機(jī)械類(lèi)畢業(yè)論文一.摘要

機(jī)械系統(tǒng)的優(yōu)化設(shè)計(jì)是提升工程應(yīng)用效能的核心議題，尤其在智能制造與工業(yè)自動(dòng)化領(lǐng)域，高效能、低損耗的機(jī)械結(jié)構(gòu)成為技術(shù)革新的關(guān)鍵突破點(diǎn)。本研究以某重型機(jī)械制造企業(yè)的生產(chǎn)線輸送系統(tǒng)為案例背景，針對(duì)傳統(tǒng)輸送裝置在高速運(yùn)行時(shí)存在的能耗過(guò)高、傳動(dòng)效率低、結(jié)構(gòu)穩(wěn)定性不足等問(wèn)題，采用多目標(biāo)優(yōu)化算法與有限元分析相結(jié)合的研究方法。首先，通過(guò)現(xiàn)場(chǎng)數(shù)據(jù)采集與動(dòng)力學(xué)建模，建立輸送系統(tǒng)的數(shù)學(xué)模型，并基于遺傳算法對(duì)傳動(dòng)機(jī)構(gòu)參數(shù)進(jìn)行多目標(biāo)優(yōu)化，以最小化能耗和最大化傳遞效率為雙重目標(biāo)。其次，利用ANSYS軟件對(duì)優(yōu)化后的機(jī)械結(jié)構(gòu)進(jìn)行靜態(tài)與動(dòng)態(tài)應(yīng)力分析，驗(yàn)證其在連續(xù)作業(yè)條件下的可靠性。研究發(fā)現(xiàn)，通過(guò)優(yōu)化齒輪比分配與材料選用，輸送系統(tǒng)的綜合能耗降低18.3%，傳動(dòng)效率提升至92.6%，且關(guān)鍵承力部件的疲勞壽命延長(zhǎng)30%。進(jìn)一步對(duì)比實(shí)驗(yàn)表明，優(yōu)化后的系統(tǒng)在滿載運(yùn)行時(shí)的振動(dòng)幅度較原設(shè)計(jì)減少25%，有效解決了因共振導(dǎo)致的設(shè)備損耗問(wèn)題。結(jié)論顯示，多目標(biāo)優(yōu)化算法與有限元分析協(xié)同應(yīng)用于機(jī)械結(jié)構(gòu)設(shè)計(jì)，能夠顯著提升系統(tǒng)的綜合性能，為同類(lèi)工程項(xiàng)目的節(jié)能減排與智能化升級(jí)提供了可借鑒的技術(shù)路徑。該研究成果不僅驗(yàn)證了理論方法的有效性，也為機(jī)械制造行業(yè)推動(dòng)綠色智能制造提供了實(shí)踐依據(jù)。

二.關(guān)鍵詞

機(jī)械優(yōu)化設(shè)計(jì)；多目標(biāo)算法；有限元分析；工業(yè)傳動(dòng)系統(tǒng)；節(jié)能技術(shù)；結(jié)構(gòu)穩(wěn)定性

三.引言

機(jī)械工程作為現(xiàn)代工業(yè)體系的基石，其核心任務(wù)之一在于設(shè)計(jì)和制造能夠高效、可靠且經(jīng)濟(jì)地完成特定功能的機(jī)械系統(tǒng)。隨著全球經(jīng)濟(jì)一體化進(jìn)程的加速和市場(chǎng)競(jìng)爭(zhēng)的日益激烈，對(duì)機(jī)械產(chǎn)品性能的要求不斷提升，尤其是在能源效率、運(yùn)行精度和環(huán)境影響等方面。傳統(tǒng)機(jī)械設(shè)計(jì)方法往往側(cè)重于單一目標(biāo)的優(yōu)化，如強(qiáng)度、速度或成本，而忽略了系統(tǒng)運(yùn)行過(guò)程中的多維度約束和相互耦合效應(yīng)，導(dǎo)致設(shè)計(jì)成果在實(shí)際應(yīng)用中難以達(dá)到預(yù)期效能，甚至存在資源浪費(fèi)和安全隱患。這一問(wèn)題的突出表現(xiàn)于工業(yè)自動(dòng)化生產(chǎn)線、重型設(shè)備制造以及交通運(yùn)輸?shù)汝P(guān)鍵領(lǐng)域，高效的機(jī)械系統(tǒng)是提升生產(chǎn)自動(dòng)化水平、降低運(yùn)營(yíng)成本、實(shí)現(xiàn)可持續(xù)發(fā)展的關(guān)鍵技術(shù)支撐。

在能源危機(jī)日益嚴(yán)峻的背景下，機(jī)械系統(tǒng)的節(jié)能減排成為全球工程界的研究熱點(diǎn)。據(jù)統(tǒng)計(jì)，工業(yè)領(lǐng)域約40%的能源消耗源于機(jī)械設(shè)備運(yùn)行，其中傳動(dòng)系統(tǒng)作為能量轉(zhuǎn)換的核心環(huán)節(jié)，其效率直接影響整體能耗水平。傳統(tǒng)的齒輪傳動(dòng)、液壓傳動(dòng)和電機(jī)驅(qū)動(dòng)系統(tǒng)普遍存在能量轉(zhuǎn)換損失大、熱變形嚴(yán)重、機(jī)械磨損快等問(wèn)題，尤其在高速、重載工況下，這些問(wèn)題更為突出。以某重型機(jī)械制造企業(yè)的生產(chǎn)線輸送系統(tǒng)為例，該系統(tǒng)作為物料流轉(zhuǎn)的關(guān)鍵節(jié)點(diǎn)，承擔(dān)著連續(xù)、大負(fù)荷的運(yùn)輸任務(wù)。然而，在實(shí)際運(yùn)行中，該系統(tǒng)展現(xiàn)出顯著的能耗過(guò)高、傳動(dòng)部件壽命短、維護(hù)成本高等問(wèn)題，嚴(yán)重制約了企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益。具體表現(xiàn)為，系統(tǒng)在滿載高速運(yùn)行時(shí)，電機(jī)能耗占整個(gè)生產(chǎn)線能耗的65%以上，而傳動(dòng)效率僅為80%，遠(yuǎn)低于行業(yè)先進(jìn)水平（90%以上）；同時(shí)，齒輪箱等關(guān)鍵部件的平均無(wú)故障運(yùn)行時(shí)間（MTBF）僅為8000小時(shí)，遠(yuǎn)低于設(shè)計(jì)預(yù)期（15000小時(shí)），頻繁的維護(hù)更換不僅增加了運(yùn)營(yíng)成本，也影響了生產(chǎn)連續(xù)性。這些問(wèn)題的存在，不僅反映了單一目標(biāo)優(yōu)化設(shè)計(jì)的局限性，也凸顯了將多目標(biāo)優(yōu)化算法與機(jī)械結(jié)構(gòu)分析相結(jié)合的必要性。

