一级斜齿圆柱齿轮减速器的优化设计_第1页
一级斜齿圆柱齿轮减速器的优化设计_第2页
一级斜齿圆柱齿轮减速器的优化设计_第3页
一级斜齿圆柱齿轮减速器的优化设计_第4页
一级斜齿圆柱齿轮减速器的优化设计_第5页
已阅读5页,还剩9页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

1、机械优化设计课程作业 作业题目:一级斜齿圆柱齿轮减速器的优化设计学 院:机械工程学院专 业:机械制造及其自动化班 级:机研1001班学 号:学生姓名:李 莹指导教师:黄 勤 教 授2010年 7 月 15 日一级斜齿圆柱齿轮减速器的优化设计一、引言 一随着现代计算技术的发展和应用,在机械设计领域,已经可以用现代化的设计方法和手段,从众多的设计方案中寻找出最佳的设计方案,从而大大提高设计效率和质量。 在进行机械设计时,都希望得到一个最优方案,这个方案既能满足强度、刚度、稳定性及工艺性能等方面的要求,又使机械重量最轻、成本最低和传动性能最好。然而,由于传统的常规设计方案是凭借设计人员的经验直观判断

2、,靠人工进行有限次计算做出的,往往很难得到最优结果。应用最优化设计方法,使优化设计成为可能。 斜齿圆柱齿轮减速器是一种使用非常广泛的机械传动装置,它具有结构紧凑、传动平稳和在不变位的情况下可凑配中心距等优点。我国目前生产的减速器还存在着体积大,重量重、承载能力低、成本高和使用寿命短等问题,对减速器进行优化设计,选择最佳参数,是提高承载能力、减轻重量和降低成本等完善各项指标的一种重要途径。二、优化模型 本设计是要在满足零件的强度和刚度的条件下,求出使减速器的体积最小的各项参数。1 、设计变量如图1 所示,选取齿轮宽度b、小齿轮齿数 、齿轮模数 、两轴轴承之间的支撑跨距 、两齿轮的内孔直径 、为设

3、计变量。设计变量:=b 2、建立目标函数由于齿轮和轴的体积是决定减速器体积的依据,因此可按它们的体积最小的原则来建立目标函数。根据齿轮几何尺寸及齿轮结构尺寸的计算公式,壳体内的齿轮和轴的体积可近似地表示为: 式中,;。 目标函数为:3、确定约束条件1) 齿数应大于不发生根切的最小齿数 -02) 齿宽应满足,和为齿宽系数的最大值和最小值,一般取=0.9,=1.4。 -0 -03) 传递动力的齿轮,模数应大于2mm。 2-04) 为了限制大齿轮的直径不致于过大,小齿轮的直径要加以限制。 5) 齿轮内孔直径的取值范围应在:。 6) 两轴承之间的支撑跨距按结构关系应满足:,为箱体内壁距齿轮端面的距离,

4、可取。 7) 齿轮应满足强度要求 式中,接触应力和弯曲应力的计算公式分别为: =8) 齿轮轴的最大挠度应不大于许用值。 9) 齿轮轴的弯曲应力应不大于许用值。 这是一个有6个随机变量、16个约束条件的优化设计问题,采用惩罚函数法,用计算机编程,即可求出最优解。3、 选择算法的特点及程序框图 惩罚函数法即序列无约束极小化方法,它的基本原理是将有约束问题化为无约束问题,亦即将原来的目标函数和约束函数,按一定方式构成一个新的函数,当这个新的函数向原目标函数逼近时,它的最优解也就是原问题的最优解。惩罚函数法又分为:1、 内点惩罚函数法 内点惩罚函数法简称内点法,这种方法将新的目标函数定义于可行域内,序

5、列迭代点在可行域内逐步逼近约束边界上的最优点。此方法的优点在于计算过程中每一个中间结果都是可行的,但它要求初始点为可行点,只能用来求解具有不等式约束的优化问题。内点惩罚函数法如图1所示,其中X(0)为初始惩罚因子;C为递减系数;为收敛精度:2、 外点惩罚函数法 外点惩罚函数法简称外点法,这种方法和内点法相反,新目标函数定义在可行域之外,序列迭代点从可行域之外逐渐逼近约束边界上的最优点。此方法的优点在于适用于求解不等式或等式约束问题,并对初始点无要求,但中间结果不满足约束条件。3、 混合惩罚函数法 混合惩罚函数法简称混合法,这种方法是把内点法和外点法结合起来,用来求解同时具有等式约束和不等式约束

6、函数的优化问题。4、 计算实例 设计以一级斜齿圆柱齿轮减速器,已知输入功率P =58kW,输入转速n1 = 1 000r/ min ,齿数比u = 5 ,齿轮的许用接触应力= 550MPa ,许用弯曲应力 =400MPa。 以体积最小为目标进行优化设计。 将已知量代入上述各式,其数学模型可表示为: 约束条件为: 17-0 0.9- = =-400 式中,=2.65、=2.226,分别为主动齿轮和从动齿轮的齿形系数; =1.58、=1.764,分别为主动齿轮和从动齿轮的应力校正系数; 以惩罚函数法求解,初始方案为:230 21 8 420 120 160,五、C语言程序#include #inc

