龙门吊matlab,门式起重机主梁优化设计论文

2023-10-17 02:40

本文主要是介绍龙门吊matlab,门式起重机主梁优化设计论文,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

门式起重机主梁优化设计论文

1外点法

00102f5389d87748cc2ade09778e01e5.png

外点法求解约束优化问题:对于不等式约束:gu(X)≤0,u=1,2,…,m。

(1)取复合函数(惩罚项)为G[gu(X)]=mu=1{max[gu(X),0]}2。

(2)其中,max[gu(X),0]表示将约束函数gu(X)的值和零比较,取其中较大的一个。对于等式约束hv(X)=0,v=1,2,…,p。

(3)取复合函数(惩罚项)为H[hv(X)]=pv=1[hv(X)]2。

(4)对于一般的约束优化问题,外点罚函数的形式为:准(X,rk)=(fX)+rkmu=1{max[gu(X),0]}2+rkpv=1[hv(X)]2。

(5)式中,rk为惩罚因子,rk>0。惩罚项与惩罚函数随惩罚因子的变化而变化,当惩罚因子按一个递增的正数序列0

(6)和(fX(k+1))-(fX)(k)(fX(k))≤ε。

(7)则令X*=X(k+1),(fX*)=(fX(k+1)),结束计算;否则,令rk+1=crk,k=k+1,转至步骤2)继续迭代。

2建立箱型主梁的优化数学模型

2.1确定设计变量及目标函数

由于门式起重机箱型主梁主要承受主梁和提升小车的结构自重以及吊重荷载,因此门式起重机箱型主梁的计算简图所示,其中提升小车和吊重荷载为集中载荷P1=120000N,主梁自重为均布载荷P2=125N/m,以小车位主梁跨中时为优化分析工况,此时主梁为最大挠度工况。箱型主梁材料为Q235B,密度为7.8×103kg/m3。主要结构参数有:主梁跨度L,梁高H,梁宽B,腹板厚度d1和翼缘板厚度d2。其中跨度L是给定参数1050cm,其余都是可改变的。取设计变量为梁高x1,梁宽x2,腹板厚度x3和翼缘板厚度x4。写成向量形式:X=[x1,x2,x3,x4]T=[H,B,d1,d2]T。(8)门式起重机主梁的自重是起重机设计的一个重要指标,本文取起重机箱型主梁重量最轻为优化目标。由于梁的跨度L为已知,所以可用梁的截面面积来作为目标函数。同时,又因为梁的高度和宽度尺寸远大于板的厚度尺寸,故截面面积之半可近似为f(X)=x1x3+x2x4。(9)这就是本优化设计的目标函数。

2.2确定目标函数的约束条件

1)强度条件。由计算简图可知该梁承受双向弯曲,故强度条件的表达式为:g1(X)=σ-[σ]≤0。(10)式中,σ为图1所示载荷作用下箱型主梁跨中翼缘板的计算应力,[σ]为许用应力140MPa。代入设计变量和载荷即可得到强度约束条件:g1(X)=3L4P1+7.8×10-5(x1x3+x2x4)L3x1x2x4+x21x3+P23x1x2x3+x22x4≤≤-140≤0。(11)其中长度单位为mm,力的单位为N(以下同)。

2)刚度条件。刚度约束条件(梁跨中挠度限制):主梁产g2(X)=k3x21x2x4+x31x3-[f]≤0。(12)其中,k=P1L3/1.68×106,[f]=L700(允许挠度)代入式(12)可得:g2(X)=P1L3(3x21x2x4+x31x3)×1.68×106-L700≤0。(13)

3)翼缘板局部稳定性条件。翼缘板宽度和厚度的比值约束翼缘板承受压应力。保证箱型翼缘板局部稳定性而不需要加筋的条件为:g3(X)=x2/x4-60≤0。(14)

4)腹板局部稳定性条件。主梁腹板高度和厚度比值的'约束由参考文献[11]知,腹板会在两种情况下失去稳定:一是在剪应力作用下失稳;二是在压应力作用下失稳。为了防止后一种情况产生,常在腹板区设置纵向加强筋板。但是加筋过多不仅会增加制造成本,而且焊缝过多会引起较大的应力集中,故在设计时只考虑在腹板上加1条纵筋。腹板加1条纵筋的条件是g4(X)=x1/x3-160≤0。(15)

5)几何约束条件。考虑到便于焊接加工,板厚不得小于5mm,于是得到几何约束条件:g5(X)=0.5-x3≤0;(16)g6(X)=0.5-x4≤0。(17)利用外点罚函数法,可将该约束优化问题转化为如下无约束优化问题:求X=[x1,x2,x3,x4]T,使min准(X,rk)=x1x3+x2x4+rk6i=1[max(gi(X),0]2。(18)初始化参数为X=[760,310,5,8],随着r的递增,逐次对准(X,rk)求极小,上述无约束优化问题的最优解X*k收敛于原问题的最优解X*。

3基于MATLAB编程求解最优解

1)MATLAB编程。对于上述非线性无约束优化问题,可以采用MATLAB优化工具箱中的fminsearch函数计算。其格式如下:x=fminsearch(fun,x0,options);[x,fval,exitflag,output]=fminsearch(fun,x0,options);式中:fun为目标函数;x0为初始点;fval为返回函数在最优解点的函数值;exitflag为迭代终止标志;options为设置优化项目参数。

