曲轴的加工工艺及夹具设计外文翻译

毕业设计外文翻译题目曲轴的加工工艺及夹具设计学院航海学院专业轮机工程学生佟宝诚学10960123指导教师彭中波重庆交通大学2014年ProceedingsofIMECE20082008ASMEInternationalMechanicalEngineeringCongressandExpositionOctober31-November6,2008,Boston,Massachusetts,USAIMECE2008-67447MULTI-OBJECTIVESYSTEMOPTIMIZATIONOFENGINECRANKSHAFTSUSINGANINTEGRATIONAPPROACHAlbertAlbers/IPEKInstituteofProductDevelopmentUniversityofKarlsruheGermanyNoelLeon/CIDyTCenterforInnovationandDesignMonterreyInstituteofTechnology,MexicoHumbertoAguayo/CIDyTCenterforlnnovationandDesign,MonterreyInstituteofTechnology,MexicoThomasMaier/IPEKInstituteofProductDevelopmentUniversityofKarlsruheGermanyABSTRACTTheeverincreasingcomputercapabilitiesallowfasteranalysisinthefieldofComputerAidedDesignandEngineering(CAD&CAE).CADandCAEsystemsarecurrentlyusedinParametricandStructuralOptimizationtofindoptimaltopologiesandshapesofgivenpartsundercertainconditions・Thispaperdescribesageneralstrategytooptimizethebalanceofacrankshaft,usingCADandCAEsoftwareintegratedwithGeneticAlgorithms(GAs)viaprogramminginJava.Anintroductiontothegroundingsofthisstrategyismadeamongdifferenttoolsusedforitsimplementation.Theanalyzedcrankshaftismodeledincommercialparametric3DCADsoftware・CADisusedforevaluatingthefitnessfunction(thebalance)andtomakegeometricmodifications.CAEisusedforevaluatingdynamicrestrictions(theeigenfrequencies).AJavainterfaceisprogrammedtolinktheCADmodeltotheCAEsoftwareandtothegeneticalgorithms.Inordertomakegeometrymodificationstoourcasestudy,itwasdecidedtosubstitutetheprofileofthecounterweightswithsplinesfromitsoriginaluarc-shapedMdesign・Tlievariationofthesplinedprofileviacontrolpointsresultsinanimbalanceresponse.Theimbalanceofthecrankshaftwasdefinedasanindependentobjectivefunctionduringafirstapproach,followedbyaParetooptimizationoftheimbalancefrombothcorrectionplanes,plusthecurvatureoftheprofileofthecounterweightsasrestrictionsformaterialflowduringforging.Thenaturalfrequencywasconsideredasanadditionalobjectivefunctionduringasecondapproach・TheoptimizationprocessrunsfullyautomatedandtheCADprogramisonholdwaitingfornewsetofparameterstoreceiveandprocess,savingcomputingtime,whichisotherwiselostduringtherepeatedstartupofthecadapplication.Thedevelopmentofenginecrankshaftsissubjecttoacontinuousevolutionduetomarketpressures・Fastmarketdevelopmentspushtheincreaseofpower,fueleconomy,durabilityandreliabilityofcombustionengines,andcallsforreductionofsize,weight,vibrationandnoise,cost,etc.Optimizedenginecomponentsarethereforerequiredifcompetitivedesignsmustbeattained.Duetothisconditions,crankshafts,whichareoneofthemostanalyzedenginecomponents,arerequiredtobeimproved[1].Oneoftheseimprovementsreliesonmaterialcomposition,ascompaniesthatdevelopcombustionengineshaveexpressedtheirintentionstochangeactualnodularsteelcrankshaftsfromtheirengines,toforgedsteelcrankshafts・Anotherimportantdirectionofimprovementistheoptimizationofitsgeometricalcharacteristics.Inparticularforthispaperistheimbalance,firstEigen-frequencyandtheforge-ability.Analyticaltoolscangreatlyenhancetheunderstandingofthephysicalphenomenaassociatedwiththementionedcharacteristicsandcanbeautomatedtodoprogrammedtasksthatanengineerrequiresforoptimizingadesign[2].Thegoalsofthepresentresearchare:toconstructastrategyforthedevelopmentofenginecrankshaftsbasedontheintegrationof:CADandCAE(ComputerAidedDesign&Engineering)softwaretomodelandevaluatefunctionalparameters,GeneticAlgorithmsastheoptimizationmethod,theuseofsplinesforshapeconstiuctionandJavalanguageprogrammingforintegrationofthesystems.Structuraloptimizationundertheseconditionsallowscomputerstoworkinanautomatedenvironmentandthedesignertospeedupandimprovethetraditionaldesignprocess・Thespecificrequirementstobesatisfiedbythestrategiesare:ApproachthetargetofimbalanceofaV6enginecrankshaft,withoutaffectingeitheritsweightoritsmanufacturability.Developinterfaceprogrammingthatallowsintegrationofthedifferentsoftware:CADformodelingandgeometricevaluations,CAEforsimulationanalysisandevaluation,GeneticAlgorithmsforoptimizationandsearchforalternatives・Obtainnewdesignconceptsfortheshapeofthecounterweightsthathelpthedesignertodevelopabettercrankshaftintermsoffunctionalitymorerapidlythanwiththeuseofa"manual"approachShapeoptimizationwithgeneticalgorithmsGeneticAlgorithms(GAs)areadaptiveheuristicsearchalgorithms(stochasticsearchtechniques)basedontheideasofevolutionarynaturalselectionandgenetics[3]・Shapeoptimizationbasedongeneticalgorithm(GA),orbasedonevolutionaryalgorithms(EA)ingeneral,isarelativelynewareaofresearch.ThefoundationsofGAscanbefoundinafewarticlespublishedbefore1990[4]・After1995alargenumberofarticlesaboutinvestigationandapplicationshavebeenpublished,includingagreatamountofGA-basedgeometricalboundaryshapeoptimizationcases.Theinteresttowardsresearchinevolutionaryshapeoptimizationtechniqueshasjuststartedtogrow,includingoneofthemostpromisingareasforEA-basedshapeoptimizationapplications:mechanicalengineering・Thereareapplicationsforshapedeterminationduringdesignofmachinecomponentsandforoptimizationoffunctionalperformanceofthesethecomponents,e.g.antennas[5],turbineblades[6],etc.Intheieldofmechanicalengineering,methodsforstructuralandtopologicaloptimizationbasedonevolutionaryalgorithmsareusedtoobtainoptimalgeometricsolutionsthatwerecommonlyapproachedonlybycostlyandtimeconsumingiterativeprocess・Someexamplesarethecomputerdesignandoptimizationofcamshapesfordieselengines[7].Inthiscasetheobjectiveofthecamdesignwastominimizethevibrationsofthesystemandtomakesmoothchangestoasplinedprofile・Inthisarticletheshapeoptimizationofacrankshaftisdiscussed,withfocusonthegeometricaldevelopmentofthecounterweights.TheGAsareintegratedwithCADandCAEsystemsthatarecurrentlyusedinParametricandStructuralOptimizationtofindoptimaltopologiesandshapesofgivenpartsundercertainconditions・AdvancedCADandCAEsoftwarehave什ieirownoptimizationcapabilities,butareoftenlimitedtosomelocalsearchalgorithms,soitisdecidedtousegeneticalgorithms,suchasthoseintegratedinDAKOTA(DesignAnalysisKitforOptimizationApplications)[8]developedatSandiaLaboratories.DAKOTAisanoptimizationframeworkwiththeoriginalgoalofprovidingacommonsetofoptimizationalgorithmsforengineerswhoneedtosolvestructuralanddesignproblems,includingGeneticAlgorithms.Inordertomakesuchintegration,itisnecessarytodevelopaninterfacetolinktheGAstotheCADmodelsandtotheCAEanalysis.Thispaperpresentsanapproachtothistaskanalsosomeapproachesthatcanbeusedtobuildupastrategyoncrankshaftdesignanddevelopment.Multi-objectiveconsiderationsofcrankshaftperformanceThecrankshaftcanbeconsideredanelementfromwheredifferentobjectivefunctionscanbederivedtoformanoptimizationproblem.Theyrepresentfunctionalitiesandrestrictionsthatareanalyzedwithsoftwaretoolsduringthedesignprocess・Theseobjectivefunctionaretobeoptimized(minimizedormaximized)byvariationofthegeometry.Theselectedgoalofthecrankshaftdesignistoreachtheimbalancetargetandreducingitsweightand/orincreasingitsfirsteigenfrequency・Thedesignofthecrankshaftisinherentlyamultiobjectiveoptimization(MO)problem・Theimbalanceismeasuredinbothsidesofthecrankshaftsotheproblemistooptimizethecomponentsofavector-valuedobjectivefunctionconsistingofbothimbalances[9].Unlikethesingle-objectiveoptimization,thesolutiontothisproblemisnotasinglepoint,butafamilyofpointsknownasthePareto-optimalset.Eachpointinthissetisoptimalinthesensethatnoimprovementcanbeachievedinoneobjectivecomponentthatdoesnotleadtodegradationinatleastoneoftheremainingcomponents[10].Theobjectivefunctionsofimbalancearealsohighlynonlinear.Auxiliaryinformation,likethederivativesoftheobjectivefunction,isnotavailable.Thefitness-functionisavailableonlyintheformofacomputermodelofthecrankshaft,notinanalyticalform.Sinceingeneralourapproachrequirestakingtheobjectivefunctionasablackbox,andonlytheavailabilityoftheobjectivefunctionvaluecanbeguaranteed,nofurtherassumptionswereconsidered・ThePareto-basedoptimizationmethod,knownastheMultipleObjectiveGeneticAlgorithm(MOGA)[11],isusedinthepresentMOproblem,tofindingtheParetofrontamongthesetwofitnessfunctions.IllGA's,thenaturalparametersetoftheoptimizationproblemiscodedasafinite-lengthstring.Traditionally,GAIusebinaiynumberstorepresentsuchstiings:astringhasafinitelengthandeachbitofastringcanbeeither0or1.Bymaintainingapopulationofsolutions,GA'scansearchformanyPareto-optimalsolutionsinparallel.TliischaracteristicmakesGA，sveiyattractiveforsolvingMOproblems.TliefollowingtwofeaturesaredesiredtosolveMOproblemssuccessfully:thesolutionsobtainedarePareto-optimalandtheyareuniformlysampledfromthePareto-optimalset.NOMENCLATURECAD:ComputerAidedDesign;GAs:GeneticAlgorithms;EA:EvolutionaryAlgorithms;MO:Multi-objective;MOGA:Multi-objectiveGeneticAlgorithm;CW:Counterweight;FEM:FiniteElementMethod.OPTIMIZATIONOFBALANCEWITHGEOMETRICAL

Imbalanceoforiginaldesign—CorrectionArea ■Correct!onplaneatCW1side▲CorrectionplaneatCW9side targetscale:g-cmFig.1:ImbalancegraphfromtheoriginalcrankshaftDesignCrankshaftshapeparameterizationInordertomakegeometrymodificationsitisdecidedtosubstitutethecurrentshapedesignofthecrankshaftunderanalysis,fromtheonginaluarc-shaped^designrepresentationofthecountenveighfsprofile,toaprofileusingsplinecurvesThefigure2showsacounterweightprofileofthecrankshaft・Fig.2:ProfileofacounterweightrepresentedbyasplineOptimizationStrategiesThegeneralprocedureofthestrategyisdescribedbelow・DuringtheoptimizationlooptheCADsoftwareisautomaticallycontrolledbyanoptimizationalgorithm,i.e.byaGeneticAlgorithms(GA).TheycoordinatesofthecontrolpointsthatdefinethesplinedprofileofthecrankshaftcanbeparametricallymanipulatedthankstoaninterfaceprogrammedinJAVA.Thesplinedprofilesallowshapestobechangedbygeneticalgorithmsbecausethecodifiedcontrolpointsofthesplinesplaytheroleofgenes.TheJavainterfaceallowstheCADsoftwaretoruncontinuallywiththecrankshaftmodelloadedinthecomputermemory,sothateverytimeanindividualisgeneratedthegeometryautomaticallyadaptstothenewsetofparameters.a)CW1 