【正文】 優(yōu)化策略制定相應(yīng)的約束。在本文的第二部分將是一個額外的評估介紹 :用曲軸的動態(tài)響應(yīng)來控制第一特征頻率 ,部首自身的中立影響。但抗衡的形狀不太適合鍛造 ,因此有必要引入一個額外的目標(biāo)函數(shù)來提高砝碼的曲率。仿真所需的鍛造過程是為了定義一個好的形狀曲線和可制造性之間的關(guān)系。 [6] M. Olhofer, Yaochu Jin, and B. Sendhoff, “ Adaptive encoding for aerodynamic shape optimization using evolution strategies,” Evolutionary Computation,Seoul: 2021, pp. 576583. [7] J. Lampinen, “ Cam shape optimisation by geic algorithm,” ComputerAided Design, vol. 35, 2021, . [8] M. Eldred et al., DAKOTA, A Multilevel Parallel ObjectOriented Framework for Design Optimization, Parameter Estimation, Uncertainty Quantification, and Sensitivity Analysis. Reference Manual, USA: Sandia Laboratories, 2021. [9] Y. Kang et al., “ An accuracy improvement for balancing crankshafts,” Mechanism and Machine Theory, vol. 38, 2021, pp. 14491467. [10] S. Obayashi, T. Tsukahara, and T. Nakamura, “ Multiobjective geic algorithm applied to aerodynamic design of cascade airfoils,” Industrial Electronics, IEEE Transactions on, vol. 47, 2021, . [11] . Fonseca and . Fleming, “ An Overview of Evolutionary Algorithms in Multiobjective Optimization,” Evolutionary Computation, vol. 3, 1995, pp. 116. [12] ., “ Comparison of Strategies for the Optimization/Innovation of Crankshaft Balance,” Trends in Computer Aided Innovation, USA: Springer, 2021, pp. 201210. [13] S. Rao, Mechanical vibrations, USA: AddisonWesley,1990. [14] . Coello Coello, An empirical study of evolutionary techniques for multiobjective optimization in engineering design, USA: Tulane University, 1996. [15] N. LeonRovira et al., “ Automatic Shape Variations in 3d CAD Environments,” 1st IFIPTC5 Working Conference on Computer Aided Innovation, Germany: 2021, pp. 200210. [16] . Smith, . Dike, and . Stegmann, “ Fitness inheritance in geic algorithms,” ACM symposium on Applied puting, USA: ACM, 1995, pp. 345350. 。 參考文獻(xiàn) [1] . Mourelatos, “ A crankshaft system model for structural dynamic analysis of internal bustion engines,” Computers amp。這樣可以提高曲軸的一些形狀 ,但不太好控制失衡的效果。 圖 CW9概要文件 總結(jié)和結(jié)論 使用 Java接口允許遺傳算法集成到 CAD軟件上 ,在論文的第一部分 , 進(jìn)行優(yōu)化曲軸不平衡。眾所周知 ,曲率是內(nèi)切圓半徑的曲線決定的。據(jù)此推斷 ,要想達(dá)到平衡的目標(biāo) ,可能需要考慮這些約束。 盡管結(jié)果獲得改善 ,融合還沒有令人滿意，因為目標(biāo)不能達(dá)到平衡內(nèi)部的設(shè)計約束了幾何圖形的運(yùn)用的要求 ,從而進(jìn)行了一些試驗允許花鍵贖愆幾何約束，最后一代一個人被發(fā)現(xiàn)非常接近平衡的目標(biāo)。花鍵配置文件允許形狀改變了遺傳算法由于編纂樣條曲線的控制點扮演的基因。 to 原始的不平衡設(shè)計 圖 曲軸形狀參數(shù)化 為了使幾何修改決定替代當(dāng)前形狀下的曲軸設(shè)計分析 ,從原始的“弧形”設(shè)計 表示抗衡的形象 ,一個概要文件使用樣條曲線，如圖 2 顯示了一個制衡的曲軸。這個方法可能是最簡單的形式制定如下 : xs ubj e c tTixfiki ???? 1 )(min Ti 表示目標(biāo)或目標(biāo)設(shè)定的第 i 個目標(biāo)函數(shù) fi 設(shè)計師 (x)和 x 代表了可行域。這是一個適應(yīng)度函數(shù)選擇的反應(yīng)同樣的加權(quán)函數(shù)之間的差異指定目標(biāo)上的失衡和當(dāng)前的不穩(wěn)定校正飛機(jī)位于兩個外 部的曲軸 (CW1 和 CW9)[13]。的合成彎矩等于時刻由離心力引起的由于曲軸質(zhì)量重心 ,目前是由校正的質(zhì)量不平衡引起的。有限元法：有限元方法 幾何限制下的平衡優(yōu)化 作者 [12]之前的工作中 ,探測 CAD 曲軸模型不平衡的設(shè)計，取決于 CAD 軟件。 EA：進(jìn)化算法 。這一特點使得遺傳算法的解決問題的 MO非常有吸引力的。因為一般來說我們的方法需要考慮的目標(biāo)函數(shù)是一個黑盒子，和目標(biāo)函數(shù)值的唯一的供應(yīng)可以保證，沒有進(jìn)一步的假設(shè)進(jìn)行了審議。在這個集合中的每個點是最佳的，任何改進(jìn)可以在一個目標(biāo)組件，它不會導(dǎo)致降解中的其余組分中的至少 1 [10]來實現(xiàn)的感覺。的曲軸設(shè)計所選擇的目標(biāo)是要達(dá)到的目標(biāo)失衡和減少其重量和 /或增加它的第一特征頻率。本文提出了一種方法，該任務(wù)的還有一些方法，可以 用來建立在曲軸設(shè)計和發(fā)展?fàn)顩r的戰(zhàn)略。燃?xì)饧膳c在參數(shù)和結(jié)構(gòu)優(yōu)化目前用于尋找最優(yōu)的拓?fù)浣Y(jié)構(gòu)和形狀給 CAD和 CAE系統(tǒng)部分在一定條件下。有對形狀判定應(yīng)用程序中的機(jī)器部件的設(shè)計和對這些部件的功能性能的優(yōu)化，例如天線 [5] ，渦輪葉片 [ 6 ]等在機(jī)械工程 IELD ，基于進(jìn)化算法的結(jié)構(gòu)拓?fù)鋬?yōu)化方法用于獲取被普遍只有通過昂貴和耗時的迭代過程逼近最優(yōu)幾何解決方案。形狀優(yōu)化基于遺傳算法（ GA ）或基于進(jìn)化算法（ EA ）在一般情況下，是研究的一個較新的領(lǐng)域。目前研究的目標(biāo)是 :建立一個戰(zhàn)略發(fā)展的發(fā)動機(jī)曲軸的集成工藝 :CAD 和 CAE(計算機(jī)輔助設(shè)計與工程 )軟件模按照型遺傳算法評價功能參數(shù)、使用樣條曲線的形狀結(jié)構(gòu)和 Java 語言編程的集成系統(tǒng)優(yōu)化方法。這些改進(jìn)依賴于材料組成之一 ,隨著公司的發(fā)展 ,內(nèi)燃機(jī)鍛鋼曲軸實際表達(dá)了他們的意圖改變結(jié)節(jié)性鋼從發(fā)動機(jī)曲軸。燃油經(jīng)濟(jì)性、耐用性和內(nèi)燃機(jī)的可靠性 ,呼吁減少大小、重量、振動和噪音，成本等力量推動著市場快速發(fā)展。首先是曲軸的平衡被定義為一個獨立的目標(biāo)函數(shù) ,其次是失衡的帕累托優(yōu)化兩點校正 ,并且限制物體的曲率的關(guān)鍵在于鍛造。 CAE 適用于動態(tài)限制 (學(xué) )。本文描述了一個總體戰(zhàn)略 ,優(yōu)化曲軸的平衡 , 通過用 Java編程結(jié)合 CAD和 CAE軟件計算出最優(yōu)的參數(shù)。 Structures, vol. 79, 2021, . [2] P. Bentley, Evolutionary Design by Computers, USA:Man Kaufmann, 1999. [3] . Goldberg, Geic Algorithms in Search ,Optimization and Machine Learning, USA: AddisonWesley Longman Publishing Co., 1989. [4] . Coello Coello, “A Comprehensive Survey of EvolutionaryBased Multiobjective Optimization Techniques,” Knowledge and Information Systems, , 1999, pp. 129156. [5] . Cohanim, . Hewitt, and O. de Weck, “TheDesign of Radio Telescope Array Configurations using Multiobjective Optimization: Imaging Performance versus Cable Length,” astroph/0405183, 2021, pp. 142。 MOGA: Multiobjective Geic Algorithm。Engineering) software to model and evaluate functional parameters, Geic Algorithms as the optimization method, the use of splines for shape construction and Java language programming for integration of the systems. Structural optimization under these conditions allows puters to work in an automated environment and the designer to speed up and improve the traditional design process. The specific requirements to be satisfied by the strategies are: Approach the target of imbalance of a V6 engine crankshaft, without affecting either its weight or its manufacturability. Develop interface programming that allows integration of the different software: CAD for modeling and geometric evaluations, CAE for simulation analysis