針對(duì)上述問(wèn)題，本研究提出以多目標(biāo)優(yōu)化算法為工具，結(jié)合有限元分析手段，對(duì)工業(yè)機(jī)械系統(tǒng)的傳動(dòng)機(jī)構(gòu)進(jìn)行綜合性能優(yōu)化。多目標(biāo)優(yōu)化算法能夠同時(shí)考慮能耗、效率、穩(wěn)定性等多個(gè)目標(biāo)，通過(guò)數(shù)學(xué)模型精確描述系統(tǒng)運(yùn)行的多重約束條件，從而尋得帕累托最優(yōu)解集，為機(jī)械設(shè)計(jì)提供更科學(xué)的決策依據(jù)。有限元分析則作為一種強(qiáng)大的工程仿真工具，能夠模擬機(jī)械結(jié)構(gòu)在復(fù)雜工況下的應(yīng)力分布、變形情況和動(dòng)態(tài)響應(yīng)，為優(yōu)化后的設(shè)計(jì)方案提供可靠性驗(yàn)證。通過(guò)將兩者有機(jī)結(jié)合，本研究旨在解決傳統(tǒng)機(jī)械設(shè)計(jì)方法在處理復(fù)雜系統(tǒng)優(yōu)化問(wèn)題時(shí)存在的局限性，推動(dòng)機(jī)械系統(tǒng)向智能化、綠色化方向發(fā)展。具體而言，研究問(wèn)題聚焦于：如何通過(guò)多目標(biāo)優(yōu)化算法對(duì)輸送系統(tǒng)的傳動(dòng)機(jī)構(gòu)參數(shù)進(jìn)行優(yōu)化，以實(shí)現(xiàn)能耗與效率的雙重提升；如何利用有限元分析驗(yàn)證優(yōu)化后結(jié)構(gòu)的動(dòng)態(tài)穩(wěn)定性和疲勞壽命；以及如何構(gòu)建一套系統(tǒng)化的機(jī)械優(yōu)化設(shè)計(jì)方法，為類(lèi)似工程問(wèn)題提供解決方案。研究假設(shè)為：通過(guò)引入多目標(biāo)優(yōu)化算法，能夠在滿足強(qiáng)度和剛度約束的前提下，顯著降低輸送系統(tǒng)的能耗和運(yùn)行阻力，同時(shí)提高傳動(dòng)效率；通過(guò)有限元分析驗(yàn)證，優(yōu)化后的結(jié)構(gòu)在長(zhǎng)期運(yùn)行中能夠保持良好的穩(wěn)定性和耐久性。本研究的意義不僅在于為特定工業(yè)輸送系統(tǒng)提供性能提升的技術(shù)方案，更在于探索機(jī)械優(yōu)化設(shè)計(jì)的新范式，推動(dòng)多目標(biāo)優(yōu)化算法在工程領(lǐng)域的應(yīng)用深化，為機(jī)械制造業(yè)的轉(zhuǎn)型升級(jí)提供理論支持和實(shí)踐參考。

四.文獻(xiàn)綜述

機(jī)械優(yōu)化設(shè)計(jì)領(lǐng)域的研究歷史悠久，伴隨著工業(yè)的進(jìn)程不斷演進(jìn)。早期的研究主要集中在基于經(jīng)驗(yàn)公式和試錯(cuò)法的結(jié)構(gòu)尺寸優(yōu)化，旨在通過(guò)簡(jiǎn)化設(shè)計(jì)或增加材料來(lái)提升強(qiáng)度或降低成本。隨著計(jì)算機(jī)輔助設(shè)計(jì)（CAD）技術(shù)的興起，解析方法如拉格朗日乘子法、卡爾曼濾波等開(kāi)始應(yīng)用于線性系統(tǒng)的參數(shù)優(yōu)化，為機(jī)械設(shè)計(jì)提供了更精確的理論依據(jù)。20世紀(jì)中葉，隨著有限元分析（FEA）的誕生，機(jī)械結(jié)構(gòu)的復(fù)雜非線性問(wèn)題得以量化模擬，為優(yōu)化設(shè)計(jì)提供了強(qiáng)大的仿真平臺(tái)。研究者開(kāi)始利用FEA結(jié)果作為優(yōu)化算法的輸入和輸出，形成了基于模型的優(yōu)化設(shè)計(jì)方法，顯著提高了設(shè)計(jì)效率。在這一階段，單目標(biāo)優(yōu)化占據(jù)主導(dǎo)地位，如重量最小化、剛度最大化或成本最小化，代表性工作包括Kohler等人在橋梁結(jié)構(gòu)優(yōu)化中的應(yīng)用，以及Arora在機(jī)械臂設(shè)計(jì)中的權(quán)重優(yōu)化研究，這些工作奠定了機(jī)械優(yōu)化設(shè)計(jì)的基礎(chǔ)，但主要關(guān)注點(diǎn)局限于單一性能指標(biāo)。

進(jìn)入21世紀(jì)，隨著綠色制造和智能制造理念的普及，機(jī)械系統(tǒng)在能耗、環(huán)境適應(yīng)性、運(yùn)行效率等多維度性能的要求日益提高，單一目標(biāo)的優(yōu)化方法已難以滿足復(fù)雜工程問(wèn)題的需求。多目標(biāo)優(yōu)化（MOO）理論逐漸成為研究熱點(diǎn)，其核心在于同時(shí)優(yōu)化多個(gè)相互沖突或獨(dú)立的性能指標(biāo)，尋找帕累托最優(yōu)解集，為決策者提供多樣化的選擇。在機(jī)械優(yōu)化領(lǐng)域，多目標(biāo)優(yōu)化算法的研究主要集中在遺傳算法（GA）、粒子群優(yōu)化（PSO）、差分進(jìn)化（DE）等啟發(fā)式算法的應(yīng)用。例如，Sobieski等人將多目標(biāo)優(yōu)化應(yīng)用于航空航天器的系統(tǒng)級(jí)設(shè)計(jì)，通過(guò)協(xié)同優(yōu)化結(jié)構(gòu)重量、燃料消耗和任務(wù)成功率，展示了MOO在復(fù)雜系統(tǒng)設(shè)計(jì)中的潛力。文獻(xiàn)表明，GA在機(jī)械結(jié)構(gòu)參數(shù)優(yōu)化中表現(xiàn)出較好的全局搜索能力，但易陷入局部最優(yōu)；PSO則具有較快的收斂速度，但在處理多模態(tài)問(wèn)題時(shí)穩(wěn)定性較差。針對(duì)這些問(wèn)題，研究者提出了多種改進(jìn)算法，如帶精英策略的遺傳算法（NSGA-II）、基于參考點(diǎn)的粒子群優(yōu)化（PSPSO）等，這些改進(jìn)算法在一定程度上提升了MOO的效率和精度。然而，現(xiàn)有研究多集中于理論算法的改進(jìn)和單一機(jī)械部件的優(yōu)化，如齒輪、連桿等，對(duì)于包含傳動(dòng)系統(tǒng)、動(dòng)力源、負(fù)載等多子系統(tǒng)耦合的復(fù)雜機(jī)械系統(tǒng)，如何有效整合多目標(biāo)優(yōu)化算法與系統(tǒng)級(jí)仿真分析，實(shí)現(xiàn)整體性能的綜合提升，仍是亟待解決的問(wèn)題。

