优化设计的基本概念.pptVIP

约束函数有的可以表示成显式形式，即反映设计变量之间明显的函数关系，有的只能表示成隐式形式,如例中的复杂结构的性能约束函数（变形、应力、频率等），需要通过有限元等方法计算求得。显式约束隐式约束性能约束——针对性能要求而提出的限制条件称作性能约束。例如，选择某些结构必须满足受力的强度、刚度或稳定性等要求；边界约束——只是对设计变量的取值范围加以限制的约束称作边界约束。例如，允许机床主轴选择的尺寸范围，对轴段长度的限定范围就属于边界约束。根据约束的性质可以把它们区分成：图1-2设计空间中的约束面（或约束线）(a)二变量设计空间中的约束线(b)三变量设计空间中的约束面如图1-3上画出了满足两项约束条件g1（X）=x12＋x22—16≤O和g2（X）＝2—X2≤0的二维设计问题的可行域D，它位于X2=2的上面和圆x12＋x22=16的圆弧ABC下面并包括线段AC和圆弧ABC在内。图1-3约束条件规定的可行域D可行域:在设计空间中，满足所有约束条件的所构成的空间。3.目标函数在优化过程中，通过设计变量的不断向F(X)值改善的方向自动调整，最后求得F(X)值最好或最满意的X值。在构造目标函数时，应注意目标函数必须包含全部设计变量，所有的设计变量必须包含在约束函数中。在机械设计中，可作为参考目标函数的有：体积最小、重量最轻、效率最高、承载能力最大、结构运动精度最高、振幅或噪声最小、成本最低、耗能最小、动负荷最小等等。?为了对设计进行定量评价，必须构造包含设计变量的评价函数，它是优化的目标，称为目标函数，以F(X)表示。在实际工程设计问题中，常常会遇到在多目标函数的某些目标之间存在矛盾的情况，这就要求设计者正确处理各目标函数之间的关系。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。在一般的机械最优化设计中，多目标函数的情况较多。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。010201目标函数是n维变量的函数，它的函数图像只能在n+1维空间中描述出来。为了在n维设计空间中反映目标函数的变化情况，常采用目标函数等值面的方法。目标函数的等值面（线）数学表达式为：c为一系列常数，代表一族n维超曲面。如在二维设计空间中，F(x1,x2)=c代表x-x设计平面上的一族曲线。对于具有相等目标函数值的设计点构成的平面曲线或曲面称为等值线或等值面。目标函数等值（线）面图1-4表示目标函数f（X）与两个设计变量x1，x2阶所构成的关系曲面上的等值线，它是由许多具有相等目标函数值的设计点所构成的平面曲线。当给目标函数以不同值时，可得到一系列的等值线，它们构成目标函数的等值线族。在极值处目标函数的等值线聚成一点，并位于等值线族的中心。当目标函数值的变化范围一定时，等值线愈稀疏说明目标函数值的变化愈平缓。利用等值线的概念可用几何图象形象地表现出目标函数的变化规律。图1-4等值线从等值线上，可以清除地看到函数值的变化情况。其中F=40的等值线就是使F(x1,x2)=40的各点[x1,x2]T所组成的连线。如图函数的等值线图。图1-5等值线单击此处添加大标题内容单击此处添加正文，文字是您思想的提炼，为了演示发布的良好效果，请言简意赅地阐述您的观点。您的内容已经简明扼要，字字珠玑，但信息却千丝万缕、错综复杂，需要用更多的文字来表述；但请您尽可能提炼思想的精髓，否则容易造成观者的阅读压力，适得其反。正如我们都希望改变世界，希望给别人带去光明，但更多时候我们只需要播下一颗种子，自然有微风吹拂，雨露滋养。恰如其分地表达观点，往往事半功倍。当您的内容到达这个限度时，或许已经不纯粹作用于演示，极大可能运用于阅读领域；无论是传播观点、知识分享还是汇报工作，内容的详尽固然重要，但请一定注意信息框架的清晰，这样才能使内容层次分明，页面简洁易读。如果您的内容确实非常重要又难以精简，也请使用分段处理，对内容进行简单的梳理和提炼，这样会使逻辑框架相对清晰。为了能让您有更直观的字数感受，并进一步方便使用，我们设置了文本的最大限度，当您输入的文字到这里时，已濒临页面容纳内容的上限，若还有更多内容，请酌情缩小字号，但我们不建议您的文本字号小于14磅，请您务必注意。满足约束条件：求设计变量向量使目标函数4.优化设计问题一般数学形式：对于复杂的问题，要建立能反映客观工程实际的、完善的数学模型往往会遇到很多困难，有时甚至比求解更为复杂。这时要抓住关键因素，适当忽略不重要的成分，使问题合理简化，以易于列出数学模型，这