本發(fā)明屬于農(nóng)業(yè)機械設(shè)計領(lǐng)域，涉及一種結(jié)構(gòu)全局優(yōu)化設(shè)計方法，主要涉及一種高速水稻缽苗插秧機移箱機構(gòu)多學科優(yōu)化設(shè)計方法。

背景技術(shù)：
：

高速水稻缽苗插秧機移箱機構(gòu)是一種多目標、強耦合、非線性、模糊性問題。通過螺旋軸與轉(zhuǎn)子和滑套之間的相互配合，將螺旋軸的旋轉(zhuǎn)運動轉(zhuǎn)化成軸向的左右往復(fù)運動，涉及的學科、變量、目標繁多，傳統(tǒng)的優(yōu)化設(shè)計方法難以滿足總體設(shè)計的要求，多個學科或全系統(tǒng)的一體化設(shè)計優(yōu)化的需求越來越迫切。隨著多學科優(yōu)化方法以及功能強大的計算機軟件集成平臺ISIGHT的發(fā)展，特別是在船舶、航天飛行器、汽車、電子設(shè)計領(lǐng)域的優(yōu)秀表現(xiàn)，農(nóng)業(yè)機械工程設(shè)計領(lǐng)域也開始逐漸借鑒這種全局高效的優(yōu)化方法。為有效提高計算效率、節(jié)省各個學科精確分析時的計算開銷，尋求系統(tǒng)的最優(yōu)方案，采用多學科設(shè)計優(yōu)化方法對移箱機構(gòu)進行設(shè)計優(yōu)化十分有必要。多學科設(shè)計優(yōu)化方法將移箱機構(gòu)各變量、目標有效地組織起來，實現(xiàn)學科之間的關(guān)聯(lián)、通訊和解耦，可以在降低質(zhì)量的前提下提高移箱機構(gòu)平穩(wěn)性和精準性能。

技術(shù)實現(xiàn)要素：
：

本發(fā)明目的就是為了為了解決高速水稻缽苗插秧機移箱機構(gòu)傳統(tǒng)優(yōu)化方法難以找到全局最優(yōu)解、設(shè)計周期長、產(chǎn)品設(shè)計成本高的缺點，提供一種高速水稻缽苗插秧機移箱機構(gòu)多學科優(yōu)化設(shè)計方法。

本發(fā)明是通過以下技術(shù)方案實現(xiàn)的：

一種高速水稻缽苗插秧機移箱機構(gòu)多學科優(yōu)化設(shè)計方法，其特征在于：

利用ISIGHT多學科優(yōu)化設(shè)計平臺，根據(jù)試驗設(shè)計方法，采用最優(yōu)拉丁超立方設(shè)計進行靈敏度分析，得出設(shè)計參數(shù)與各學科優(yōu)化目標的相關(guān)性以及對應(yīng)的目標輸出響應(yīng)，選擇相關(guān)性高的設(shè)計參數(shù)作為設(shè)計變量，選用空間局部Kr iging插值法，將得出設(shè)計變量與各學科目標輸出響應(yīng)，構(gòu)建近似代理模型來逼近實驗數(shù)據(jù)，采用協(xié)同優(yōu)化方法，集成SolidWorks、ANSYS Workbench、Adams軟件模塊，實現(xiàn)數(shù)據(jù)循環(huán)交換，完成缽苗移箱機構(gòu)的建模、仿真和優(yōu)化的智能高效運算，得到最佳設(shè)計變量。

所述的一種高速水稻缽苗插秧機移箱機構(gòu)多學科優(yōu)化設(shè)計方法，其特征在于：具體包括以下步驟：

步驟1：結(jié)合水稻缽苗橫向送秧距離為缽苗寬度的要求，利用SolidWorks軟件進行移箱機構(gòu)基本參數(shù)化結(jié)構(gòu)設(shè)計，設(shè)計包括螺旋軸、轉(zhuǎn)子、滑套，其中螺旋軸包括雙螺旋線和過渡曲線；

步驟2：利用步驟1中構(gòu)建的移箱機構(gòu)結(jié)構(gòu)，針對高速水稻缽苗栽插過程平穩(wěn)性、精準性以及輕量化需求，基于多學科分解理論對移箱機構(gòu)進行系統(tǒng)分解，將系統(tǒng)分解為運動學、動力學、靜力學三個學科，分別利用ANSYS Workbench、Adams軟件進行特性分析；

步驟3：結(jié)合協(xié)同優(yōu)化理論，確定各學科的優(yōu)化變量、約束、目標，各學科優(yōu)化變量X_m＝{x_m1，x_m2，x_m3，x_m4，x_m5...x_mn}，設(shè)計目標為一致性約束R_m取最小值，設(shè)計變量需要滿足的相應(yīng)約束方程g_m(x_m1，x_m2，x_m3，x_m4，x_m5...x_mn)≤0，其中，σ為約束限制；m＝1，2，3；n為學科優(yōu)化變量數(shù)；子學科數(shù)學模型為：