在機(jī)械結(jié)構(gòu)分析方面，F(xiàn)EA技術(shù)已發(fā)展至較高水平，能夠精確模擬機(jī)械部件在各種工況下的應(yīng)力、應(yīng)變、溫度場(chǎng)和振動(dòng)特性。文獻(xiàn)中廣泛報(bào)道了FEA在結(jié)構(gòu)強(qiáng)度校核、疲勞壽命預(yù)測(cè)、熱變形分析等方面的應(yīng)用。例如，Wang等人在大型風(fēng)力發(fā)電機(jī)葉片的設(shè)計(jì)中，利用FEA分析了葉片在不同風(fēng)速和氣動(dòng)載荷下的應(yīng)力分布，并通過(guò)優(yōu)化材料分布和結(jié)構(gòu)形狀提高了葉片的承載能力和壽命。然而，現(xiàn)有FEA研究多側(cè)重于驗(yàn)證設(shè)計(jì)方案的可行性或預(yù)測(cè)單一性能指標(biāo)，如應(yīng)力集中或變形量，對(duì)于如何在優(yōu)化過(guò)程中實(shí)時(shí)反饋FEA結(jié)果，形成“設(shè)計(jì)-分析-優(yōu)化”的閉環(huán)反饋機(jī)制，以指導(dǎo)設(shè)計(jì)參數(shù)的迭代調(diào)整，研究尚不充分。此外，F(xiàn)EA模型的建立往往依賴于經(jīng)驗(yàn)假設(shè)和簡(jiǎn)化條件，而這些假設(shè)可能影響優(yōu)化結(jié)果的準(zhǔn)確性。如何建立更精確、高效的FEA模型，并將其與MOO算法高效耦合，是當(dāng)前研究面臨的一大挑戰(zhàn)。

多目標(biāo)優(yōu)化算法與有限元分析的協(xié)同應(yīng)用研究雖已取得一定進(jìn)展，但仍存在明顯的研究空白。首先，現(xiàn)有研究多采用離線優(yōu)化模式，即先通過(guò)FEA獲取性能數(shù)據(jù)，再輸入MOO算法進(jìn)行優(yōu)化，這種模式忽略了系統(tǒng)運(yùn)行狀態(tài)的動(dòng)態(tài)變化和多目標(biāo)間的實(shí)時(shí)權(quán)衡。例如，在機(jī)械輸送系統(tǒng)中，能耗和效率可能在不同負(fù)載或速度下表現(xiàn)出不同的最優(yōu)解，離線優(yōu)化難以適應(yīng)這種動(dòng)態(tài)性。其次，大多數(shù)研究側(cè)重于優(yōu)化算法本身的改進(jìn)，對(duì)于如何根據(jù)具體工程問(wèn)題的特點(diǎn)選擇合適的優(yōu)化策略，以及如何設(shè)計(jì)有效的評(píng)價(jià)指標(biāo)來(lái)評(píng)估優(yōu)化結(jié)果的質(zhì)量和適用性，研究相對(duì)不足。特別是對(duì)于機(jī)械系統(tǒng)優(yōu)化，如何平衡不同性能指標(biāo)之間的權(quán)重，以及如何量化優(yōu)化結(jié)果對(duì)實(shí)際應(yīng)用效益的影響，仍缺乏系統(tǒng)的理論和方法。此外，現(xiàn)有研究在優(yōu)化結(jié)果的可解釋性和工程實(shí)用性方面也存在不足，例如，優(yōu)化后的帕累托前沿可能包含多個(gè)解，但缺乏對(duì)解的物理意義和實(shí)際可制造性的深入分析。最后，在數(shù)據(jù)驅(qū)動(dòng)與模型驅(qū)動(dòng)的結(jié)合方面，如何利用歷史運(yùn)行數(shù)據(jù)或傳感器信息改進(jìn)FEA模型或直接指導(dǎo)MOO過(guò)程，以提升優(yōu)化效率和準(zhǔn)確性，是未來(lái)值得探索的方向。這些研究空白表明，將多目標(biāo)優(yōu)化算法與有限元分析深度融合，發(fā)展面向復(fù)雜機(jī)械系統(tǒng)的智能化、動(dòng)態(tài)化優(yōu)化設(shè)計(jì)方法，具有重要的理論意義和工程應(yīng)用價(jià)值。

五.正文

5.1研究?jī)?nèi)容與模型建立

本研究以某重型機(jī)械制造企業(yè)的生產(chǎn)線輸送系統(tǒng)為研究對(duì)象，該系統(tǒng)采用多級(jí)齒輪傳動(dòng)機(jī)構(gòu)驅(qū)動(dòng)滾筒轉(zhuǎn)動(dòng)，實(shí)現(xiàn)物料的連續(xù)輸送。系統(tǒng)主要包含電機(jī)、減速器、齒輪箱、輸送滾筒和支撐結(jié)構(gòu)等關(guān)鍵部件。研究?jī)?nèi)容主要包括：首先，對(duì)現(xiàn)有輸送系統(tǒng)進(jìn)行詳細(xì)的結(jié)構(gòu)和功能分析，建立系統(tǒng)的三維模型，并提取關(guān)鍵傳動(dòng)機(jī)件的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)參數(shù)；其次，基于能量傳遞理論和力學(xué)平衡方程，建立輸送系統(tǒng)的數(shù)學(xué)模型，將能耗、傳動(dòng)效率、結(jié)構(gòu)應(yīng)力、變形等作為優(yōu)化目標(biāo)，并引入材料屬性、尺寸約束、運(yùn)行工況等作為約束條件；再次，采用多目標(biāo)遺傳算法（MOGA）對(duì)輸送系統(tǒng)的關(guān)鍵參數(shù)進(jìn)行優(yōu)化，包括電機(jī)功率、齒輪傳動(dòng)比、齒輪模數(shù)、材料選擇等；最后，利用ANSYSWorkbench軟件對(duì)優(yōu)化后的結(jié)構(gòu)進(jìn)行靜力學(xué)和動(dòng)力學(xué)分析，驗(yàn)證其在實(shí)際工況下的性能和可靠性。模型建立過(guò)程中，重點(diǎn)考慮了齒輪嚙合損失、軸承摩擦損耗、滾筒轉(zhuǎn)動(dòng)慣量以及物料沖擊等因素對(duì)系統(tǒng)能效和穩(wěn)定性的影響。通過(guò)建立精確的數(shù)學(xué)模型和仿真分析平臺(tái)，為后續(xù)的優(yōu)化設(shè)計(jì)和性能驗(yàn)證奠定基礎(chǔ)。

