外文翻譯--一種劍桿織機引緯機構的優(yōu)化設計 中文版

1、<p><b>　　外 文 翻 譯</b></p><p>　　原文： An optimization design of a weft insertion mechanism for rapier looms </p><p>　　譯文2： 一種劍桿織機引緯機構的優(yōu)化設計

2、 </p><p>　　一種劍桿織機引緯機構的優(yōu)化設計</p><p>　　作者：竺志超，方志和</p><p><b>　　國籍：中國</b></p><p>　　出處：杭州，浙江理工大學，310033</p><p>　　摘要：通過分析一個組合式空間

3、六桿引緯機構，建立了用于優(yōu)化設計的實用模型，并且提出了懲罰策略的修改方案，所以遺傳算法可以很好的用于非線性約束機構的優(yōu)化設計。并討論了設計結果。</p><p>　　關鍵詞：組合機構 引緯運動 優(yōu)化設計 遺傳算法</p><p>　　作為劍桿織布機五個主要機構其中之一，在設計織機時，引緯很關鍵。因為其性能將直接影響整個織機的工作性能及其織物的質量。目前，聯(lián)動機構往往</p>

4、;<p>　　用于將傳統(tǒng)織機到改造成無梭織機，因為聯(lián)動機構的制造精度要求比凸輪的那一種更容易達到，尤其是在傳統(tǒng)織機中有一個較低的速度。然而，我們都知道，由于許多限制因素，聯(lián)動機構是不那么容易設計為凸輪形式的，在這里，我們研究一個組合式空間六桿引緯機構。</p><p><b>　　引緯運動的工作原理</b></p><p>　　如圖1所示的一個引緯機構。

5、它是一個由三個部分組成的聯(lián)合機構，它包括：一個平面四桿ABCD，一個RSSR機構DCEF和一個平面齒輪系。從內扇形齒輪齒輪到小齒輪和其劍桿輪，其上的軸是固定。當以順時針與恒定角速度驅動曲軸AB旋轉時，該扇形齒輪通過六連桿組合機構發(fā)生擺動，所以劍桿輪劍頭往復運動驅動引入緯紗，由以下步驟可以得到的劍桿織機的位移： </p><p>　　首先，在平面四桿機構ABCD中，表示在初始位置的曲柄轉角。當如圖1所示，曲柄AB與

6、連桿BC相符合時，可得</p><p><b>　　（1）</b></p><p><b>　?。?）</b></p><p>　　這里的，，，，是AD，AB，BC，CD各個桿的長度。所以從文獻[1]我們可以得到動力學技術參數(shù)，，，，和，然后，由空間RSSR機構可得到擺臂的輸入運動</p><p>

7、<b>　　（3）</b></p><p>　　圖1 劍桿織機引緯運動的草圖</p><p>　　因此，根據(jù)投影分析方法，我們可以得到運動學參數(shù)，，，，和。</p><p>　　最后，通過一對齒輪傳動，能得到劍頭的運動學參數(shù)，包括位移，速度和加速度： </p><p><b>　?。?）</b>&l

8、t;/p><p>　　一個引緯機構的優(yōu)化設計模型</p><p>　　引緯運動或劍頭運動，對于實現(xiàn)引緯機構功能都很重要。雖然引緯運動設計的關鍵是了解制造加工的要求，但是引緯運動被聯(lián)動裝置的特性限制了，不能任意設計。為了獲得理想的運動，我們采用一種優(yōu)化技術來設計這一機構。劍頭所設計的運動有一些設計變量：</p><p><b>　　（5）</b>&l

9、t;/p><p>　　每個參數(shù)在機構的空間范圍內都有其對應的上、下極限，即，邊界約束條件</p><p>　　在一個引緯運動中，當劍桿進出梭口時的慢行程和主動運動，當夾鉗在梭口中心時的整個行程和緯紗轉移時間，還有它的最大加速度等都是最重要的。加速度最大值會影響動態(tài)性能，需要加以控制，而其他參數(shù)應滿足編織加工的需要，如圖2所示，和，和，和是時間角度以及劍桿頭進出梭口時的相應的位移，并且它的行程達

10、到最大。和分別指筘幅和緯紗轉接行程。一般的，劍桿頭進入梭口的時間角大約為75°，劍桿頭離開梭口的時間角大約為285°。它們對應的實際位移分別為和。時間角允許的范圍是175°到190°，然后考慮限制因素的允許范圍，根據(jù)織造加工建立劍頭運動的約束條件：</p><p><b>　?。?）</b></p><p>　　圖2 引緯的工藝

11、參數(shù)</p><p>　　在滿足該編織加工約束條件的前提下，我們應該盡可能減少劍頭的最大加速值，降低劍桿織機驅動系統(tǒng)的動載荷和整個織機的振動。所以，建立優(yōu)化目標函數(shù)：</p><p><b>　?。?）</b></p><p>　　這個函數(shù)比一般的基于錯誤的劍桿位移曲線的更簡潔并且優(yōu)化計算還能夠加快此外，由聯(lián)動機構來看，約束函數(shù)應該包括機構組成

12、條件，即在運動學計算中一個任意曲柄的轉角的自由基值必須大于零，以及許用傳動角的條件。</p><p>　　一種引緯機構的優(yōu)化策略</p><p>　　上述優(yōu)化模型是一個非線性優(yōu)化問題，為此要使用遺傳算法。把設計變量當做染色體，采用浮點數(shù)編碼向量，向量的維數(shù)等于要解決的尺寸，這樣我們就能夠避免二進制編碼和解碼過程，因此提高該算法的運行效率。我們采取懲罰戰(zhàn)略，即，對優(yōu)化問題：最大值，影響因素；