2)优化结果。对程序运行结果所得参数进行圆整,得到表1门式起重机箱型主梁优化结果比较。

4结论

本文采用外点罚函数法求解门式起重机箱型主梁的非线性无约束优化问题,从优化结果看,在满足起重机箱型主梁强度、刚度、稳定性等约束条件下,自重减轻了19.8%,优化效果显著。并且采用MATLAB编程求解最优解,大大提高了优化效率和可靠性。随着现代计算技术的发展和响应节能的要求,优化技术将会越来越来越广泛地应用于各个设计领域。

【门式起重机主梁优化设计论文】相关文章:

这篇关于龙门吊matlab,门式起重机主梁优化设计论文的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/222377

相关文章

Oracle查询优化之高效实现仅查询前10条记录的方法与实践

《Oracle查询优化之高效实现仅查询前10条记录的方法与实践》:本文主要介绍Oracle查询优化之高效实现仅查询前10条记录的相关资料,包括使用ROWNUM、ROW_NUMBER()函数、FET... 目录1. 使用 ROWNUM 查询2. 使用 ROW_NUMBER() 函数3. 使用 FETCH FI

C#使用HttpClient进行Post请求出现超时问题的解决及优化

《C#使用HttpClient进行Post请求出现超时问题的解决及优化》最近我的控制台程序发现有时候总是出现请求超时等问题,通常好几分钟最多只有3-4个请求,在使用apipost发现并发10个5分钟也... 目录优化结论单例HttpClient连接池耗尽和并发并发异步最终优化后优化结论我直接上优化结论吧,

Java内存泄漏问题的排查、优化与最佳实践

《Java内存泄漏问题的排查、优化与最佳实践》在Java开发中,内存泄漏是一个常见且令人头疼的问题,内存泄漏指的是程序在运行过程中,已经不再使用的对象没有被及时释放,从而导致内存占用不断增加,最终... 目录引言1. 什么是内存泄漏?常见的内存泄漏情况2. 如何排查 Java 中的内存泄漏?2.1 使用 J

Python中的可视化设计与UI界面实现

《Python中的可视化设计与UI界面实现》本文介绍了如何使用Python创建用户界面(UI),包括使用Tkinter、PyQt、Kivy等库进行基本窗口、动态图表和动画效果的实现,通过示例代码,展示... 目录从像素到界面:python带你玩转UI设计示例:使用Tkinter创建一个简单的窗口绘图魔法:用

MySQL不使用子查询的原因及优化案例

《MySQL不使用子查询的原因及优化案例》对于mysql,不推荐使用子查询,效率太差,执行子查询时,MYSQL需要创建临时表,查询完毕后再删除这些临时表,所以,子查询的速度会受到一定的影响,本文给大家... 目录不推荐使用子查询和JOIN的原因解决方案优化案例案例1:查询所有有库存的商品信息案例2:使用EX

MySQL中my.ini文件的基础配置和优化配置方式

《MySQL中my.ini文件的基础配置和优化配置方式》文章讨论了数据库异步同步的优化思路,包括三个主要方面:幂等性、时序和延迟,作者还分享了MySQL配置文件的优化经验,并鼓励读者提供支持... 目录mysql my.ini文件的配置和优化配置优化思路MySQL配置文件优化总结MySQL my.ini文件

正则表达式高级应用与性能优化记录

《正则表达式高级应用与性能优化记录》本文介绍了正则表达式的高级应用和性能优化技巧,包括文本拆分、合并、XML/HTML解析、数据分析、以及性能优化方法,通过这些技巧,可以更高效地利用正则表达式进行复杂... 目录第6章:正则表达式的高级应用6.1 模式匹配与文本处理6.1.1 文本拆分6.1.2 文本合并6

Vue3 的 shallowRef 和 shallowReactive:优化性能

大家对 Vue3 的 ref 和 reactive 都很熟悉,那么对 shallowRef 和 shallowReactive 是否了解呢? 在编程和数据结构中,“shallow”(浅层)通常指对数据结构的最外层进行操作,而不递归地处理其内部或嵌套的数据。这种处理方式关注的是数据结构的第一层属性或元素,而忽略更深层次的嵌套内容。 1. 浅层与深层的对比 1.1 浅层(Shallow) 定义

不懂推荐算法也能设计推荐系统

本文以商业化应用推荐为例,告诉我们不懂推荐算法的产品,也能从产品侧出发, 设计出一款不错的推荐系统。 相信很多新手产品,看到算法二字,多是懵圈的。 什么排序算法、最短路径等都是相对传统的算法(注:传统是指科班出身的产品都会接触过)。但对于推荐算法,多数产品对着网上搜到的资源,都会无从下手。特别当某些推荐算法 和 “AI”扯上关系后,更是加大了理解的难度。 但,不了解推荐算法,就无法做推荐系

HDFS—存储优化(纠删码)

纠删码原理 HDFS 默认情况下,一个文件有3个副本,这样提高了数据的可靠性,但也带来了2倍的冗余开销。 Hadoop3.x 引入了纠删码,采用计算的方式,可以节省约50%左右的存储空间。 此种方式节约了空间,但是会增加 cpu 的计算。 纠删码策略是给具体一个路径设置。所有往此路径下存储的文件,都会执行此策略。 默认只开启对 RS-6-3-1024k