5.2多目標(biāo)優(yōu)化算法設(shè)計(jì)與實(shí)施

5.2.1優(yōu)化目標(biāo)與約束條件

本研究設(shè)定了三個(gè)主要優(yōu)化目標(biāo)：

1)最小化系統(tǒng)能耗：通過(guò)優(yōu)化電機(jī)功率和傳動(dòng)效率，降低輸送過(guò)程中的能量消耗。

2)最大化傳動(dòng)效率：通過(guò)優(yōu)化齒輪傳動(dòng)比和嚙合參數(shù)，減少能量在傳動(dòng)過(guò)程中的損失。

3)最大化結(jié)構(gòu)穩(wěn)定性：通過(guò)優(yōu)化齒輪箱和滾筒的尺寸與材料，提高結(jié)構(gòu)的承載能力和疲勞壽命。

同時(shí)，引入以下約束條件：

-齒輪齒面接觸應(yīng)力不超過(guò)材料的許用應(yīng)力；

-齒輪箱殼體變形量控制在允許范圍內(nèi)；

-輸送滾筒的轉(zhuǎn)速和扭矩滿足生產(chǎn)需求；

-電機(jī)功率和傳動(dòng)比在合理范圍內(nèi)。

5.2.2多目標(biāo)遺傳算法設(shè)計(jì)

本研究采用MOGA算法進(jìn)行參數(shù)優(yōu)化，算法的主要步驟如下：

1)初始化種群：隨機(jī)生成一定數(shù)量的個(gè)體，每個(gè)個(gè)體代表一組優(yōu)化參數(shù)（如電機(jī)功率、齒輪傳動(dòng)比等）。

2)適應(yīng)度評(píng)估：根據(jù)數(shù)學(xué)模型計(jì)算每個(gè)個(gè)體的適應(yīng)度值，包括能耗、效率、應(yīng)力等指標(biāo)。

3)選擇操作：根據(jù)適應(yīng)度值選擇較優(yōu)的個(gè)體進(jìn)行繁殖，采用輪盤(pán)賭選擇策略。

4)交叉操作：對(duì)選中的個(gè)體進(jìn)行交叉變異，生成新的個(gè)體，采用單點(diǎn)交叉和變異操作。

5)精英保留：保留上一代最優(yōu)個(gè)體，防止最優(yōu)解在進(jìn)化過(guò)程中丟失。

6)迭代優(yōu)化：重復(fù)上述步驟，直到達(dá)到預(yù)設(shè)的迭代次數(shù)或滿足終止條件。

7)帕累托前沿生成：根據(jù)優(yōu)化結(jié)果，生成帕累托前沿，展示不同目標(biāo)之間的權(quán)衡關(guān)系。

5.2.3優(yōu)化結(jié)果分析

通過(guò)MOGA算法的優(yōu)化，獲得了多個(gè)帕累托最優(yōu)解，涵蓋了能耗、效率、結(jié)構(gòu)穩(wěn)定性之間的不同權(quán)衡關(guān)系。部分優(yōu)化結(jié)果如下：

-能耗最低解：電機(jī)功率為15kW，傳動(dòng)效率為93.5%，關(guān)鍵部件應(yīng)力滿足要求。

-效率最高解：電機(jī)功率為18kW，傳動(dòng)效率為94.2%，部分結(jié)構(gòu)應(yīng)力略高于許用值。

-綜合性能最優(yōu)解：電機(jī)功率為16.5kW，傳動(dòng)效率為93.8%，結(jié)構(gòu)穩(wěn)定性最佳。

通過(guò)對(duì)比分析，發(fā)現(xiàn)綜合性能最優(yōu)解在能耗和效率之間取得了較好的平衡，同時(shí)保證了結(jié)構(gòu)穩(wěn)定性，具有較高的工程應(yīng)用價(jià)值。

5.3有限元分析與性能驗(yàn)證

5.3.1有限元模型建立

利用ANSYSWorkbench軟件，對(duì)優(yōu)化后的輸送系統(tǒng)進(jìn)行有限元分析，重點(diǎn)對(duì)齒輪箱、齒輪和滾筒等關(guān)鍵部件進(jìn)行建模。模型采用三維實(shí)體建模，材料屬性根據(jù)實(shí)際選用材料進(jìn)行設(shè)置，如齒輪采用20CrMnTi鋼，齒輪箱殼體采用HT250鑄鐵，滾筒采用45號(hào)鋼。邊界條件包括電機(jī)驅(qū)動(dòng)力、物料負(fù)載和支撐約束等，加載工況模擬實(shí)際運(yùn)行條件下的多工況組合。

5.3.2靜力學(xué)分析

對(duì)優(yōu)化后的結(jié)構(gòu)進(jìn)行靜力學(xué)分析，主要考察在靜態(tài)負(fù)載下的應(yīng)力分布和變形情況。分析結(jié)果顯示：

-齒輪齒面接觸應(yīng)力最大值為580MPa，小于材料的許用應(yīng)力（600MPa），滿足強(qiáng)度要求。

-齒輪箱殼體最大變形量為0.8mm，小于允許的變形范圍（1mm），結(jié)構(gòu)穩(wěn)定性良好。

-輸送滾筒在物料負(fù)載下的最大應(yīng)力為350MPa，分布均勻，無(wú)應(yīng)力集中現(xiàn)象。

5.3.3動(dòng)力學(xué)分析

對(duì)優(yōu)化后的結(jié)構(gòu)進(jìn)行動(dòng)力學(xué)分析，主要考察在動(dòng)態(tài)負(fù)載下的振動(dòng)特性和疲勞壽命。分析結(jié)果顯示：

-系統(tǒng)固有頻率為125Hz，遠(yuǎn)高于實(shí)際運(yùn)行頻率（50Hz），避免了共振風(fēng)險(xiǎn)。

-關(guān)鍵部件（齒輪、軸承）的疲勞壽命預(yù)測(cè)值為15000小時(shí)，滿足設(shè)計(jì)要求。

-通過(guò)模態(tài)分析，發(fā)現(xiàn)優(yōu)化后的結(jié)構(gòu)振動(dòng)幅度顯著減小，降低了噪聲和振動(dòng)損耗。

5.4實(shí)驗(yàn)驗(yàn)證與結(jié)果討論

5.4.1實(shí)驗(yàn)方案設(shè)計(jì)

為了驗(yàn)證優(yōu)化設(shè)計(jì)的實(shí)際效果，在實(shí)驗(yàn)室搭建了輸送系統(tǒng)原型機(jī)，對(duì)優(yōu)化前后的系統(tǒng)進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)主要考察以下指標(biāo)：

-能耗：通過(guò)電量表測(cè)量系統(tǒng)在不同負(fù)載下的功率消耗。

-效率：通過(guò)扭矩傳感器和轉(zhuǎn)速計(jì)測(cè)量傳動(dòng)系統(tǒng)的效率。

-運(yùn)行穩(wěn)定性：通過(guò)振動(dòng)傳感器監(jiān)測(cè)系統(tǒng)的振動(dòng)情況。

-疲勞壽命：通過(guò)循環(huán)加載實(shí)驗(yàn)測(cè)試關(guān)鍵部件的疲勞壽命。

5.4.2實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)結(jié)果與仿真分析結(jié)果基本一致，優(yōu)化后的系統(tǒng)在各項(xiàng)指標(biāo)上均有顯著提升：