c)CW8b)CW2 d)CW9Fig.3:ProfileShapesofCW1,CW2,CW8andCW9fromanindividualintheParetoFrontierAcorrespondingconstrainttotheoptimizationstrategyisformulatednext.Anadditionalobjectivefunctionwasadded:themeasureofthecurvatureofallthesplinesfromtheprofilesofcounterweights.Asitisknown,thecurvatureisthe

inverseoftheradiusofaninscribedcircleofthecurve.InthiscaseitwasdecidedtointegrateintothegeometrytherequiredinscribedcirclesandanalysisfeaturestoextractthemaximumcurvaturealongtheprofilesofthefourvaryingOEM"•IM4*细ornw?OEM"•IM4*细ornw?ong：gz50IIQW2a)beforec)afterimprovementFig.4:CurvatureinCW9profileshowinganimprovedCurvatureInthesecondpartofthispaperanadditionalevaluationisgoingtobeintroduced:thedynamicresponseofthecrankshaftinordertocontrolthefirsteigenfrequency,withtheaimofnotaffectingtheweight.Asinthisfirstapproach,theGAisgoingtobeusedtoproduceautomaticallyalternativecrankshaftshapesfortheFEMsimulatorprogram,torunthesimulator,andfinallytoevaluatethecountenveighfsshapesonthebasisoftheFEMoutputdata・SUMMARYANDCONCLUSIONSTheuseoftheJavainterfaceallowedtheintegrationofthegeneticalgorithmtotheCADsoftware,inthefirstpartofthepaper,anoptimizationoftheimbalanceofacrankshaftwasperformed.ItwaspossiblethedevelopmentofaParetofrontiertofindtheclosest-to-targetindividual.Buttheshapesofthecounterweightswerenotsosuitableforforging,forthatreasonitwasnecessarytointroduceanadditionalobjectivefunctiontoimprovethecurvatureofthecounterweightsprofile・AfurtherintegrationwiththeCAEsoftware,asdescribedinthesecondpart,wasperformed.Itwaspossibletoimprovesomeshapesofthecrankshaftbutwithnotsogoodimbalanceresults.Thedevelopmentofanewgraphwiththeadditionalfirsteigen-frequencyobjectivewasplotted,fromwhichimportantconclusionswereextracted:Itisnecessarytopreventthesharpedgesofthecounterweightsshapebyaddingextrarestrictionsascurvatureofshapes・Simulationoftheforgingprocessisrequiredinordertodefinearelationshipbetweengoodshapes-curvatureandmanufacturability.Thisbecomessignificantlyimportantwhenaproposeddesignoutsidetheinitialshaperestrictionsneedstobejustifiedinordernottoaffectforgeability.ThispaperdefinedthebasisandthebeginningofastrategyfordevelopingcrankshaftsthatwillincludethemanufacturabilityandfunctionalitytocompileawholeMultiobjectiveSystemOptimization.ACKNOWLEDGMENTSTheauthorsacknowledgethesupportreceivedfromTecnologicodeMonterreythroughGrantNo.CAT043tocarryouttheresearchreportedinthispaper.REFERENCES乙P.Mourelatos,crankshaftsystemmodelforstructuraldynamicanalysisofinternalcombustionengines/'Computers&Structures,vol.79,200Lpp.2009-2027.P.Bentley,Evolutionary'DesignbyComputers,USA:MorganKaufmann,1999.D・E・Goldberg・GeneticAlgorithmsinSearch.OpiimizutionandMachineLeanung.USA:Addison-WesleyLongmanPublishingCo.,1989.C.A.CoelloCoello,"AComprehensiveSurveyofEvolutionary-BasedMulti-objectiveOptimizationTechniques,"KnowledgeandInformationSystems,vol.l,1999.pp.129-156.B.E.Cohanim.J.N.Hewitt,andO.deWeek."ThdDesignofRadioTelescopeArrayConfigurationsusingMultiobjectiveOptimization:ImagingPerformanceversusCableLength"astro-pii/0405J83.2004・pp.1-42;Olhofcr.YaochuJin,andB.Sendhoff.'Adaptn-eencodingforaerodynamicshapeoptimizationusingevolutionstrategies/EvolutionaryComputation,Seoul:200Lpp.576-583.J.Landmen."Cainshapeoptimizationbygeneticalgonthm/Computer-AidedDesign,vol.35,2003,pp.727-737・M.Eldredetal.,DAKOTA,AMultilevelParallelObject-OnentedFrameworkforDesignOptimization,ParameterEstimation,UncertaintyQuantification,anclSensitivityAnalysis・ReferenceManual.USA:SandiaLaboratories,2002.Y.Kaiigetal.,"Anaccuracyimprovementforbalancingcrankshafts/'MechanismandMachineTheory、vol.3&2003,pp.1449-1467.S.Obayashi.T.Tsiikahara,andT.Nakamiira/fcMultiobjectivegeneticalgontlmiappliedtoaerodynamicdesignofcascadeairfbils^IndustrialElectronics,IEEETransactionson.vol.47,2000.pp.211-216.CM.FonsecaandPJ.Flenmig,"AnOverviewofEvolutionaryAlgorithmsinMultiobjectiveOptimization/'EvolutionaryComtation,vol.3,1995,pp.1-16-^ComparisonofStrategiesfbrtheOptmiization*Inno^-ationofCrankshaftBalance/Tr^zk/5inComputerAidedInnovation,USA:Springer,2007,pp.201-210.S.Rao,Mechanicalvibrations,USA:Addison-Wesley,1990.C・A・CoclloCoello・Az?empiricalstudyofevolutionarytechniquesformulti-objectiveoptimizationinengineeringdesign,USA:TulaneUniversity,1996・N.Lcon-Roviraetal.,^AutomaticShapeVariationsin3dCADEnvironments,''1stIFIP-TC5WorkingConferenceonComputerAidedInnovation,Germany:2005,pp.200-210・R.E・Smith,B.A.Dike,andS.A.Stegniann,"Fitnessiiilientaiiceiiigeneticalgorithms：ACMsymposiumonAppliedcomputing,USA:ACM,1995,pp.345-350.IMECE2008学报2008年ASHE国际机械工程国会和博览会2008年10月31-11月6日，波斯顿，马赛诸塞州,美国IMECE2008-67447适用于多目标系统优化发动机曲轴（阿尔伯特•阿尔伯斯/IPEK产品开发研究所，徳国卡尔斯鲁厄大学；诺埃尔利昂/CIDyT创新中心和设汁，墨西哥蒙特雷理工学院：温贝托Aguayo/CIDyT创新中心和设计,墨西哥蒙特雷理工学院：托马斯•迈尔/IPEK产品开发研究所，徳国卡尔斯鲁厄大学）摘要随着计算机的功能不断增加，计算机辅助设计与工程（CAD和CAE）也不断加强。