智能算法在齿轮传动优化设计的应用.pdf

文章编号：1001—9944(2006)06．0001—03

智能算法在齿轮传动优化设计的应用

宋崇智．谢能刚
(安徽工业大学机械工程学院。马鞍山243002)

摘要：以齿轮优化设计为例，分别得出用传统机械设计优化方法和用遗传算法与神经网络
协同求解的结果，并进行了比较，体现了遗传算法与神经网络协同求解的特点。结果表明．
该方法是非常有效的，在求解优化设计时取得了较为满意的结果。
关键词：遗传算法：神经网络：优化设计
中图分类号：TP183文献标志码：B

ApplicationtoGear’SOptimalDesignwithIntelligenceComputingMethod

SONGChong—zhi，XIENeng—gang

(MechatronicsEngineeringInstitution，AnhuiUniversityofTechnology，Ma’anshan243002，China)
Abstract：Theresultsofapplyingthetraditionalandthegeneticalgorithm8——neumlnetworks，mechanicoptimum

designmethodsareobtainedbasedontheoptimumdesignofthegear．Andthenthetworesultsarecompared，the

characteristicsofgeneticalgorithms——neumlnetworksisembodied．Theresultshowsthatthegeneticalgo·

rithms_——一neumlnetworksisanefectivemethod．

Keywords：geneticalgorithm；neuralnetworkoptimaldesign

遗传算法是基于生物进化的思想，将优化计算地互相连接而形成的复杂网络系统，它反映了人脑
中的迭代过程模拟成物种进化的过程]。因为其解功能的许多基本特性。是一个高度复杂的非线性动
的多样性和计算的并行性，较好地解决了传统算法力学系统。神经网络的应用研究，是近年来在神经网
易于陷入局部最优的问题。这种算法的另一个显著络研究中成果最多、最为引人注目的领域。神经网络
特点就是对于所解的优化问题没有太多的数学要最初应用于模式识别。现在已经扩展到控制、预测、
求，可以处理任意形式的目标函数和约束，所以这种组合优化等方面。近年来，在图像、语音、文字识别，
算法一经产生就得到了人们的广泛关注。目前已被天气预报，经济预测，管理决策，自动控制等领域都
成功地应用于多种领域的研究之中。神经网络有大量关于神经网络成功应用的报导。
(neuralnetworks，NN)，或称人工神经网络是由大量齿轮传动II优化设计中．设计变量不仅包含连
的、同时也是很简单的处理单元(或称神经元)广泛续变量。而且包含离散变量。处理含有连续／离散混

收稿日期：2006—03—28：修订日期：2006—08—21
基金项目：安徽省教育厅自然科学重点资助项目(2006K,1001A)
作者简介：宋崇智(1979一)，男，硕士，讲师，主要研究方向为智能算法及其应用、敏捷供应链设计与应用；1三璐(1976一)，男
硕士，讲师，主要研究方向为人工智能。
自动{艺s仪裹2006(6)■

合变量优化问题的一种常用方法是：首先暂时将所为节点域系数；
有的设计变量统一看作是连续变量。采用传统优化为重合度系数；
算法求得圆优设计点，然后再对离散设计变量圆整为螺旋角系数；
到许用离散值。由于通常采用基于梯度的优化算法，l，为齿型系数；
故一般只能得到局部最优解，而圆整后设计点有可为应力修正系数；
能跑到可行域之外。遗传算法良好特性使它在含连王，为弯曲疲劳应力中的重合度系数；
续及离散变量的优化设计领域显示出良好的应用前为弯曲疲劳应力中的螺旋角系数。
景。其主要优点是具有很强的通用优化能力，不需梯
度信息，不需函数连续。优化结果具有全局性。遗传2斜齿圆柱齿轮传动优化模型的GA算法
算法的处理对象不是设计变量的本身，而是设计变由于遗传算法同时搜索解空间中的一群点，并
量的编码。因此，用遗传算法来统一解决连续倩散构成不断进化的群体序列，因而具有较大的可能性
变量的优化问题是很有潜力的。本文主要探讨用遗求得全局最优解。标准遗传算法实施步骤包括编码、
传算法与神经网络协同在含连续离散设计变量的齿初始群体生成、适应度评估和检测、选择、交叉和变
轮传动优化的应用。异。下面具体论述设计步骤的关键环节。
2．1编码
1斜齿圆柱齿轮的数学模型对于模数，在约束条件1～5范围内，第一系列标
以V()为最小设目标函数，设计变