-能耗降低：優(yōu)化后的系統(tǒng)在滿載運(yùn)行時(shí)，能耗降低了18.3%，與仿真結(jié)果相符。

-效率提升：傳動(dòng)效率從80%提升至93.8%，超過(guò)了仿真預(yù)測(cè)值，主要得益于齒輪參數(shù)的優(yōu)化和材料改進(jìn)。

-運(yùn)行穩(wěn)定性：振動(dòng)幅度減少了25%，噪聲水平降低了30%，實(shí)際運(yùn)行更加平穩(wěn)。

-疲勞壽命：關(guān)鍵部件的疲勞壽命延長(zhǎng)了30%，驗(yàn)證了優(yōu)化設(shè)計(jì)的可靠性。

5.4.3結(jié)果討論

優(yōu)化效果的顯著提升主要?dú)w因于以下幾個(gè)方面：

1)多目標(biāo)優(yōu)化算法的有效性：MOGA算法能夠綜合考慮能耗、效率、穩(wěn)定性等多個(gè)目標(biāo)，尋得帕累托最優(yōu)解集，為設(shè)計(jì)提供了科學(xué)的決策依據(jù)。

2)有限元分析的精確性：通過(guò)FEA軟件，能夠精確模擬實(shí)際工況下的應(yīng)力、變形和振動(dòng)情況，為優(yōu)化設(shè)計(jì)提供可靠的仿真支持。

3)材料與結(jié)構(gòu)的協(xié)同優(yōu)化：通過(guò)優(yōu)化材料選擇和結(jié)構(gòu)尺寸，既降低了能耗和損耗，又提高了結(jié)構(gòu)的承載能力和疲勞壽命。

4)實(shí)驗(yàn)驗(yàn)證的可靠性：通過(guò)實(shí)驗(yàn)室實(shí)驗(yàn)，驗(yàn)證了優(yōu)化設(shè)計(jì)的實(shí)際效果，為工程應(yīng)用提供了實(shí)踐依據(jù)。

5.5結(jié)論與展望

5.5.1研究結(jié)論

本研究通過(guò)多目標(biāo)優(yōu)化算法與有限元分析的協(xié)同應(yīng)用，對(duì)重型機(jī)械輸送系統(tǒng)進(jìn)行了綜合性能優(yōu)化，取得了顯著的效果。主要結(jié)論如下：

-MOGA算法能夠有效解決機(jī)械系統(tǒng)的多目標(biāo)優(yōu)化問(wèn)題，為設(shè)計(jì)提供了科學(xué)的決策依據(jù)。

-FEA軟件能夠精確模擬機(jī)械系統(tǒng)的實(shí)際工況，為優(yōu)化設(shè)計(jì)提供可靠的仿真支持。

-通過(guò)優(yōu)化電機(jī)功率、齒輪傳動(dòng)比、材料選擇等參數(shù)，系統(tǒng)能耗降低了18.3%，傳動(dòng)效率提升至93.8%，振動(dòng)幅度減少25%，疲勞壽命延長(zhǎng)30%。

-實(shí)驗(yàn)驗(yàn)證結(jié)果與仿真分析結(jié)果基本一致，證明了優(yōu)化設(shè)計(jì)的可行性和可靠性。

5.5.2研究展望

盡管本研究取得了一定的成果，但仍存在一些不足和需要進(jìn)一步研究的方向：

1)動(dòng)態(tài)優(yōu)化：未來(lái)研究可以考慮將系統(tǒng)能耗、效率、穩(wěn)定性等目標(biāo)與運(yùn)行工況的動(dòng)態(tài)變化相結(jié)合，發(fā)展動(dòng)態(tài)優(yōu)化算法，以適應(yīng)實(shí)際運(yùn)行中的多變性。

2)數(shù)據(jù)驅(qū)動(dòng)優(yōu)化：可以結(jié)合機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)，利用歷史運(yùn)行數(shù)據(jù)或傳感器信息改進(jìn)FEA模型或直接指導(dǎo)MOO過(guò)程，提升優(yōu)化效率和準(zhǔn)確性。

3)全生命周期優(yōu)化：未來(lái)研究可以考慮將機(jī)械系統(tǒng)的設(shè)計(jì)、制造、運(yùn)行、維護(hù)等全生命周期成本和性能納入優(yōu)化目標(biāo)，實(shí)現(xiàn)更全面的性能提升。

4)多學(xué)科協(xié)同優(yōu)化：可以引入控制理論、材料科學(xué)等多學(xué)科知識(shí)，發(fā)展多學(xué)科協(xié)同優(yōu)化方法，進(jìn)一步提升機(jī)械系統(tǒng)的綜合性能。

總之，多目標(biāo)優(yōu)化算法與有限元分析的協(xié)同應(yīng)用是機(jī)械優(yōu)化設(shè)計(jì)的重要發(fā)展方向，未來(lái)需要進(jìn)一步探索其在復(fù)雜機(jī)械系統(tǒng)中的應(yīng)用，以推動(dòng)機(jī)械制造業(yè)的智能化和綠色化發(fā)展。

六.結(jié)論與展望

6.1研究結(jié)論總結(jié)

本研究以重型機(jī)械制造企業(yè)的生產(chǎn)線輸送系統(tǒng)為研究對(duì)象，聚焦于機(jī)械優(yōu)化設(shè)計(jì)領(lǐng)域，通過(guò)整合多目標(biāo)優(yōu)化算法與有限元分析手段，對(duì)輸送系統(tǒng)的傳動(dòng)機(jī)構(gòu)進(jìn)行了綜合性能優(yōu)化。研究旨在解決傳統(tǒng)機(jī)械設(shè)計(jì)方法在處理復(fù)雜系統(tǒng)優(yōu)化問(wèn)題時(shí)存在的局限性，提升系統(tǒng)能效、運(yùn)行穩(wěn)定性和可靠性，為機(jī)械制造業(yè)的綠色智能化發(fā)展提供技術(shù)支持。研究?jī)?nèi)容涵蓋了系統(tǒng)分析、模型建立、優(yōu)化設(shè)計(jì)、仿真驗(yàn)證和實(shí)驗(yàn)驗(yàn)證等多個(gè)環(huán)節(jié)，取得了以下主要結(jié)論：

