优化设计数学模型

2020/2/61第一章优化设计的数学模型2020/2/62第一章优化设计的数学模型对任何一位设计者来说，总愿意作出最优设计方案，使所设计的产品或工程设施有最好的使用性能和最低的材料消耗与制造成本，以便获得最佳的经济效益和社会效益。为此，自古以来，慎重的工程设计人员常常提供几种候选设计方案，再从中择其“最优”者。2020/2/63常规设计与优化设计的区别常规设计的特点由于设计时间和经费的限制，使所设计的候选方案的数目受到很大限制。因此用常规的设计方法进行工程设计，特别是当影响设计的因素很多时，只能得到有限候选方案中的最好方案、不可能得到一切可能方案的“最优设计方案”。2020/2/64常规设计与优化设计的区别优化设计的特点“最优化设计”是在现代计算机广泛应用的基础上发展起来的一项新技术。是根据最优化原理和方法综合各方面的因素，以人机配合方式或“自动探索”方式，在计算机上进行的半自动或自动设计,可以选出在现有工程条件下的最佳设计方案的一种现代设计方法。其设计原则是最优设计；设计手段是电子计算机及计算程序；设计方法是采用最优化数学方法。实践证明，最优化设计是保证产品具有优良的性能，减轻自重或体积，降低工程造价的一种有效设计方法。同时也可使设计者从大量繁琐和重复的计算工作中解脱出来，使之有更多的精力从事创造性的设计，并大大提高设计效率。2020/2/65优化设计的发展50年代以前，用于解决最优化问题的数学方法仅限于古典的微分法和变分法。50年代末数学规划方法被首次用于结构最优化，并成为优化设计中求优方法的理论基础。数学规划方法是在第二次世界大战期间发展起来的一个新的数学分支，线性规划与非线性规划是其主要内容。此外，还有动态规划、几何规划和随机规划等。在数学规划方法的基础上发展起来的最优化设计，是60年代初电子计算机引入结构设计领域后逐步形成的一种有效的设计方法。利用这种方法，不仅使设计周期大大缩短，计算精度显著提高，而且可以解决传统设计方法所不能解决的比较复杂的最优化设计问题。大型电子计算机的出现，使最优化方法及其理论蓬勃发展，成为应用数学中的一个重要分支，并在许多科学技术领域中得到应用。2020/2/66优化设计的应用领域近十几年来，最优化设计方法已陆续用到建筑结构、化工、冶金、铁路、航天航空、造船、机床、汽车、自动控制系统、电力系统以及电机、电器等工程设计领域，并取得了显著效果。其中在机械设计方面的应用虽尚处于早期阶段，但也已经取得了丰硕的成果。2020/2/67最优化设计工作包括以下两部分内容：(1)将设计问题的物理模型转变为数学模型。建立数学模型时要选取设计变量，列出目标函数，给出约束条件。目标函数是设计问题所要求的最优指标与设计变量之间的函数关系式。(2)采用适当的最优化方法，求解数学模型。可归结为在给定的条件(例如约束条件)下求目标函数的极值或最优值问题。2020/2/68机械最优化设计就是在给定的载荷或环境条件下，在对机械产品的性态、几何尺寸关系或其它因素的限制(约束)范围内，选取设计变量，建立目标函数并使其获得最优值的一种新的设计方法。设计变量、目标函数和约束条件这三者在设计空间(以设计变量为坐标轴组成的实空间)的几何表示中构成设计问题。2020/2/691-1优化设计实例例1-1一块边长为6m的正方形铝板，四角各裁去一个小的方块，做成一个无盖的盒子。试确定裁去的四个小方块的边长，以使做成的盒子具有最大的容积。设裁去的四个小方块的边长为;则盒子的容积可表示成的函数：上述问题可描述为：求变量使函数极大化x2)26()(xxxfx2)26()(xxxf2020/2/6101-1优化设计实例例1-2某工厂生产甲乙两种产品，生产每种产品所需的材料、工时、电力和可获得的利润，以及能够提供的材料、工时和电力见表1-1，试确定两种产品每天的产量，以使每天可能获得的利润最大。产品材料/kg工时/h电力/（kW*h）利润/元甲93460乙4105120供应量360300200表1-1生产条件与供给数据2020/2/611设每天生产甲产品件，乙产品件每天可获得的利润可用函数表示每天消耗的材料可用函数表示，每天消耗的工时可用函数表示，每天消耗的电力可用函数表示，1x2x212112060),(xxxxf2121149),(xxxxg21212103),(xxxxg2121354),(xxxxg1-1优化设计实例2020/2/61221,xx212112060),(xxxxf36049),(21211xxxxg300103),(21212xxxxg20054),(21213xxxxg0),(1214xxxg0),(2215xxxg1-1优化设计实例上述生产计划问题可归结为：求变量使函数满足条件这就是该问题的数学模型。最大化2020/2/613其中：代表设计目标，称为目标函数代表5个已知的生产指标，称为约束函数5个不等式代表5个生产条件，称为约束条件),(21xxf),(21xxgi1-1优化设计实例由于目标函数和所有的约束函数均是设计变量的线性函数，故此问题属线性约束优化问题，显然这样的问题无法直接使用极值条件求解。2020/2/6141-1优化设计实例例1-3一种承受扭转的空心传动轴，已知传递的扭矩为T，试确定此传动轴的内、外径，以使其用料最少。空心传动轴的截面积：扭转强度条件：扭转刚度条件：)(422dDs][)(1644maxdDDT][)(3244dDGT2020/2/6151-1优化设计实例分别用代表外径和内径，则上述设计问题可以归结为如下数学模型：求设计变量使函数极小化满足条件这是一个含有4个约束条件的二元非线性约束优化问题，同样无法直接用极值条件求解。