Fins Z_m＝[X₁，X₂、X₃...X_n]^T

min R_m＝(X_m1-X_sysm1^*)2+(X_m2-X_sysm2^*)²+(X_m3-X_sysm2^*)²+...+(X_mn-X_sysmn^*)²

s.t g₁＝σ₁-[σ]≤0

g₂＝σ₂-[σ]≤0

…

g_n＝σ_n-[σ]≤0

步驟4：在步驟3的基礎(chǔ)上進行實驗設(shè)計，首先進行靈敏度分析，對設(shè)計參數(shù)和各目標輸出響應(yīng)之間的線性相關(guān)性r進行計算，確定設(shè)計變量因素數(shù)和水平數(shù)，采用ISIGHT軟件中的DOE模塊產(chǎn)生一組相應(yīng)的設(shè)計點，選用最優(yōu)拉丁超立方法篩選出相關(guān)性高的設(shè)計變量以及對應(yīng)各學科輸出響應(yīng)；其中r的具體計算如下：

其中：X為變量，Y為響應(yīng)；

步驟5：在步驟4的基礎(chǔ)上基于空間局部Kriging插值法將DOE設(shè)計的輸入因子與響應(yīng)建立一個近似代理模型來逼近實驗數(shù)據(jù)；

步驟6：利用確定性系數(shù)R²對近似模型進行精準度評估，

其中，f_i是精確模型第i個樣本點的響應(yīng)值；是近似模型在該樣本點的估計值；是所有樣本點近似平均值；N_v是DOE產(chǎn)生的所有樣本點的數(shù)目。評估近似模型預(yù)測能力是否滿足要求，：若R²<0.9則否，需返回步驟5；若R²≥0.9則是，進入下個步驟；

步驟7：采用協(xié)同優(yōu)化方法建立系統(tǒng)級數(shù)學模型；

Find Z＝[X₁,X₂,X₃]^T

min F＝{f₁,f₂,f₃}

其中：f為各學科目標函數(shù)，R_sys為一致性約束；

步驟8：在ISIGHT軟件中搭建優(yōu)化平臺，基于協(xié)同優(yōu)化方法，采用多島遺傳算法和序列二次規(guī)劃算法組合的混合算法進行系統(tǒng)級多目標優(yōu)化，得到系統(tǒng)級最優(yōu)解集；

步驟9：將最優(yōu)解集代入到原模型中構(gòu)建最優(yōu)模型并進行仿真分析，分析結(jié)果與優(yōu)化前結(jié)果進行對比，驗證是否達到設(shè)計要求：若否，則返回步驟3；若是，則結(jié)束。

本發(fā)明的優(yōu)點是：

(1)綜合考慮了水稻缽苗栽插過程中輕量化、平穩(wěn)性、精準性等多個方面性能需求，將移箱機構(gòu)分為運動學、動力學、靜力學三個子系統(tǒng)，基于ISIGHT平臺利用多學科設(shè)計優(yōu)化方法并行計算優(yōu)化。

(2)通過靈敏度分析，篩選出貢獻度大的設(shè)計變量，進行試驗設(shè)計采用空間局部插值法(Kriging)構(gòu)建近似模型，采用近似模型來代替原始模型進行分析、計算、優(yōu)化，減少了優(yōu)化的計算量，提高了優(yōu)化效率。

(3)利用確定性系數(shù)R²對近似模型進行精準度評估，避免了傳統(tǒng)機構(gòu)優(yōu)化的反復(fù)迭代過程誤差的累計，不僅提高了近似模型質(zhì)量，而且增加優(yōu)化結(jié)果的準確度。

附圖說明：

圖1本發(fā)明高速水稻缽苗插秧機移箱機構(gòu)的結(jié)構(gòu)示意圖。

圖2本發(fā)明螺旋軸正弦過渡曲線的展開線示意圖。

圖3本發(fā)明系統(tǒng)分解示意圖。

圖4本發(fā)明軟件數(shù)據(jù)傳遞示意圖。

圖5本發(fā)明集成流程示意圖。

具體實施方式：

參見附圖。

一種高速水稻缽苗插秧機移箱機構(gòu)多學科優(yōu)化設(shè)計方法，該優(yōu)化方法包括如下步驟：

步驟1：結(jié)合水稻缽苗橫向送秧距離為缽苗寬度的特性，利用SolidWorks軟件進行移箱機構(gòu)基本參數(shù)化結(jié)構(gòu)設(shè)計，如圖1所示包括螺旋軸1、滑套2、轉(zhuǎn)子3，如圖2所示螺旋軸幅度為A的正弦過渡曲線的展開線，利用SolidWorks軟件中的“智能尺寸”功能將變量參數(shù)化，并保存為*.x_t文件，作為輸出文件導入ANSYS Workbench、Adams軟件中,進行學科分析；