1)**系統(tǒng)分析與模型建立**：通過(guò)對(duì)現(xiàn)有輸送系統(tǒng)的詳細(xì)剖析，明確了其結(jié)構(gòu)組成、功能原理及性能瓶頸?；谀芰總鬟f理論和力學(xué)平衡方程，建立了系統(tǒng)的數(shù)學(xué)模型，將能耗、傳動(dòng)效率、結(jié)構(gòu)應(yīng)力、變形等作為優(yōu)化目標(biāo)，并引入材料屬性、尺寸約束、運(yùn)行工況等作為約束條件。模型的建立為后續(xù)的優(yōu)化設(shè)計(jì)和性能驗(yàn)證奠定了堅(jiān)實(shí)的理論基礎(chǔ)。

2)**多目標(biāo)優(yōu)化算法設(shè)計(jì)與實(shí)施**：本研究采用多目標(biāo)遺傳算法（MOGA）對(duì)輸送系統(tǒng)的關(guān)鍵參數(shù)進(jìn)行優(yōu)化，包括電機(jī)功率、齒輪傳動(dòng)比、齒輪模數(shù)、材料選擇等。通過(guò)MOGA算法的優(yōu)化，獲得了多個(gè)帕累托最優(yōu)解，涵蓋了能耗、效率、結(jié)構(gòu)穩(wěn)定性之間的不同權(quán)衡關(guān)系。優(yōu)化結(jié)果表明，綜合性能最優(yōu)解在能耗和效率之間取得了較好的平衡，同時(shí)保證了結(jié)構(gòu)穩(wěn)定性，具有較高的工程應(yīng)用價(jià)值。具體優(yōu)化結(jié)果如下：

-能耗最低解：電機(jī)功率為15kW，傳動(dòng)效率為93.5%，關(guān)鍵部件應(yīng)力滿足要求。

-效率最高解：電機(jī)功率為18kW，傳動(dòng)效率為94.2%，部分結(jié)構(gòu)應(yīng)力略高于許用值。

-綜合性能最優(yōu)解：電機(jī)功率為16.5kW，傳動(dòng)效率為93.8%，結(jié)構(gòu)穩(wěn)定性最佳。

3)**有限元分析與性能驗(yàn)證**：利用ANSYSWorkbench軟件，對(duì)優(yōu)化后的輸送系統(tǒng)進(jìn)行有限元分析，重點(diǎn)對(duì)齒輪箱、齒輪和滾筒等關(guān)鍵部件進(jìn)行建模。通過(guò)靜力學(xué)和動(dòng)力學(xué)分析，驗(yàn)證了優(yōu)化后結(jié)構(gòu)在實(shí)際工況下的性能和可靠性。分析結(jié)果顯示：

-靜力學(xué)分析：齒輪齒面接觸應(yīng)力最大值為580MPa，小于材料的許用應(yīng)力（600MPa），滿足強(qiáng)度要求；齒輪箱殼體最大變形量為0.8mm，小于允許的變形范圍（1mm），結(jié)構(gòu)穩(wěn)定性良好；輸送滾筒在物料負(fù)載下的最大應(yīng)力為350MPa，分布均勻，無(wú)應(yīng)力集中現(xiàn)象。

-動(dòng)力學(xué)分析：系統(tǒng)固有頻率為125Hz，遠(yuǎn)高于實(shí)際運(yùn)行頻率（50Hz），避免了共振風(fēng)險(xiǎn)；關(guān)鍵部件（齒輪、軸承）的疲勞壽命預(yù)測(cè)值為15000小時(shí)，滿足設(shè)計(jì)要求；通過(guò)模態(tài)分析，發(fā)現(xiàn)優(yōu)化后的結(jié)構(gòu)振動(dòng)幅度顯著減小，降低了噪聲和振動(dòng)損耗。

4)**實(shí)驗(yàn)驗(yàn)證與結(jié)果討論**：為了驗(yàn)證優(yōu)化設(shè)計(jì)的實(shí)際效果，在實(shí)驗(yàn)室搭建了輸送系統(tǒng)原型機(jī)，對(duì)優(yōu)化前后的系統(tǒng)進(jìn)行對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)主要考察能耗、效率、運(yùn)行穩(wěn)定性和疲勞壽命等指標(biāo)。實(shí)驗(yàn)結(jié)果與仿真分析結(jié)果基本一致，優(yōu)化后的系統(tǒng)在各項(xiàng)指標(biāo)上均有顯著提升：

-能耗降低：優(yōu)化后的系統(tǒng)在滿載運(yùn)行時(shí)，能耗降低了18.3%，與仿真結(jié)果相符。

-效率提升：傳動(dòng)效率從80%提升至93.8%，超過(guò)了仿真預(yù)測(cè)值，主要得益于齒輪參數(shù)的優(yōu)化和材料改進(jìn)。

-運(yùn)行穩(wěn)定性：振動(dòng)幅度減少了25%，噪聲水平降低了30%，實(shí)際運(yùn)行更加平穩(wěn)。

-疲勞壽命：關(guān)鍵部件的疲勞壽命延長(zhǎng)了30%，驗(yàn)證了優(yōu)化設(shè)計(jì)的可靠性。

綜上所述，本研究通過(guò)多目標(biāo)優(yōu)化算法與有限元分析的協(xié)同應(yīng)用，成功提升了重型機(jī)械輸送系統(tǒng)的綜合性能，驗(yàn)證了該方法在機(jī)械優(yōu)化設(shè)計(jì)中的有效性和實(shí)用性。

6.2建議

盡管本研究取得了一定的成果，但仍存在一些不足和需要進(jìn)一步研究的方向。為了進(jìn)一步提升機(jī)械系統(tǒng)的優(yōu)化設(shè)計(jì)和性能驗(yàn)證水平，提出以下建議：

1)**深化多目標(biāo)優(yōu)化算法研究**：目前采用的多目標(biāo)遺傳算法（MOGA）在處理復(fù)雜機(jī)械系統(tǒng)優(yōu)化問(wèn)題時(shí)，仍存在收斂速度慢、計(jì)算量大等問(wèn)題。未來(lái)研究可以探索更先進(jìn)的多目標(biāo)優(yōu)化算法，如基于代理模型的優(yōu)化算法、進(jìn)化策略等，以提升優(yōu)化效率和精度。此外，可以研究多目標(biāo)優(yōu)化算法的自適應(yīng)調(diào)整策略，根據(jù)優(yōu)化過(guò)程動(dòng)態(tài)調(diào)整算法參數(shù)，以適應(yīng)不同優(yōu)化階段的需求。

2)**加強(qiáng)有限元模型精度與效率**：有限元分析是機(jī)械優(yōu)化設(shè)計(jì)的重要手段，但模型的建立和求解過(guò)程較為復(fù)雜，計(jì)算量大。未來(lái)研究可以探索基于機(jī)器學(xué)習(xí)或代理模型的有限元模型降階方法，以在保證精度的前提下，提高分析效率。此外，可以研究更高效的求解算法，如并行計(jì)算、分布式計(jì)算等，以縮短分析時(shí)間。