21,xxDd21,xx)(4),(222121xxxxf0][16),(42411211xxxTxxg0][132),(4241212xxGTxxg0),(1213xxxg0),(2214xxxg2020/2/6161-2设计变量与设计空间在设计过程中进行选择并最终必须确定的各项独立参数，称为设计变量。在选择过程中它们是变量，但这些变量一旦确定以后，则设计对象也就完全确定。最优化设计是研究怎样合理地优选这些设计变量值的一种现代设计方法。在机械设计中常用的独立参数有结构的总体布置尺寸，元件的几何尺寸和材料的力学和物理特性等等。在这些参数中，凡是可以根据设计要求事先给定的，则不是设计变量，而称为设计常量。只有那些需要在设计过程中优选的参数，才可看成是最优化设计中的设计变量。2020/2/6171-2设计变量与设计空间设计变量的数目称为最优化设计的维数，如有n(n＝1，2，…)个设计变量，则称为n维设计问题。只有两个设计变量的二维设计问题可用图1-1(a)所示的平面直角坐标表示；有三个设计变量的三维设计问题可用图1-1(b)所表示的空间直角坐标表示。1x2xoTxxX],[211x2x3xoTxxxX],,[3212020/2/6181-2设计变量与设计空间在一般情况下，若有n个设计变量，把第i个设计变量记为xi。则其全部设计变量可用n维向量的形式表示成：TnnxxxxxxX,,,2121这种以n个独立变量为坐标轴组成的n维向量空间是一个n维实空间，用Rn表示，如果其中任意两向量又有内积运算，则称n维欧氏空间，用En表示。当向量X中的各个分量xi，(i＝1，2，…，n)都是实变量时则称X决定了n维欧氏空间En中的一个点，并用符号X∈En(X属于En)表示。2020/2/6191-2设计变量与设计空间在最优化设计中由各设计变量的坐标轴所描述的这种空间就是所谓“设计空间”，它是一个重要概念。1x2x3x)1(X)2(X)2()1(XXo2020/2/6201-3目标函数在设计中，设计者总是希望所设计的产品或工程设施具有最好的使用性能(性能指标)、最小的质量或最紧凑的体积(结构指标)和最小的制造成本及最大的经济效益(经济指标)。在最优化设计中，可将所追求的设计目标(最优指标)用设计变量的函数形式表达出来，这一过程称为建立目标函数。即目标函数是设计中预期要达到的目标，表达为各设计变量的函数表达式：),,,()(21nxxxfXf目标函数是设计变量的标量函数。最优化设计的过程就是优选设计变量使目标函数达到最优值，或找出目标函数的最小值(或最大值)的过程。2020/2/6211-3目标函数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，如式(1—3)所示。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。),,,()(),,,()(),,,()(21212211nqnnxxxfXfxxxfXfxxxfXf2020/2/6221-3目标函数目标函数与设计变量之间的关系，可用曲线或曲面表示图1—4表示目标函数f(X)与两个设计变量x1和x2所构成的关系曲面上的等值线(亦称等高线)，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。2020/2/6231-4约束条件在最优化设计中，对设计变量取值时的限制条件，称为约束条件或设计约束，简称约束。约束的形式，可能是对某个或某组设计变量的直接限制(例如，若应力为设计变量，则应力值应不大于其许用值，构成直接限制)，这时称为显约束；也可能是对某个或某组设计变量的间接限制(例如，若结构应力又是某些设计变量如力和截面积的函数时，则这些设计变量间接地受到许用应力的限制)，这时称为隐约束。约束条件可以用数学等式或不等式来表示。边界约束和性能约束2020/2/6241-4约束条件等式约束对设计变量的约束严格，起着降低设计自由度的作用，其形式为0),,,()(21nvvxxxhXh在机械最优化设计中不等式约束更为普遍，不等式约束的形式为0),,,()(,0),,,()(2121nuunuuxxxgXgxxxgXg或2020/2/6251-4约束条件对于等式约束来说，设计变量x所代表的设计点必须在式(1-9)所表示的面(或线)上．这种约束又称为起作用约束或紧约束。对于不等式约束来说，其极限情况gu(x)＝o所表示的几何面(线)将设计空间分为两部分：一部分中的所有点均满足约束条件式(1-10)或式(1-11)，这一部分的空间称为设计点的可行域，并以D表示，可行域中的点是设计变量可以选取的，称为可行设计点或简称可行点，如果最优点在可行域之内．则其所有的约束条件都不是起作用约束。另一部分中的所有点均不满足约束条件式(1-10)或式(1-11)．在这个区域如果选取设计点则违背了约束条件，它就是设计的非可行域．该域中的点称为非可行点。如果设计点落到某个约束边界面(或边界线)上，则称边界点，边界点是允许的极限设计方案。2020/2/6261-4约束条件2020/2/6271-5优化设计数学模型的一般形式pvXhmuXgtsRxxxXXfvunTn,,2,1,0)(,,2,1,0)(..],,,[),(min21最优化问题也称为数学规划问题:线性规划、非线性规划2020/2/628对简单的二维优化问题，可以在设计平面内直观地作出约束可行域，画出目标函数的一簇等值线，以此确定最优点的位置，这种方法称为图解法。1-6优化设计的图解法例题用图解法求解mins.t.44)(12221xxxXf0)(01)(02)(132212211xXgxxXgxxXg最优点必定位于可行域内目标函数在下降方向的等值线与可行域边界的最后一个交点。2020/2/6291-6优化设计的图