基于神经网络的汽车主减速器混合遗传算法模糊优化设计外文翻译资料

基于神经网络的汽车主减速器混合遗传算法模糊优化设计

摘要：驱动桥的结构和尺寸会影响到汽车的动力性和经济性，因此需要采用最优化的方法来设计汽车主减速器。考虑到设计参数随机特性和承载能力，需要建立了模糊数学优化模型使用在汽车驱动桥上是齿轮体总和最小。削减最佳水平通常能够使用第二等的综合评价方法。因此模糊优化方法被转化为普通的优化方法。考虑到传统的优化方法所造成的低效率和局部最优的问题，我们将混合遗传算法运用到建立优化模型上，而且神经网络方法也被运用来保证模型能协同合作。所以能够简化优化过程和可靠地获得全局最优化值。

关键词：汽车主减速器，模糊优化，遗传算法，神经网络

1.引言：

汽车主减速器的功用是将万向传动装置输入的动力减速增矩，单级主减速器被应用在许多汽车上，它的结构是圆锥齿轮，具有结构紧凑，传动效率高和高速性能。驱动桥的结构尺寸对汽车的动力性和经济性有很大影响，因此对主减速器进行优化设计是十分重要的。但考虑到传统的优化方法所造成的低效率和在寻解过程中容易陷入局部最优解的问题，我们在神经网络的基础上将混合遗传算法运用到建立优化模型上，能够使寻优过程获得简化，获得可靠的全局最优化值。

2.遗传算法准则：

遗传算法解决优化问题的方法是基于达尔文进化论中自然选择原理的，能通过适者生存不适者和优胜劣汰的法则，不断演化出最优解，。在每一步中，遗传算法根据体适应度来选择个体，，并使用遗传算子来进行各种组合。通过连续数代，解集朝着最优的方向优化。

遗传算法在每一步中使用三种主要类型的规则来从当前人口中创造下一代。1.选择规则挑选成为父母的人，他们能创造下一代.

2.交叉规则组合两个家长形成孩子的下一代.

3.突变规则随机变化应用到个人形成孩子的父母 .

遗传算法不同于标准的优算方法总结在两个主要方面：1.在每一代中会产生人口点，而且这个人口数量趋于最优解2.通过计算选择下一代人口数量，并且计算中涉及到自由选择。因此可以·运用遗传算法可以被运用来解决各种标准优化方法不适合的优化问题，包括目标函数不连续，不可微分，随机，高度非线性化的问题。

3.汽车驱动桥的优化模型

设计样例：单级主减速器采用单级圆柱齿轮传动，被广泛在车辆上，·已主要参数如下:输入扭矩Tl = 1 00 n·m,齿3.汽车驱动桥的优化模型

设计样例：单级主减速器采用单级圆柱齿轮传动，被广泛在车辆上，·已主要参数如下:输入扭矩Tl = 1 00 n·m,齿轮传动比u = 4.33,工作负荷系数k = 1.08。双向传输,不对称的安排、质量等级8,齿轮材料及其热处理:40度,调质的小齿轮，规范化，210HBS的齿轮其热处理:40度,调质的小齿轮，规范化，210HBS的齿轮

图1.减速器齿轮传动

3.1.目标函数的确定

为了能保证主减速器的结构紧凑，重量轻，成本小，目标函数应该确定为主减速器齿轮组节圆柱的体积，并且使其趋向于最小值。图1中D1，D2和B分别是小齿轮和齿轮的节圆直径和齿轮的齿宽，所以主减速器节圆柱体积和为

M-齿轮的模数

-齿面宽度因数

Z1-小齿轮的齿数

3.2选择设计变量

根据目标函数方程，Z1,m,,应该被作为设计变量。

3.3建立模糊约束函数

考虑到设计参数和一些其他因数取值的随机性，而且他们的取值是非常模糊的，比如承载受力和材料等级，所以我们需要建立模糊约束，包括属性和边界约束。

1.限制主减速器主动齿轮齿数；

2.限制齿轮的模数；

3.齿轮表面宽度的限制因数

4.齿轮接触疲劳强度的模糊约束

Z_E-材料的弹性系数，Z_E=radic;Mpa;

Z_E-空间系数，Z_H=2.5;