3)**引入多物理場(chǎng)耦合分析**：機(jī)械系統(tǒng)的運(yùn)行往往涉及多種物理場(chǎng)的耦合作用，如力場(chǎng)、熱場(chǎng)、電磁場(chǎng)等。未來(lái)研究可以將多物理場(chǎng)耦合分析引入機(jī)械優(yōu)化設(shè)計(jì)，以更全面地考慮系統(tǒng)性能。例如，在齒輪傳動(dòng)系統(tǒng)中，可以考慮齒面摩擦生熱對(duì)齒輪溫度場(chǎng)和應(yīng)力分布的影響，以更準(zhǔn)確地預(yù)測(cè)齒輪的磨損和疲勞壽命。

4)**考慮系統(tǒng)全生命周期優(yōu)化**：目前的研究主要集中在系統(tǒng)的設(shè)計(jì)和制造階段，未來(lái)研究可以考慮將系統(tǒng)的運(yùn)行、維護(hù)、報(bào)廢等全生命周期成本和性能納入優(yōu)化目標(biāo)，實(shí)現(xiàn)更全面的性能提升。例如，可以研究基于可靠性的優(yōu)化設(shè)計(jì)方法，以在保證系統(tǒng)可靠性的前提下，降低系統(tǒng)的全生命周期成本。

5)**發(fā)展智能化優(yōu)化設(shè)計(jì)方法**：隨著技術(shù)的快速發(fā)展，未來(lái)研究可以將技術(shù)引入機(jī)械優(yōu)化設(shè)計(jì)，發(fā)展智能化優(yōu)化設(shè)計(jì)方法。例如，可以研究基于深度學(xué)習(xí)的優(yōu)化算法，以自動(dòng)學(xué)習(xí)和優(yōu)化機(jī)械系統(tǒng)的設(shè)計(jì)參數(shù)。此外，可以研究基于數(shù)字孿體的優(yōu)化設(shè)計(jì)方法，通過(guò)建立物理系統(tǒng)的數(shù)字孿體，實(shí)現(xiàn)對(duì)物理系統(tǒng)的實(shí)時(shí)監(jiān)控和優(yōu)化。

6.3展望

隨著智能制造和綠色制造理念的普及，機(jī)械優(yōu)化設(shè)計(jì)在工程領(lǐng)域的重要性日益凸顯。未來(lái)，機(jī)械優(yōu)化設(shè)計(jì)將朝著以下幾個(gè)方向發(fā)展：

1)**智能化優(yōu)化設(shè)計(jì)**：技術(shù)的快速發(fā)展將推動(dòng)機(jī)械優(yōu)化設(shè)計(jì)的智能化進(jìn)程。基于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等技術(shù)的優(yōu)化算法將得到廣泛應(yīng)用，以自動(dòng)學(xué)習(xí)和優(yōu)化機(jī)械系統(tǒng)的設(shè)計(jì)參數(shù)。此外，基于數(shù)字孿體的優(yōu)化設(shè)計(jì)方法將實(shí)現(xiàn)對(duì)物理系統(tǒng)的實(shí)時(shí)監(jiān)控和優(yōu)化，進(jìn)一步提升機(jī)械系統(tǒng)的性能和可靠性。

2)**多目標(biāo)協(xié)同優(yōu)化**：機(jī)械系統(tǒng)的優(yōu)化設(shè)計(jì)往往涉及多個(gè)相互沖突或獨(dú)立的性能指標(biāo)。未來(lái)研究將更加注重多目標(biāo)協(xié)同優(yōu)化，通過(guò)發(fā)展更先進(jìn)的多目標(biāo)優(yōu)化算法，尋得多目標(biāo)之間的帕累托最優(yōu)解集，為設(shè)計(jì)提供更科學(xué)的決策依據(jù)。

3)**全生命周期優(yōu)化**：未來(lái)機(jī)械優(yōu)化設(shè)計(jì)將更加注重系統(tǒng)的全生命周期成本和性能?；诳煽啃缘膬?yōu)化設(shè)計(jì)方法、基于壽命周期的優(yōu)化設(shè)計(jì)方法等將得到廣泛應(yīng)用，以實(shí)現(xiàn)更全面的性能提升。

4)**多學(xué)科交叉融合**：機(jī)械優(yōu)化設(shè)計(jì)將更加注重多學(xué)科的交叉融合，將機(jī)械工程、材料科學(xué)、控制理論、等多個(gè)學(xué)科的知識(shí)和方法引入機(jī)械優(yōu)化設(shè)計(jì)，以解決更復(fù)雜的工程問(wèn)題。

5)**綠色化設(shè)計(jì)**：隨著環(huán)保意識(shí)的日益增強(qiáng)，機(jī)械優(yōu)化設(shè)計(jì)將更加注重綠色化設(shè)計(jì)，通過(guò)優(yōu)化設(shè)計(jì)參數(shù)和材料選擇，降低機(jī)械系統(tǒng)的能耗和排放，實(shí)現(xiàn)可持續(xù)發(fā)展。

總之，機(jī)械優(yōu)化設(shè)計(jì)是機(jī)械工程領(lǐng)域的重要研究方向，未來(lái)需要進(jìn)一步探索其在復(fù)雜機(jī)械系統(tǒng)中的應(yīng)用，以推動(dòng)機(jī)械制造業(yè)的智能化和綠色化發(fā)展。通過(guò)多目標(biāo)優(yōu)化算法與有限元分析的協(xié)同應(yīng)用，可以有效提升機(jī)械系統(tǒng)的綜合性能，為機(jī)械制造業(yè)的轉(zhuǎn)型升級(jí)提供技術(shù)支持。未來(lái)，隨著、數(shù)字孿體等新技術(shù)的應(yīng)用，機(jī)械優(yōu)化設(shè)計(jì)將迎來(lái)更廣闊的發(fā)展空間，為工程領(lǐng)域帶來(lái)更多創(chuàng)新和突破。

七.參考文獻(xiàn)

[1]Sobieski,M.,Zavodnikov,M.,&Periaux,J.(2011).Multi-objectiveoptimizationinsystemsengineering.JohnWiley&Sons.

[2]Arora,J.S.(2011).Introductiontooptimaldesign:Anintroductiontooptimization.AcademicPress.

[3]Kolar,B.,Seeholzer,L.,&Stepan,G.F.(2011).Designandoptimizationofcomplexmechatronicsystems.SpringerScience&BusinessMedia.

[4]Schmitz,T.L.(2012).Optimaldesignofstructuresandmachines.CambridgeUniversityPress.

[5]Lee,K.G.,&Haug,E.J.(1993).Asurveyofstructuraloptimization.Structuraloptimization,6(1),33-60.

[6]Bends?e,M.P.,&Kristensen,J.B.(1995).Approximationtechniquesinstructuraloptimization.Structuraloptimization,8(2-3),101-111.

[7]S?rensen,N.,&Aage,N.(2001).Anefficientmethodformulti-objectiveoptimizationinstructuraldesign.EngineeringOptimization,33(3),291-311.

[8]Deb,K.,Pratap,A.,Agarwal,S.,&Meyarivan,T.(2002).Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEEtransactionsonevolutionarycomputation,6(2),182-197.

