土壓平衡盾構(gòu)行星減速器的多目標(biāo)穩(wěn)健優(yōu)化.pdf

1、從土壓平衡盾構(gòu)(Earth-pressure-balance shield machine，EPBSM)刀盤所需力矩著手，探討其大功率行星減速器(Planetary gear reducer，PGR)的載荷均衡與分配，從而為行星減速器的優(yōu)化界定“土壓平衡盾構(gòu)”環(huán)境。同時，在行星減速器的4大構(gòu)件(輪系、軸、行星架及箱體)中，因輪系是個全局性的“統(tǒng)帥”，故可采取對各構(gòu)件分別加以優(yōu)化的方式來實現(xiàn)整機的最優(yōu)化。為此，就可遵照穩(wěn)健設(shè)計的要求，分別

2、建立其多目標(biāo)的數(shù)力模型，從當(dāng)今頗受關(guān)注的計算智能(Computationalintelligence，CI)中挑選出一種或幾種算法并加以改進，使之成為或再融合成一種收斂性更好的新算法之后，再用來求解所建模型。最后，對優(yōu)化后的行星減速器作仿真試驗。其具體的原因、方法、原理及效果依次如下：
　　 為克服灰色理論本身的固有缺陷與粒子群優(yōu)化(Particle swarm optimization，PSO)算法在求解整數(shù)或混合整數(shù)規(guī)劃過程

3、中出現(xiàn)的問題，將方差的概念引入灰色關(guān)聯(lián)度，提出可靠灰色關(guān)聯(lián)度的概念及計算公式，并通過圓整粒子的初始位置與每次飛行速度，以使PSO算法滿足求解過程中對整數(shù)解的要求。然后，將可靠灰色關(guān)聯(lián)度作為變異策略來駕馭PSO算法，并詳盡闡述其算法機理與流程，從而為復(fù)雜非線性約束條件下求解多目標(biāo)混合整數(shù)規(guī)劃問題提供一套切實可行的便捷方法。建立盾構(gòu)三級行星減速器的輪系在滿足配齒、變位系數(shù)、干涉、強度、等強度、等壽命等約束條件下其體積最小、效率最高、接觸強度

4、與彎曲強度可靠性最高的四目標(biāo)函數(shù)的數(shù)力模型，再運用上述可靠灰色PSO算法編寫MATLAB程序來求解所建數(shù)力模型。研究表明：1)與懲罰函數(shù)法(Penalty function method，PFM)相比(見P29-31)，所提算法有更快的收斂速度；2)該算法的泛化能力不但解決了該行星減速器原第三級強度偏弱的問題，而且在保證高可靠性條件下，使輪系體積減少11.55％，效率提高0.56％，傳動比提高3.67％，各級強度與壽命基本相等。

5、　　 鑒于現(xiàn)有免疫遺傳算法(Immune genetic algorithm，IGA)其收斂性不理想的問題，剖析其理論體系本身存在的6大不足，并提出6條全新的策略，以加快算法的收斂。同時，闡明實碼抗體與變量向量之間的關(guān)系，用圖形直觀描述復(fù)雜的算法機理，以便于對IGA的理解與實際操作；將可靠性分析的隨機攝動法與其靈敏度分析結(jié)合起來，導(dǎo)出隨機參數(shù)的概率分布為任意形狀的機械零件計算其可靠度及靈敏度的函數(shù)表達式，由此創(chuàng)建行星減速器其軸的可靠度

6、對設(shè)計變量的靈敏度最低與體積最小的兩目標(biāo)數(shù)力模型；提出實現(xiàn)目標(biāo)函數(shù)值之間保持動態(tài)平衡的全新模型，順利實現(xiàn)上述兩目標(biāo)函數(shù)與像集法的對接；最后，編寫所改進IGA的MATLAB程序?qū)υ摐p速器的軸進行優(yōu)化。結(jié)果表明：該算法的魯棒性不僅使行星減速器軸的總體積減小13.65％，與改進前相比，所提IGA有更快的收斂速度與更高的收斂精度(見P50-51)。
　　 為解答實際工程中變量相關(guān)情況下的高維小概率失效問題，將子集模擬、Monte Car