Z_M-齿轮传动比系数，Z_M=radic;1 1/u

3.4齿轮弯曲疲劳强度的约束

-齿轮弯曲疲劳强度

-齿轮弯曲疲劳强度极限

Y_F-齿轮的齿形系数

Y_S-齿轮齿的应力集中系数

5.神经网络训练曲线

人工神经网络，也被叫做神经网络（NNs），是通过模拟生物神经网络来进行信息处理的数学模型。它以大脑的生理研究成果做为基础，想模拟大脑的某些机理与机制，来实现某些特定的功能。目前，人工神经网络在很多领域广泛应用。神经网络有很好的的并行结构，并行实现能力，可以很快找到优化解。我们可以由前面数学模型可知，齿轮传动设计中有很多待求系数，如果我们要将这些系数程序化会非常复杂.但是我们如果用 BP 神经网络来实现这些曲线的插值的程序化，非常方便有效，而且拟合速度快和光滑性好，容错能力也好。

我们在小齿轮齿数 z₁ 和齿根应力集中系数 Y_S1 的曲线中选用一些离散点作为训练样本用于网络训练，通过应用 Matlab 神经网络工具箱，并且采用快速 BP 算法训练网络，从而得出网络权值和阀值，最终调用仿真函数计算样本的输出值。程序如下^[2]:

6.运用混合遗传求解数学优化模型

全局算法是已知的，一旦最佳区域是它们较慢地收敛到真实全局最优例如，遗传算法收敛到具有较少数目的函数评价的最佳区域，但是达到真正的全局最优，采取大量的附加函数评价。对于昂贵的目标函数评价像本研究中使用的那样，这意味着计算能力的浪费。

遗传算法调用的这个缺点可以通过组合它来解决，基于局部梯度的算法，它们以它们更快的收敛而闻名。这种混合方法提高了算法的效率避免了需要为基于导数的方法指定一个良好的初始点。一种混合算法组合遗传算法和局部算法

成功解决许多类型的优化问题的关键之一是选择最适合的方法

问题。遗传算法和直接搜索工具箱是一个集合延伸的功能优化工具箱和MATLAB @数值计算环境。遗传算法工具箱包括使用遗传算法解决优化问题的例程直接搜索。这些算法使您能够解决a各种优化问题，超出了标准优化工具箱的范围

首先，具有惩罚项的适应度函数由具有加法类型的惩罚策略和适应度函数构建

在MATLAB语言中编程，以上神经网络程序拟合蜗轮轮齿的轮廓因子

回顾，然后非线性约束函数编程和解算器函数的遗传算法工具箱当人口规模较大时，认为搜索次数非常多当再次实现设定工作精度时，BFGS准牛顿法被自动调用，并且混合遗传算法，因此迭代次数大大减少，很大程度上运行效率高增强.

7.结语

这篇文章讨论了遗传算法和神经网络方法的可行性，相比较传统优化算法，这个新算法的目标函数的优化值比原来少6.37%。因此我们看到遗传算法是所有非光滑问题的有效解决。我们发现混合遗传算法再结合模糊逻辑，神经网络，能够有效解决问题并且找到更准确的答案。

一种简单稳健的弧齿锥齿轮生成和齿面接触分析的方法

Julien Astoul·Jeacute;rocirc;me Geneix·Emmanuel Mermoz·Marc Sartor

摘要：本文介绍了一种简单的，直接的方法来模拟和生成锥齿轮啮合过程。在文中的第一部分，基于Fong的方法建立了一个准双曲面齿轮齿面数学模型，模型考虑了所有加工准双曲面齿轮的普通数控机床的运动学运动。这就足够来模拟各种准双曲面齿轮的加工方法。在本文中只展示了弧齿锥齿轮的生成，而且我们所展现的结果与认证过的软件所得出的结果一致。在第二部分中，一种简单，数值稳定的算法被用于分析卸载齿面接触分析，这种仿真方法是基于两个齿腹表面接触和特定的投影点，而且它给了一个好的近似接触模式的位置。接触点位置的准确性和计算时间直接依赖于齿轮啮合。然而，这方法能够在非常短的时间内充分获得精确的结果满足设计师的需求，特别是在初步设计阶段，相对于有相对位移的齿轮。

关键词：弧齿锥齿轮，准双曲面齿轮，齿轮表面，齿面接触分析，数学模型

1.引言

螺旋锥齿轮包括许多高技术。但是由于相对复杂的几何形状，所以需要进行连续的努力以简化设计和制造过程。锥齿轮性能的改进依赖于分析和控制的方法。，从设计的最初阶段要实现数值工具构建，将被加工的表面的准确表示仍然是重要的研究领域。我们有很多方法来处理这个问题，当我们考虑到精度，可靠性和成本时，我们的选择将会有有积极的结果。这时候需要开发一种简单，稳健和通用的方法来分析锥齿轮齿面接触。