口前CAD和CAE系统也用于设计，在一定条件下能够选取最优参数和结构并且找到最佳的形状。本文描述了一个总体战略，优化曲轴的平衡，通过用Java编程结合CAD和CAE软件计算岀最优的参数。要使用不同的工具设讣不同的丄艺。分析曲轴使用商业建模参数的三维CAD软件。CAD适用于适应度函数（平衡）和儿何修改。CAE适用于动态限制（学）oJava接口程序链接到CAE软件的CAD模型进行计算。我们的案例研究的是儿何修改,这是从原来的“弧形”设计用样条函数替代舷码的形象决定的。花键不平衡要文件的响应通过控制点的变化来控制。首先是曲轴的平衡被定义为一个独立的U标函数，其次是失衡的帕累托优化两点校正，并且限制物体的曲率的关键在于锻造。自然频率被认为是另一个影响参数的方面。CAD的重复启动应用程序等应用是通过CAD程序完全自动化过程的优化和暂停等待接收等处理来设计出新设置的参数。发动机曲轴山于受到持续的发展演变市场的压力。燃油经济性、耐用性和内燃机的可靠性，呼吁减少大小、重量、振动和噪音，成本等力量推动着市场快速发展。因此竞争必须从优化引擎组件这个刚面着手。111于这种原因。曲轴这一大多数分析引擎组件必须得到改善［1］。这些改进依赖于材料组成之一，随着公司的发展，内燃机锻钢曲轴实际表达了他们的意图改变结节性钢从发动机曲轴。另一个重要改进是其儿何特征的优化方向。尤其是在锻造上要求符合其固有频率。分析工具可以大大提高对物理现象的理解与提到的相关特性，工程师需要优化设计编程任务可以自动完成⑵。LI前研究的LI标是：建立一个战略发展的发动机曲轴的集成工艺:CAD和CAE（汁算机辅助设计与工程）软件模按照型遗传算法评价功能参数、使用样条曲线的形状结构和兀眩语言编程的集成系统优化方法。在这些条件下允许电脑在自动工作环境中进行结构优化和完善传统的设讣过程。具体需求满足的以下策略：V6发动机曲轴的不平衡，它的重量或其可制造性不会受到影响允许集成不同的软件开发接口编程:CAD建模和儿何评佔,CAE模拟分析和评估，为优化和遗传算法寻找替代品设讣师更好地开发一个曲轴要有新的设讣概念包括形状能够相互制衡，更优越的性能，比使用手册要更加的好。形状优化和遗传算法遗传算法（GAS）是基于进化自然选择的思想和遗传学自适应启发式搜索算法（随机搜索技术）°o形状优化基于遗传算法（GA）或基于进化算法（EA）在一般情况下，是研究的一个较新的领域。气的基础可以在1990年之前发表的一些文章中找到［4］。1993年以后大量的有关调查和申请文章已经发表，其中包括基于遗传算法的儿何边界形状优化的情况下大量。在进化形态优化技术对研究的兴趣才刚刚开始增长，包括最有前途的领域EA为基础的形状优化的应用程序之一：机械工程。有对形状判定应用程序中的机器部件的设计和对这些部件的功能性能的优化，例如天线⑤，涡轮叶片⑹等在机械工程IELD,基于进化算法的结构拓扑优化方法用于获取被普遍只有通过昂贵和耗时的迭代过程逼近最优儿何解决方案。一些例子是计算机设计和凸轮形状的用于柴油发动机的优化⑺。在这种情况下的凸轮设讣的LI的是最大限度地减少了系统的振动，并进行平滑变化的花键轮廓。在这篇文章中曲轴的形状优化进行了讨论，重点是配重的儿何发展。燃气集成与在参数和结构优化LI前用于寻找最优的拓扑结构和形状给CAD和CAE系统部分在一定条件下。先进的CAD与CAE软件有自己的优化能力，但往往局限于某些局部搜索算法，因此它决定利用遗传算法，如集成在达科他州（设讣分析工具包优化中的应用）&提出在桑迪亚国家实验室实验室。DAKOTA是一种优化框架的最初U标提供一组通用的优化算法谁需要解决结构和设讣问题，包括遗传算法工程师。为了使这种结合，有必要开发到气体链接到CAD模型和给CAE分析的接口。本文提出了一种方法，该任务的还有一些方法，可以用来建立在曲轴设计和发展状况的战略。曲轴性能多目标的考虑曲轴可以考虑从其中不同的□标函数可以推导以形成一个优化问题的一个元素。它们代表的功能和所设讣过程中使用的软件工具进行分析的限制。这些H标函数是要优化（最小化或最大化）的儿何形状的变化。的曲轴设计所选择的LI标是要达到的LI标失衡和减少其重量和/或增加它的第一特征频率。曲轴的设讣本质上是一个多目标优化（M0）的问题。不平衡的测量是在曲轴的两侧，所以这个问题是优化的矢量值的LI标函数包括两个失衡的成分［9］。不像单LI标优化,要解决这个问题不是一个单一的点，而是一个家族被称为Pareto最优的点集。在这个集合中的每个点是最佳的，任何改进可以在一个口标组件，它不会导致降解中的其余组分中的至少1［10］来实现的感觉。是不平衡的LI标函数也高度非线性的。辅助信息，如LI标函数的导数，不可用。健身功能仅适用于曲轴的计算机模型的形式，而不是解析形式。因为一般来说我们的方法需要考虑的LI标函数是一个黑盒子，和LI标函数值的唯一的供应可以保证，没有进一步的假设进行了审议。帕累托的优化方法，被称为多口标遗传算法（MOGA）［11L采用的是訂前的M0问题，寻找其中这两个适应度函数的Pareto前沿。在遗传算法的，优化问题的自然参数集被编码为一个有限长度的字符串。传统上，GA的使用二进制数字来表示这样的字符串：字符串具有有限的长度和字符串的每一位可以是0或1,通过维护解决方案的人口，遗传算法的可搜索的并行多帕累托最优的解决方案。