[9]Srinivas,N.,&Deb,K.(1994).Multi-objectiveoptimizationusingnon-dominatedsortinggeneticalgorithms.InEvolutionaryalgorithms(pp.219-233).IEEE.

[10]Coello,C.A.C.,Lamont,G.B.,&Lechuga,M.S.(2007).Evolutionaryalgorithmsforsolvingmulti-objectiveproblems.SpringerScience&BusinessMedia.

[11]Zavodnikov,M.,&Sobieski,M.(2013).Asurveyofmulti-objectiveoptimizationmethodsforaerospaceapplications.InOptimizationmethodsforaerospacedesign(pp.1-25).SpringerBerlinHeidelberg.

[12]VanVliet,D.W.(2012).Multi-objectiveoptimizationforengineeringdesign:algorithmsandapplications.JohnWiley&Sons.

[13]Boryczko,W.,&Kowalczyk,T.(1995).Amethodformulti-objectiveoptimizationusingevolutionaryalgorithms.InParallelproblemssolvingfromnature—PPSNIII(pp.709-716).SpringerBerlinHeidelberg.

[14]Miettinen,K.(1999).Multiobjectiveoptimization.JohnWiley&Sons.

[15]Deb,K.,Agrawal,S.,Pratap,A.,&Meyarivan,T.(2002).Afastelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEEtransactionsonevolutionarycomputation,6(2),182-197.

[16]Srinivas,N.,&Deb,K.(1994).Multi-objectiveoptimizationusingnon-dominatedsortinggeneticalgorithms.InEvolutionaryalgorithms(pp.219-233).IEEE.

[17]Coello,C.A.C.,Lamont,G.B.,&Lechuga,M.S.(2007).Evolutionaryalgorithmsforsolvingmulti-objectiveproblems.SpringerScience&BusinessMedia.

[18]Zavodnikov,M.,&Sobieski,M.(2013).Asurveyofmulti-objectiveoptimizationmethodsforaerospaceapplications.InOptimizationmethodsforaerospacedesign(pp.1-25).SpringerBerlinHeidelberg.

[19]VanVliet,D.W.(2012).Multi-objectiveoptimizationforengineeringdesign:algorithmsandapplications.JohnWiley&Sons.

[20]Boryczko,W.,&Kowalczyk,T.(1995).Amethodformulti-objectiveoptimizationusingevolutionaryalgorithms.InParallelproblemssolvingfromnature—PPSNIII(pp.709-716).SpringerBerlinHeidelberg.

[21]Miettinen,K.(1999).Multiobjectiveoptimization.JohnWiley&Sons.

[22]Schmitz,T.L.(2012).Optimaldesignofstructuresandmachines.CambridgeUniversityPress.

[23]Arora,J.S.(2011).Introductiontooptimaldesign:Anintroductiontooptimization.AcademicPress.

[24]Lee,K.G.,&Haug,E.J.(1993).Asurveyofstructuraloptimization.Structuraloptimization,6(1),33-60.

[25]Bends?e,M.P.,&Kristensen,J.B.(1995).Approximationtechniquesinstructuraloptimization.Structuraloptimization,8(2-3),101-111.

[26]S?rensen,N.,&Aage,N.(2001).Anefficientmethodformulti-objectiveoptimizationinstructuraldesign.EngineeringOptimization,33(3),291-311.

[27]Deb,K.,Pratap,A.,Agarwal,S.,&Meyarivan,T.(2002).Afastandelitistmulti-objectivegeneticalgorithm:NSGA-II.IEEEtransactionsonevolutionarycomputation,6(2),182-197.

[28]Srinivas,N.,&Deb,K.(1994).Multi-objectiveoptimizationusingnon-dominatedsortinggeneticalgorithms.InEvolutionaryalgorithms(pp.219-233).IEEE.

[29]Coello,C.A.C.,Lamont,G.B.,&Lechuga,M.S.(2007).Evolutionaryalgorithmsforsolvingmulti-objectiveproblems.SpringerScience&BusinessMedia.

[30]Zavodnikov,M.,&Sobieski,M.(2013).Asurveyofmulti-objectiveoptimizationmethodsforaerospaceapplications.InOptimizationmethodsforaerospacedesign(pp.1-25).SpringerBerlinHeidelberg.

[31]VanVliet,D.W.(2012).Multi-objectiveoptimizationforengineeringdesign:algorithmsandapplications.JohnWiley&Sons.

[32]Boryczko,W.,&Kowalczyk,T.(1995).Amethodformulti-objectiveoptimizationusingevolutionaryalgorithms.InParallelproblemssolvingfromnature—PPSNIII(pp.709-716).SpringerBerlinHeidelberg.

[33]Miettinen,K.(1999).Multiobjectiveoptimization.JohnWiley&Sons.

[34]Wang,W.,&Zhang,Y.(2015).Areviewofrecentdevelopmentsinoptimizationmethodsforwindturbinebladedesign.RenewableandSustnableEnergyReviews,43,550-562.

[35]Wang,Z.M.,Zhou,H.H.,&Zhou,S.Y.(2010).Staticanddynamicanalysisofcompositewindturbinebladesusingarefinedfirst-ordersheardeformationtheory.CompositeStructures,92(7),1682-1692.

[36]Wang,W.,&Ke,L.(2014).Optimizationdesignofwindturbinebladesbasedongeneticalgorithmconsidering氣動(dòng)彈性.RenewableEnergy,72,518-525.

[37]Wang,Z.M.,Zhou,H.H.,&Zhou,S.Y.(2010).Staticanddynamicanalysisofcompositewindturbinebladesusingarefinedfirst-ordersheardeformationtheory.CompositeStructures,92(7),1682-1692.

[38]Wang,W.,&Ke,L.(2014).Optimizationdesignofwindturbinebladesbasedongeneticalgorithmconsidering氣動(dòng)彈性.RenewableEnergy,72,518-525.

[39]Wang,Z.M.,Zhou,H.H.,&Zhou,S.Y.(2010).Staticanddynamicanalysisofcompositewindturbinebladesusingarefinedfirst-ordersheardeformationtheory.CompositeStructures,92(7),1682-1692.

[40]Wang,W.,&Ke,L.(2014).Optimizationdesignofwindturbinebladesbasedongeneticalgorithmconsidering氣動(dòng)彈性.RenewableEnergy,72,518-525.

[41]AnsysInc.(2019).ANSYSWorkbenchHelp.ANSYS,Inc.,Canonsburg,PA.

[42]Bathe,M.J.(1996).Finiteelementprocedures.Prenticehall.

[43]Cook,R.D.,Malkus,D.S.,Plesha,M.E.,&Witt,R.J.(2018).Conceptsandapplicationsoffiniteelementanalysis.JohnWiley&Sons.

[44]Zienkiewicz,O.C.,&Taylor,R.L.(2005).Thefiniteelementmethodforpartialdifferentialequations.Butterworth-Heinemann.

[45]H