一个量,在此选为1。
3 算法实例分析
电火花加工的加工机理非常复杂,对于碳保护层生成影响因素较多也较复杂,属于一种非线性问题,很难用精确的数学模型来完整的表达。针对这种非线性问题,很适合于用神经网络建立此模型。在此,通过电火花加工碳保护层的实验得到数据样本,利用前面提出的改进遗传算法的神经网络优化设计建立碳保护层预测模型。其最优解变化曲线如图2所示,通过解码后得出的网络结构是4-7-1,隐含层的传递函数为tansig,输出层的传递函数为purelin。
BP网络训练过程如图3所示,从图中可以看出网络训练过程非常稳定,均方误差迅速、均匀的变化,在训练过程中没有出现局部最小等不稳定因素。若直接根据经验进行神经网络构建,隐含层和输出层的传递函数均为tansig,隐节点个数选为10,初始权值为默认值,训练函数为traingdx,网络在30000步仍无法收敛到所要求的精度。由此可以看出,改进后的算法能找到全局最优解,收敛速度快的优势。
建立的优化算法训练样本不是拟合所有的样本数据,而是建立预测模型。因此网络的性能主要是用泛化能力来衡量。因此,采用几组独立的加工参数进行测试与检验,通过比较预测结果与实验结果的精确程度来验证模型的正确性。实验加工参数及最后得到的比较结果见表2所示。
4 总 结
本文设计了一种实用的遗传算法实数编码方案,并对标准遗传算子的调整策略做了改进,提高了遗传算法的收敛速度,又预防早熟收敛,再用此改进后的遗传算法对前馈神经网络的结构和权值调整进行自动优化设计。通过实验表明,此种优化设计方法将遗传算法的全局寻优能力与前馈神经网络的指导性搜索结合起来,避免了前馈神经网络陷入局部最小点、收敛速度慢的问题,又能克服遗传算法以类似穷举的形式寻找最优解而引起的搜索时间长、速度慢的缺点,可以实现根据样本自动优化设计多层前馈神经网络的目的。
参考文献
[1]飞思科技产品研发中心.神经网络理论MATLAB7实现[M].北京:电子工业出版社,2006.
[2]雷英杰,张善文,李续武,等.MATLAB遗传算法工具箱及应用[M].西安:西安电子科技大学出版社,2004.
[3]马祥森.基于神经网络的结构破损诊断[D].南京:南京航空航天大学,2004.
[4]Behrouz Minaei-Bidgoli,Gerd Kortemeyer,William F Punch.Mining Fea-ture Importance:Applying Evolutionary Algorithms within a Web-basedEducational System[C]//International Conference on Cybernetics and In-formation Technologies,Systems and Applications:CITSA2004,Orlando,Florida,July2004.
优化和改进设计 篇11
关键词：牛头刨床,六杆机构,优化,改进
多系统结构是物体通过运动相互连接而形成的一个复杂的机械系统, 在刨床机械的加工和使用过程中, 多系统动力学被广泛的应用。多系统动力学在经典力学的基础上进行创新合法鏖战, 形成了新的力学结构。以多系统力学作为研究的理论支撑, 探讨牛头刨床六杆机构的优化和改进。
1 牛头刨床六杆机构建模及求解
计算多体系统动力学分析的整个流程, 主要包括建模和求解两个阶段。建模分为物理建模和数学建模, 物理建模是指由几何模型建立刻画系统本构关系的物理模型, 数学建模是指从物理模型生成模型的数学表达式。几何模型可由动力学分析系统几何造型模块所构造, 或者从通用几何造型软件导入。由物理模型, 采用笛卡尔坐标或拉格朗日坐标建模方法, 应用自动建模技术组装系统运动方程中的各系数矩阵, 得到系统数学模型。对系统数学模型, 根据情况运用求解器中的运动学、运力学、静平衡或逆向动力学分析算法, 迭代求解, 得到所需的分析结果。结合设计目标, 对求解结果再进行分析, 从而反馈到物理建模过程, 或者几何建模的选择, 如此反复, 直到得到最优的设计结果。牛头刨床实现刨头切削运动的六杆机构是一个关键机构。