这一特点使得遗传算法的解决问题的M0非常有吸引力的。下面的两个特点是希望成功解决问题的M0：1） 得到的解决方案是帕累托最优和2） 它们均匀地从帕累托最优集采样。各部分名称CAD：计算机辅助设计;气：遗传算法；EA：进化算法;莫：多目标；M0GA：多LI标遗传算法；CW：配重;有限元法：有限元方法几何限制下的平衡优化作者［12］之前的工作中，探测CAD曲轴模型不平衡的设讣，取决于CAD软件。因此引进了完成平衡设讣的程序。一个简短的解释如下。在一个恒定的角速度旋转曲轴转动，它的质量差异产生的时刻的总和等于倍位置弯矩作用在曲轴上。的合成弯矩等于时刻山离心力引起的山于曲轴质量重心，LI前是山校正的质量不平衡引起的。这是一个设计•实践的总和，关于修正飞机离开的时刻（到抗衡靠近法兰）为了消除造成的时刻离开不平衡质量和找到正确的平面上的不平衡：mRrRy=(^grgy+lxy(1)mRrRz=(2)两个校正平面之间的距离，mg是曲轴的质量;rgy和rgzyandzmRrRy=(^grgy+lxy(1)mRrRz=(2)两个校正平面之间的距离，mg是曲轴的质量;rgy和rgzyandz坐标的重心和IxyIxz惯性产品。同样，时刻被正确的校正飞机发现左边的不平衡：mLrLy=(3)niLrLz.=(4)计算不平衡所需的质量（毫克、rgyrgz和惯性产品IxyIxz）的曲轴模型可以从参数化CAD中获得先进的计算数据，它具有特殊的命令模块，作为计算不平衡响应评估。这是一个适应度函数选择的反应同样的加权函数之间的差异指定U标上的失衡和当前的不稳定校正飞机位于两个外部的曲轴（CW1和CW9）：X\这种方法被称为“LI标规划”，设计师分配的H标或U标要实现每个□标函数:“。这些值纳入额外约束的问题。该算法将尽量少的绝对偏离LI标函数。这个方法可能是最简单的形式制定如下：min〉：|疋（兀）—Ti^nhjactwxTi表示H标或U标设定的第i个标函数fi设计师(x)和x代表了可行域。标准，然后，是最小化之间的差异的绝对值之和的U标值和实际值在两个外部失衡通过修改舷码曲轴儿何学。作为最后的参考案例研究的结果，在图1中显示了从原始曲轴不平衡图设计优化。可以看出两者的不平衡校正飞机，即使是在修正区域，它不是接近400g-cm定义为H标。原始的不平衡设汁・・^^1・■・■«■•・图1•原始的曲轴设汁不平衡图

曲轴形状参数化为了使儿何修改决定替代当前形状下的曲轴设计分析，从原始的“弧形”设计表示抗衡的形象,一个概要文件使用样条曲线，如图2显示了一个制衡的曲轴。图2.花键抗衡的代表图2.花键抗衡的代表优化策优化策这一战略的一般过程描述如下。在CAD软件优化循环自动控制的一种优化算法,即遗传算法(GA)。JAVA的接口程可以控制y坐标的点，定义了花键的曲轴参数化。花键配置文件允许形状改变了遗传算法山于编纂样条曲线的控制点扮演的基因。Java接口允许CAD软件运行不断与曲轴模型加载到计算机内存，这样每次生成一个单独的儿何自动适应新的参数。这张图代表了多LI标优化的广义概念被称为帕累托前沿，虽然不能达到“最优”的解决方案,但在一个区域有一组最优解，防止功能同时达到最优。应该指出的是本来预期达到LI标的平衡，图中没有显示定义边界。尽管结果获得改善，融合还没有令人满意，因为LI标不能达到平衡内部的设计约束了儿何图形的运用的要求，从而进行了一些试验允许花键赎愆儿何约束，最后一代一个人被发现非常接近平衡的目标。为了有一个视觉感觉算法执行的方式，这个人在采用了CAD儿何建模。山此产生的儿何的图形如图6所示。在这些照片的资料舷码接近原始设计的儿何限制。据此推断，要想达到平衡的LI标，可能需要考虑这些约束。在这种悄况下，锋利边缘出现在配置文件不是一个方便的条件从曲轴的锻造的观点。d)CW9

d)CW9图3.在帕累托前沿的一个人分析出的轮廓形状根据优化策略制定相应的约束。增加了一个额外的LI标函数：根据测试文件测量资料的运用描绘出所有曲线的曲率的。众所周知，曲率是内切圆半径的曲线决定的。在这种情况下，它是取决于儿何学的四个不同的概要文件。在本文的第二部分将是一个额外的评佔介绍：用曲轴的动态响应来控制第一特征频率，部首自身的中立影响。在这第一个方法中，遗传算法是将用于生产自动替代曲轴形状有限元模拟程序，运行模拟器，最后评估抗衡的形状的基础上有限元的输出数据。a)beforec)afteriiiiprovementa)beforec)afteriiiiprovement图4•显示一种改进的曲率在CW9概要文件总结和结论使用Java接口允许遗传算法集成到CAD软件上，在论文的笫一部分，进行优化曲轴不平衡。有可能在帕累托发展的前沿找到closest-to-target。但抗衡的形状不太适合锻造,因此有必要引入一个额外的LI标函数来提高舷码的曲率。如笫二部分所述进一步与CAE软件的集成，。这样可以提高曲轴的一些形状，但不太好控制失衡的效果。发展的一个新的有额外的第一频率特征的U标是绘制图形，从图形中中提取重要的结论，这对额外增加的限制对平衡的影响是很有必要的。仿真所需的锻造过程是为了定义一个好的形状曲线和可制造性之间的关系。提出设计以外的初始限制需要合理形状为了不影响建立性能这明显变得很重要，本文定义的基础和战略发展中曲轴的开始，包括可制造性和功能编译整个系统多目标优化。参考文献.1]Z・P・Mourelatos,"Acrankshaftsystemmodelforstructuraldynamicanalysisofinternalcombustionengines,”Computers&Structures,vo