13、1，2，…，q，適合的評價函數(shù)如下</p><p><b>　　(8)</b></p><p><b>　　處罰函數(shù)</b></p><p><b>　?。?）</b></p><p>　　是一個用于調整懲罰程度的參數(shù)，是關于限制的違約量，在關于約束的群體中是最大的違約量。因此

14、，我們可以將不可行解保持在每一代種群中使遺傳搜索在可行域和/或不可行域達到最佳點。</p><p>　　在遺傳和進化期間，我們使用一個精英模型，確保在選擇，交叉和變異后的最佳個體進入下一代。得到一個新的下一代。我們使用比例選擇，即，根據(jù)染色體的概率來選擇，通過隨機操作確定它是否進入新的人口中。交叉算子是一個</p><p>　　算術交叉，如果父親一代屬于一個凸集，那么它們均屬于同一個凸集的

15、兒子一代。突變算子是非均勻的，所以如果父親是在上限和下限區(qū)域之間，發(fā)生變異的下一代，也存在于同一個域。每一個最初的染色體是根據(jù)設計參數(shù)的邊界約束隨機產生，即染色體中的基因被寫為</p><p><b>　?。?0）</b></p><p>　　隨機函數(shù)產生一個在區(qū)間[ 0，1 ]的隨機值，所有由公式（10）產生的染色體滿足邊界約束條件，邊界條件形成的域是凸集，我們從上

16、述提到的算子的交叉和變異性質知道新一代必須滿足邊界約束。所以在整個搜索中我們不允許邊界約束懲罰。</p><p>　　對于一些不符合連鎖形成的約束的染色體采取排斥策略，用新的染色體復制替換它們。另外，當其他特征約束不合格時，采用懲罰策略，但懲罰函數(shù)可以有不同的形式。得到合理的懲罰因子是非常困難的，它與我們討論的具體問題有關通常要采取測試。如果因子不合適，有可能是個別不令人滿意的約束特性比滿足的更好，以至于搜索可能

17、聚集在可行域中。目前，有一些方法可以解決這個問題，例如，鮑威爾介紹的額外的懲罰項，其原則是擴大不可行個體的懲罰，使它們的適應度體不會比可行域內個別最壞的要好。因為機制設計問題的一個最佳點往往存在約束邊界，如圖3所示，這樣對待不可行個體將導致失去很多有用的信息。對這一問題文獻[4]提出了一個算法， 現(xiàn)在，我們引入一個基于以下分析的改進過的懲罰策略：（一）保持不可行點，例如，其目標函數(shù)的值比可行域中的任何一點都要好并使得懲罰更小，因為在約束

18、邊界上，從這些不可行點它可能找到最佳的點。（二）任何兩個不可行點，近一點的是在約束邊界，有著更好的值。因此，可以定義適應度評價函數(shù)：</p><p><b>　　（11）</b></p><p>　　是連續(xù)的，是目前可行范圍中最好的目標函數(shù)值，由于點不屬于，故比更好，為了獲得更小的懲罰設在搜索過程中最有效地阻擋這些不可行解，即獲得對搜索更有用的信息，有益于算法的收斂。

19、懲罰函數(shù)基于“一個點離可行域越遠懲罰就越大”這一原則建立的，是搜索逐漸接近邊界。</p><p>　　圖3 種群中的個體分布</p><p><b>　　引緯機構的設計結果</b></p><p>　　轉換最小化目標函數(shù)（7）到最大化目標函數(shù)，并通過加法使函數(shù)值變合理</p><p><b>　?。?2）<

20、;/b></p><p>　　確保目標函數(shù)值在遺傳算法的整個搜索過程中大于零，是正的常數(shù)，等于2600。最優(yōu)化時，令種群數(shù)量為40；最大進化代數(shù)；交叉概率；變異概率，另外。搜索結束后，最佳點是 </p><p>　　它的目標函數(shù)是比前一個更好，它的懲罰策略

21、做了修改和三個約束相互作用，而修改之前它只有一個約束界面。根據(jù)優(yōu)化后的版本，引緯機構的劍桿的位移，加速度如圖4所示。劍桿頭進出梭口的位移分別為316mm和315mm，劍桿頭的最大位移是1440mm，而織機的轉向角為190°。所以，所有的參數(shù)值滿足織造加工的需求。</p><p>　　圖4 優(yōu)化設計后的引緯運動</p><p>　　進化搜索的跟蹤過程如圖5所示，曲線（a）表示之間每

22、一代的優(yōu)化合理性值和進化代數(shù)的關系，曲線（b）表示每一個種群的平均合理性（包括不可行點）和凈化代數(shù)的關系。圖5種群的最初十代不滿足約束條件，大約八十代后搜索收斂。</p><p>　　圖5 遺傳算法的收斂過程</p><p>　　以上的實際應用表明：（一）通過采用現(xiàn)代設計方法——遺傳算法復雜的引緯機構設計是可行的，（二）本文介紹的處罰方法使得遺傳算法更有效和更普遍的解決數(shù)值優(yōu)化問題的非——

23、線性約束</p><p><b>　　參考文獻:</b></p><p>　　[1] 華大年等主編．機構分析與設計，紡織工業(yè)出版社，北京，</p><p>　　1985，28，181—186.</p><p>　　[2] 玄光男等著，汪定偉等譯．遺傳算法與工程設計，科學出版社，北京，</p><p&g

24、t;　　2000，39—42.</p><p>　　[3] Michalewicz．Z．Genetic Algonthms＋Data Structures =Evolution </p><p>　　Programs．3nd ed．Springer-Verlag，New York，1996.</p><p>　　[4] 林丹等，軟件學報，2001，12(4)，628