7、lo法與重要抽樣法結(jié)合起來，根據(jù)重要抽樣的概率密度函數(shù)獲取的相關(guān)變量的樣本點來構(gòu)造中間失效事件，從而將小失效概率轉(zhuǎn)化為一條由一系列易于求解的較大條件失效概率的連乘積組成的雜交馬爾可夫鏈，并直接抽取相關(guān)樣本點來高效模擬結(jié)構(gòu)的可靠性靈敏度。由此創(chuàng)建盾構(gòu)行星減速器的三個行星架其失效概率對各變量均值、方差(包括相關(guān)系數(shù))的可靠性靈敏度最低及體積最小的多目標(biāo)優(yōu)化問題，并提出多目標(biāo)協(xié)同優(yōu)化的思想。同時，針對可靠性靈敏度作為目標(biāo)函數(shù)因誤差導(dǎo)致多目標(biāo)協(xié)

8、同優(yōu)化難以收斂的問題，提出利用誤差的思想與方法；為加速遺傳算法(Genetic algorithm，GA)與PSO算法的收斂，提出克隆與進化同時并舉的精英策略及在相似個體之間進行交配的思想，并用此GA得到的優(yōu)秀個體與PSO算法雜交，以實現(xiàn)種群續(xù)代更新的同時，進一步提高算法的收斂性；最后，運用上述算法對所建數(shù)力模型進行求解，結(jié)果表明：1)所提直接抽取相關(guān)樣本的HMC能很好地模擬相關(guān)變量的可靠性及其靈敏度，免除了變量獨立化過程反復(fù)轉(zhuǎn)換的繁瑣

9、；2)所提雜交GA-PSO協(xié)同算法較GA與PSO算法有更快的收斂速度(見P79-81)，當(dāng)相關(guān)系數(shù)為0.7時，可使三個行星架的總體積減小7.06％；3)證實了將可靠性靈敏度作為目標(biāo)函數(shù)時所提利用誤差的思想與方法的可行性與正確性。
　　 為解決非正態(tài)變量空間中復(fù)雜多變的隱式非線性功能函數(shù)的可靠性及靈敏度的問題，融合鞍點估計與線抽樣法的優(yōu)點，結(jié)合二分法的特點與黃金分割法的求解效率，提出基于黃金分割二分法的鞍點線抽樣法，即可在標(biāo)準(zhǔn)化變

10、量空間中沿重要線抽樣方向利用黃金分割點的二分法快速找到各樣本點對應(yīng)于功能函數(shù)的零點，從而將結(jié)構(gòu)的失效概率轉(zhuǎn)化為一系列線性功能函數(shù)失效概率的平均值，由此求出可靠性靈敏度，從而導(dǎo)出行星減速器的三級箱體其失效概率對基本變量均值與方差的可靠性靈敏度及結(jié)構(gòu)輕量化的多目標(biāo)優(yōu)化問題；為提高算法的收斂性，對PSO算法與混合蛙跳算法(Shuffled flog-leaping algorithm，SFLA)進行改進，使前者變?yōu)樽赃m應(yīng)PSO(Self-ad

11、aptive PSO，SAPSO)算法后再與改進后的SFLA進行雜交，從而導(dǎo)致了雜交SAPSO-SFIA的產(chǎn)生，然后用來求解上述多目標(biāo)問題。研究表明：1)基于黃金分割二分法的鞍點線抽樣法在求解復(fù)雜非線性功能函數(shù)的可靠性及靈敏度時精度高，速度快；2)與SAPSO和SFLA相比，所提雜交SAPSO-SFLA不僅具有更快的收斂速度(見P106-108)，其魯棒性還能使該三級箱體體積減小8.42％。
　　 從行星減速器4大構(gòu)件的優(yōu)化可得