六杆机构 (见图1) 由摆动导杆机构1-2-3-4构成, 由曲柄1作为原动件做圆周运动, 带动六杆机构运动。刨头右行时, 刨刀进行切削, 称工作行程;此时要求刨头的速度较低且平稳。以减小原动机的容量和提高切削质量。刨头左行时, 刨刀不工作。称空行程, 此时要求刨头的速度较高以提高生产率。另外, 从改善传力性能和提高机械效率方面考虑, 要求机构工作时的最大压力角αmax尽可能小。按照传统的设计方法, 选定较大的导杆摆角就可以得到较大的急回运动;选定合适的刨头导路位置就可以满足αmax变小的要求;但是, 如何实现刨头在切削行程中速度平稳, 难以凭经验确定。而且, 机构的几何参数对切削行程刨头速度的平稳性的影响, 也难以直接判断。对上述六杆机构的设计进行了研究, 运用基于ADAMS的设计方法和优化设计, 按照刨头实际切削速度与理想切削速度的偏差达最小值建立了优化设计数学模型, 通过ADAMS仿真及优化, 为提高牛头刨床的工作质量提供了新的设计思路和方法。
如图1所示, 已知曲柄1做匀速圆周运动, 转速为60r/min, LAC=380mm, LAB=110mm, LCD=540mm, LDE=0.25LCD, 刨头行程为240mm, C点到工作平台的垂直距离为490mm。按照所给尺寸选择设计点。设E点在最左端的时刻时, 整个机构所处的位置为最初位置。根据题设, 可求出设计点的坐标, 各设计点坐标如表1所示。
假设曲柄AB、导杆CD、连杆DE的半径为5, 处在B点的滑块半径为10。机构建模如图2。
2 机构分析的优化和改进
利用设计点对加速度进行优化ADAMS软件调用的动力学方程的基本形式如下。用系统广义坐标矢量表示的运动学约束方程组为
由于系统要有确定的运动, 即实际自由度为零, 给系统施加等于自由度 (nc-nh) 的驱动约束:
由式 (1) 和 (2) 统一表示的约束方程为
对 (3) 求导, 得速度约束方程
对此式再求导, 得到加速度约束方程
式中, 矩阵Φq为雅可比矩阵。如果系统的自由度为零, 则机构不能进行运动学仿真, 但能进行动力学仿真。对于牛头刨床的刨削加工来说, 当刨头的速度为匀速时, 其加工质量最好。而加速度的大小是反映速度的波动范围大小的最好依据。所以, 减小加速度的最大值, 有利于减小速度的波动。
参数化的模型可以使用户方便地修改而不用考虑模型内部之间的关联, 优化后, ADAMS将自动在模型中改动为优化后的结果。DOE考虑在多个设计变量同时发生变化时, 各设计变量对样机性能的影响, 是解决实例的最佳方法。
DOE一般有以下5个基本步骤组成:a.确定试验目的。b.为系统选择拟考察的因素集, 并设计某种方法来测量系统的响应。c.确定每个因素的值, 在试验中变化因素来考察对试验的影响。d.进行试验, 并将每次运行的系统性能记录下来。e.分析在总的性能改变时, 哪些因素对系统的影响最大。对牛头刨床六杆机构进行加速度优化。先把所有设计点进行参数化, 来确定对系统影响最大的几个设计点。
结束语
在能够实现运动往复的大型机械结构中, 往往能够实现往复运动的过程都由于其机械构件的巨大平稳性而对机械本身产生影响。以牛头刨床六杆机构作为研究对象, 对往复构件的工作速度的平稳性进行了简单的分析, 并且对其进行了优化, 使其能够更加符合实际生产和操作中对机构的要求, 不仅提高了机械的使用效率, 也减少了大量不必要的成本, 本次研究也为其他往复运动机械的优化提供了可参考的理论和设计思路。
参考文献
[1]王正山.牛头刨床的平面六杆机构运动分析[J].科技信息 (科学教研) , 2006 (S5) .
[2]张晓勇, 张莹.牛头刨床急回机构运动仿真系统的运动建模[J].机械制造与自动化, 2008, (6) .
【优化和改进设计】推荐阅读：
基于改进粒子群算法的盘式制动器优化设计07-21
改进优化07-31
工艺优化改进07-11
优化改进方法09-20
系统优化改进方案08-27
改进差异优化算法05-28
改进PSO优化06-20
优化改进方案论文08-22
改进多粒子群优化算法06-23
从水土保持角度优化和控制水电工程设计09-25