大量的文献提供了许多涉及螺旋斜面和准双曲面齿轮生成的论文，但是这些论文中大多数方法都是基于关于齿轮表面包络的理论。 Litvin ^[17]详细描述了理论的齿轮这种方法，这种方法涉及复杂的几何形状和相对运动，而且依赖于使用的参考系统。 Di Puccio ^[1,2]表明理论可以在没有任何依据的情况下制定齿轮传动装置系统。这种不变方法完全基于几何概念。例如，Di Puccio ^[3]和Gabiccini ^[9]应用这种新方法生成螺旋斜角准双曲面齿轮。而 Dooner ^[4,5]采用齿轮理论的另一种方法：螺钉理论。用于螺旋斜面和准双曲面齿轮的各种制造工艺。 Litvin ^[12]是首先开发了一种计算机模拟螺旋锥齿轮加工工艺。他认为格里森技术中每个齿由工具工作包络产生。后来，Litvin ^[13]提出了Gleason Phoenix数控机床的数值模型。林^[10]提出了一个模型由四个组件组成的理论。第一部分是介绍几何刀具。第二个部分是提出了修改的roll方法。第三个部分是介绍工具和工件之间的运动学关系。第四个介绍了齿轮啮合的方程。 Fong ^[8]提出了一种更容易开发通用准双曲面齿轮模型的数学方法，尽管它很简单，但是它能模拟了大多数现有流程。

Litvin ^[11]早期关于螺旋锥齿轮传动的研究的聚焦于理论模型，这些假想的共轭表面比实际的更简单啮合运动对侧翼形状非常敏感。模拟螺旋锥齿轮加工过程是获得精确的良好的轮齿和好的接触位置的计算的唯一途径。因此，Litvinet al。 ^[14-16]制定了一种直接与物理机床运动相关运动轮齿接触方法。 Vogel ^[21]提出了一种同样直接依靠数学模型的方法。研究和模拟齿轮的接触点的生成。然而，它需要许多非线性方程的数学解决方法，而且不稳定，不能简化收敛管理。 Fan ^[6,7将他的模型概括为面铣和面滚过程。他建议减少要考虑的非线性方程的数量，来提高啮合仿真算法的稳定性。他的方法的核心是通过在每个阶段求解五个非线性方程组成的系统来确定接触点的位置。其中三个意味着小齿轮和齿轮齿面的精确重合，另外两个涉及配合齿面之间的切线。他们形式化接触点存在条件。 Sheveleva ^[18]提出了一种基于检查两个配合之间的距离场齿面的算法。这种方法避免了必须求解重非线性方程组。 Vimercati ^[20]运用低扭矩的有限元的方法，但是计算时间较长。

而且作为定义在这篇论文里的最简单的方法，该算法非常稳定，并给出快速良好地近似齿轮啮合接触位置，而且精度和计算时间之间的平衡是可调的，所以这种算法使复杂性大大降低。

图1.刀具横截面几何形状

图2.刀具表面参数化

目标是精确地根据机床设置的直接优化实现螺旋锥齿轮的自动改进。

第一，使用数学建模方法使螺旋斜齿轮齿面的公称表面加工详细。 这种方法是基于Fong的方法[8]。它使得能够减少必须的求解方程的数量减少。 在本文中，明确强调简化过程的重要性。 它们使开发过程和算法收敛管理更容易。 第二，提出了网格划分模拟算法。 这种一般的方法类似于Sheveleva的[18]，但计算方法不同。 在本文中，当Sheveleva使用内插法时从生成的点执行测量距离。 距离测量值的精度会更高。 这种方法很简单和直接。

2.螺旋锥齿轮

2.1 数学模型

2.11工具设置

这个作为齿面生成的基础工具由旋转表面构成。 其横截面如图1所示。 1内侧和外侧刀具侧面（IB和OB。 1）分别产生凸和凹齿面。 刀具侧面由三部分组成，它的配置文件是圆锥形或环形表面，而且它可以加工牙齿侧翼轮廓。 如图1所示。 1，可以是凹，直或凸。 该点是凸环面，

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[138470]，资料为PDF文档或Word文档，PDF文档可免费转换为Word