7、lude #include #define PI 3.#define kkg 16 /*定义约束条件个数*/double r0=1; /*定义罚因子 */double DealPos(double Ang1,double x)int i;double Fai;double o4,s4,c4,h1,h2;o4=(x3+Ang1)*PI/180;s4=sin(o4);c4=cos(o4);h1=atan(x0*s4/(1-x0*c4);h2=x0*x0+1-2*x0*c4;h2=(h2-x1*x1+x2*x2)/(2*x2*sqrt(h2);if(h21e-30) h2=atan(sqrt(1-h

8、2*h2)/h2);else h2=PI/2-atan(h2/sqrt(1-h2*h2);Fai=h1+h2;return(Fai);/*输入变量:x-设计变量数组 */double objf(double x)int i;double b,b1,s,ff;b=DealPos(0,x);ff=0;for(i=1;i=20;i+)b1=b-DealPos(i*9,x);s=b1-30*sin(i*PI/20)*PI/180;ff=ff+s*s;return(ff);/*约束条件优化子程序 */*输入变量:x-设计变量数组*/*输出变量:g-约束条件数组*/void strain(double x

9、,double g)g0=17-x1; g1=0.9-x0/(x1*x2);g2=x0/(x1*x2)-1.4;g3=2-x2; g4=x1*x2-300.;g5=100-x4;g6=x4-150; g7=130-x5;g8=x5-200;g9=x0+0.5*x5-x3-40;g10=/(x1*x2*sqrt(x0)-550;g11=/(x0*x1*x2*x2)-400;g12=/(x0*x1*x2*x2)-400;g13=(117.04*x3*x3*x3*x3)/(x1*x2*x4*x4)-0.003*x3;g14=sqrt(2.85*pow(10,6)*x3)/(x1*x2)+2.4*po

10、w(10,12)/pow(x4,3)-5.5;g15=sqrt(2.85*pow(10,6)*x3)/(x1*x2)+6*pow(10,3)/pow(x5,3)-5.5;/*构造罚函数*/double ldf(double *x)int i;double ff,sg;double gkkg;sg=0.;strain(x,g);for(i=0;i0) sg=sg+r0/gi; else sg=sg-gi*1e5; ff=objf(x)+sg;return(ff);/*采用进退法进行一维搜索获得可行区间*/*输入变量:p-初始设计变量数组 */* s-搜索方向 */* h0-初始搜索步长 */*

11、n-模型维数 */*输出变量:a-可行区间下限数组 */* b-可行区间上限数组 */void ii(double *p,double a,double b,double s,double h0,int n)int i;double *x3,h,f1,f2,f3;for(i=0;i3;i+) xi=(double *)malloc(n*sizeof(double); h=h0;for(i=0;in;i+) *(x0+i)=*(p+i);f1=ldf(x0);for(i=0;i=f1) /*如果前进方向函数值变大,则换方向*/ h=-h0; for(i=0;in;i+) *(x2+i)=*(x0

12、+i); f3=f1; for(i=0;in;i+) *(x0+i)=*(x1+i); *(x1+i)=*(x2+i); f1=f2; f2=f3; for(;) /*如果函数值下降,则加大步长*/ h=2.*h; for(i=0;in;i+) *(x2+i)=*(x1+i)+h*si; f3=ldf(x2); if(f2f3) break; else for(i=0;in;i+) *(x0+i)=*(x1+i); *(x1+i)=*(x2+i); f1=f2; f2=f3; if(h0.) /*获取结果,返回*/ for(i=0;in;i+) ai=*(x2+i); bi=*(x0+i);

13、else for(i=0;in;i+) ai=*(x0+i); bi=*(x2+i); for(i=0;ieps) fom=fxo; r0=c*r0; Tm=Tm+1; printf(Now it is the %d time of iteration,current values of variables are:n,Tm); for(i=0;in;i+) *(p+i)=xi; printf(x%d=%fn,i,xi); printf(The value of objective function is:%fn,fxo); printf(-n); else return(fxo); whil

14、e(1);/*主程序*/void main()int i;double a=230,21,8,420,120,160; /*初始可行点*/double c,x4;c=empf(a,x,0.2,1e-5,4); /*调用优化程序*/printf(n Output the optimum results:n); /*输出优化结果*/for(i=0;i4;i+)printf(x%d=%fn,i,xi);printf(The minimum objective value is %fn,c); 用计算机编程,经10次迭代计算,求出最优解为: 211.99 22.12 8.39 322.37 101.75 130.24 由计算结果可以看出,经过优化以后,一级

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论