步驟2：利用步驟1中構(gòu)建的移箱機構(gòu)結(jié)構(gòu)，針對高速水稻缽苗栽插過程平穩(wěn)性、精準性以及輕量化需求，基于多學科分解理論將移箱機構(gòu)系統(tǒng)分解為動力學、運動學、靜力學三個學科,分別利用ANSYS Workbench、Adams軟件進行特性分析，以動力學為例：首先設(shè)置ANSYS Workbench在計算機的環(huán)境變量，然后在"<ISIGHT install path>\win_b64\reffiles\SMAFIPcomponent\ANSYS Workbench"路徑下運行一次“install.bat”文件，接著將上一步的*.x_t文件導入ANSYS Workbench軟件中，進行網(wǎng)格劃分和邊界條件設(shè)定，再進行動力學模態(tài)分析，最后將分析結(jié)果保存為*.wbpj文件；

步驟3：結(jié)合協(xié)同優(yōu)化理論，確定各學科的優(yōu)化變量、約束、目標，將各學科優(yōu)化變量Z_m＝{x_m1，x_m2，x_m3，x_m4，x_m5...x_mn}，設(shè)計目標為一致性約束R_m取最小值，設(shè)計變量需要滿足的相應(yīng)約束方程g_m(x_m1，x_m2，x_m3，x_m4，x_m5...x _mn)≤0，其中，σ為約束限制；m＝1，2，3；n為學科優(yōu)化變量數(shù)；子學科數(shù)學模型為：

Find Z_m＝[X₁、X₂，X₃...X_n]^T

min R_m＝(X_m1-X_sysm1^*)+(X_m2-X_sysm2^*)²+(X_m3-X_sysm3^*)²+...+(X_mn-X_sysmn^*)²

s.t g₁＝σ₁-[σ]≤0

g₂＝σ₂-[σ]≤0

…

g_n＝σ_n-[σ]≤0

步驟4：在步驟3的基礎(chǔ)上進行實驗設(shè)計，首先進行靈敏度分析，對設(shè)計參數(shù)和各目標輸出響應(yīng)之間的線性相關(guān)性r進行計算，確定設(shè)計變量因素數(shù)和水平數(shù)，采用ISIGHT軟件中的DOE模塊產(chǎn)生一組相應(yīng)的設(shè)計點，選用優(yōu)拉丁超立方法得到設(shè)計參數(shù)與輸出參數(shù)的相關(guān)性r以及對應(yīng)各學科目標輸出響應(yīng)，其中r的具體計算如下：

其中：X為變量，Y為響應(yīng)；(樣本總變異)；

(X的樣本標準差)；(Y的本標準差)。r絕對值越接近1，兩變量關(guān)聯(lián)程度越強；r絕對值越接近0，兩變量關(guān)聯(lián)程度越弱。步驟5：在步驟4的基礎(chǔ)上，基于空間局部插值法(Kriging)將DOE設(shè)計的輸入因子與響應(yīng)建立一個近似代理模型來逼近實驗數(shù)據(jù)；

步驟6：利用確定性系數(shù)R²對近似模型進行精準度評估，其中，f_i是精確模型第i個樣本點的響應(yīng)值；是近似模型在該樣本點的估計值；是所有樣本點近似平均值；N_v是DOE產(chǎn)生的所有樣本點的數(shù)目。評估近似模型預(yù)測能力是否滿足要求，：若R²<0.9則否，需返回步驟5；若R²≥0.9則是，進入下個步驟；

步驟7：采用協(xié)同優(yōu)化方法建立系統(tǒng)級數(shù)學模型：

Find Z＝[X₁,X₂,X₃]^T

min F＝{f₁,f₂,f₃}

其中：f為各學科目標函數(shù)，R_sys為一致性約束。

步驟8：在ISIGHT軟件中搭建優(yōu)化平臺，基于協(xié)同優(yōu)化方法，采用多島遺傳算法和序列二次規(guī)劃算法組合的混合算法進行系統(tǒng)級多目標優(yōu)化，得到系統(tǒng)級最優(yōu)解集；

步驟9：將最優(yōu)解集代入到原模型中構(gòu)建最優(yōu)模型，并進行仿真分析，分析結(jié)果與優(yōu)化前結(jié)果進行對比，驗證是否達到設(shè)計要求：若否，則返回步驟3；若是，則結(jié)束。