传统和现代优化方法在机械工程中的应用情况探讨

摘 要：优化方法较早的应用于机械工程中的设计，通过优化方法的应用能够达到某些设计优化的结果，目前在机械工程中应用广泛。本文主要对传统优化方法与现代优化方法在机械工程中的应用情况进行了探讨。

关键词：优化方法；传统；现代；机械工程

就目前传统优化方法在机械工程优化设计中的应用来看，还占有一定的比例，其作用不可忽视。而现代优化方法是在二十世纪80年代初开始出现的，相比传统优化方法而言更适合复杂求解问题，实现组合的最优化。

1.传统优化方法在机械工程中的应用

传统优化方法在机械工程中的应用主要是进行机械结构与与零件的优化设计，从而实现结构、性能以及性状上的优化，以达到提高经济效益的目的。传统优化方法主要包括惩罚函数法、增广拉格朗日乘子法、随机方向法和复合形法等。在机械工程优化设计的要求下选择合适的传统优化方法进行优化设计，如对静压轴承、无螺栓十字轴万向联轴器、配气机构五项式凸轮型线、螺栓组联接、机床主传动系统零件参数进行优化设计等。

面对日益复杂的工程问题，对优化设计也提出了更高的要求，而传统的优化方法存在着或多或少的局限性。其中，惩罚函数优化的变量初始值就对优化结果存在一定的影响，而实际应用中就针对这个问题进行了改进，如使用改进的离散变量惩罚函数解决工程问题，首先就是进行连续变量惩罚函数的初始优化，从而使最终的优化结果更加准确。复合形法的缺陷就在于无法进行完全搜索、复形的多样性不稳定、映射系数取值缺乏灵活性等，因此在优化设计中需要对该优化方法进行改进，如以最大冗余点映射准则与动态全域映射收缩算子形成的新型复合形法，以及改进的混合离散复合形法，用以求解约束非线性混合离散变量的优化，进而提高了优化效率与可靠性。

2.现代优化方法在机械工程中的应用

现代优化方法在机械工程中的使用，为解决复杂的工程优化问题发挥了重要的作用，目前广泛应用的现代优化算法包括遗传算、蚁群算法、模拟退火算法、竞选算法、微粒群算法等。

2.1遗传算法及应用

遗传算法是一种拟自然算法，具有自适应性、全局优化、鲁棒性和隐含并行性等特征。该算法模拟自然生物的进化规律，通过随机产生的群体和个体进行往复循环的演变与选择，最终获得全局的最优解。遗传算法应用于多个领域，在机械工程中的应用主要是对机械结构进行优化，设计机械方案、对结构的可靠性进行分析、辨识参数、并进行故障诊断等等。如在结构优化设计中的应用，就可根据遗传算法的变异概率、线性适应度与恒定交叉实现动态寻优过程，同时还能解决解决机械工程结构优化设计中的问题，以及多峰值函数求极值的问题等。遗传算法在机械工程中的运用频率较高，但是其本身的参数优化、过早收敛问题比较突出。

2.2蚁群算法及应用

蚁群算法是一种基于群体的模拟进化算法，适用于非线性问题的求解，具有并行计算、正反馈选择和群体合作优点。该算法下系统优化问题的数学模型能够显示表达即可，从而简化了数学信息，将优化过程变得简单化。但是该算法的搜索时间较长，容易发生停滞，因此在实际应用中需要进行改进来解决这两个问题。如采用逆转变异机制来改进蚁群算法等。

2.3模拟退火算法及应用

模拟退火算法是针对全局最优的算法，该方法通用性强，能够对不同的非线性问题进行求解，也能够大概率的对不可微、不连续的函数进行优化，获得最优解。该算法具有全局收敛性、鲁棒性以及隐含并行性，并且适应性较广，但是该算法的计算时间较长，效率偏低。该算法在机械工程的应用中需要进行优化使用，如与其他算法相结合形成混合优化SA算法等，从而更加有效地进行全局的寻优。

2.4竞选算法及应用

竞选算法是一种启发式优化算法，与传统优化方法相比，该方法具有自适应性、鲁棒性、隐含并行性以及全局优化性，能够对大规模、非线性函数，无解析表达式目标函数进行优化。如在某箱型盖板以及两杆桁架结构的优化中该算法就非常有效，但该算法也并不适应于所有的类型。

2.5微粒群算法及应用

微粒群算法是一种基于适应度的智能随机优化算法，是一种新型的随机全局化算法，能够对连续函数的优化问题予以解决。但该算法存在早熟的问题，因此在机械工程应用中需要改进以达到全局最优，如基于线性搜索的改进微粒群算法就很好的实现了对偏置曲柄滑块机构模型的优化。

3.结束语

优化方法在机械工程优化设计中具有十分重要的作用，而传统优化方法与现代优化方法有着各自的特点、优势与不足之处。针对两种优化方法的优势与不足，通过现代优化方法对传统优化方法进行改进，或者在现代优化方法中引入传统方法进行改善未尝不是两种方法共同发展的一种策略。

参考文献

[1]贺春华，张湘伟，吕文阁.传统优化算法与竞选算法应用于机械优化设计的比较[J].广东工业大学学报，2010，27（3）

[2]桂旺生，刘利斌，欧阳艾嘉等.求解机械优化的Pareto多目标中心粒子群算法[J].计算机工程与应用，2011，47（4）

[3]王东霞，张瑞玲.基于改进遗传算法的机械优化设计参数模型研究[J].煤矿机械，2010，31（2）

[4]徐小六，白甫停，余雨.蚁群算法与其他原理相结合在机械优化设计中的应用[J].企业技术开发（下半月），2014，33（2）

推荐访问： 机械工程 探讨 优化 传统 情况

---