【導(dǎo)讀】據(jù)我所知，除文中已經(jīng)注明引用的內(nèi)容外，本論文（設(shè)計）不包含其他個人已。經(jīng)發(fā)表或撰寫過的研究成果。對本論文（設(shè)計）的研究做出重要貢獻(xiàn)的個人和集體，均。已在文中作了明確說明并表示謝意。計）的電子版和紙質(zhì)版。有權(quán)將論文（設(shè)計）用于非贏利目的的少量。復(fù)制并允許論文（設(shè)計）進(jìn)入學(xué)校圖書館被查閱。保密的論文（設(shè)計）在解密后適用本規(guī)。文科類論文正文字?jǐn)?shù)不少于萬字。國家技術(shù)標(biāo)準(zhǔn)規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程字書寫，不準(zhǔn)用徒手。速準(zhǔn)確的到理想條件下的最佳夾緊力、最優(yōu)參數(shù)。通過ADAMS軟件建立飛行器加緊機(jī)構(gòu)的ADAMS模型，進(jìn)行運動學(xué)仿真，結(jié)果具有說服力。之后在ADAMS中參數(shù)化模型，初步優(yōu)化，得到變量DV_4，但結(jié)果并不讓人滿意，通過查閱文獻(xiàn)，將ISIGHT結(jié)合ADAMS進(jìn)行。劃法算法得到最優(yōu)夾緊力及最優(yōu)參數(shù)?；Y(jié)果，得到后者的優(yōu)化效果更好。

　　

【正文】 ，生成設(shè)計矩陣如下圖。 最后選擇 SPRING_FORCE 為優(yōu)化目標(biāo)，選擇最小。點擊運行Runtime_Gateway，運行了 100 步后輸出實驗文件，見 附件 。 ISIGHT 自動生成了對夾緊力影響最大的變量的圖，見圖 51。從這張圖我們可以看到對夾緊力影響最大的變量是 DV_6DV_8,次之的是 DV_10。而 ADAMS 運行得到的結(jié)果是 DV_DV_ DV_8 這 3 個變量對夾緊力影響最大，這和 ISIGHT 得到的結(jié)果有所不同，這是因為 ADAMS 只研究單個變量對夾緊力的敏感程度，而沒有研究兩個變量共同作用下的對夾緊力的靈敏度。 0246810DV _ 9 ^ 2DV _ 6 ^ 2DV _ 5 ^ 2DV _ 2 DV _ 8DV _ 4 ^ 2DV _ 7 ^ 2DV _ 1 ^ 2DV _ 3 ^ 2DV _ 1 0 ^ 2DV _ 6 DV _ 8% e f f e c t on O B J E C T I V E _ 1DV _ 9 ^ 2DV _ 6 ^ 2DV _ 5 ^ 2DV _ 2 DV _ 8DV _ 4 ^ 2DV _ 7 ^ 2DV _ 1 ^ 2DV _ 3 ^ 2DV _ 1 0 ^ 2DV _ 6 DV _ 8 圖 51 變量對夾緊力影響程度圖 重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 29 同時 ISIGHT 也輸出了變量 DV_6 與 DV_8 的關(guān)系圖及公式，如下圖所示。 得到每個變量對夾緊力的影響曲線如下圖所示。 ISIGHT 優(yōu)化設(shè)計 ISIGHT 中包含多種優(yōu)化技術(shù)，主要可以分為 3 類：數(shù)值型優(yōu)化技術(shù)、探索型優(yōu)化技術(shù)、專家系統(tǒng)型優(yōu)化技術(shù)。每一內(nèi)優(yōu)化算法都適應(yīng)不同的問題，只有對優(yōu)化算法十分熟悉才可以重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 30 選擇出適當(dāng)?shù)乃惴?。本文參考文獻(xiàn) [8]選擇數(shù)值型優(yōu)化技術(shù)中的混合型優(yōu)化算法（ MOSTT）和連續(xù)二次規(guī)劃法（ NLPQL）。 混合整型優(yōu)化方法 MOST 首先認(rèn)定所給的設(shè)計問題是連續(xù)的，并使用連續(xù)二次規(guī)劃法得到一個初始的峰值。如果所有的設(shè)計變量都是實數(shù)型的，優(yōu)化過程停止。否則，對每一個非實數(shù)型參數(shù)尋找一個最近的設(shè)計點，該點滿足非實數(shù)型參數(shù)的限制條件。這些限制條件被作為新的約束加進(jìn)來，然后重新優(yōu)化，產(chǎn)生 組新的峰值。這些峰值作為新的迭代的起始點。在這個過程中，連續(xù)的非實數(shù)型參數(shù)被作為重點考慮的對象，直到所有的限制條件都得到滿足，優(yōu)化過程結(jié)束。 NLPQL用來解決帶有約束的非線性數(shù)學(xué)規(guī)劃問題，并假設(shè)目 標(biāo)函數(shù)和約束條件是連續(xù)可微的。二次連續(xù)規(guī)劃法 (SQP)是 NLPQL的核心算法。將目 標(biāo)函數(shù)以二階泰勒級數(shù)展開，并把約束條件線性化，原非線性問題就轉(zhuǎn)化為一個二次規(guī)劃問題，通過解二次規(guī)劃得到下一個設(shè)計點。然后根據(jù)兩個可供選擇的優(yōu)化函數(shù)執(zhí)行一次線性搜索，其中 Hessian 矩陣由 BFGS公式更新，該算法很穩(wěn)定。這個技 術(shù)最主要的優(yōu)點是容易 和一個非常健壯的算法一起使用。 本文分別采用這兩種算法進(jìn)行優(yōu)化設(shè)計，對結(jié)果進(jìn)行比較。具體操作如下。 1. 將 Optimization 最優(yōu)化模塊拖動到 Task1 中，雙擊 Optimization，進(jìn)入設(shè)計界面。 2. 將優(yōu)化選擇 NLPQL，在 Variables 欄中勾選設(shè)計變量 DV_1~DV_10，分別根據(jù)設(shè)計要求設(shè)置每個變量的變動范圍。 3. 在 Objective 欄勾選夾緊力為最優(yōu)化的目標(biāo)函數(shù)。這樣， ISIGHT 優(yōu)化設(shè)置基本完成。 4. 點擊運行 進(jìn)入 Runtime gateway 界面，這里可以對優(yōu)化的過程以圖表的方式完全重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 31 展現(xiàn)出來，拜托了一般軟件內(nèi)部運行，用戶無法對運行過程干預(yù)的缺點。 5. 運行了 521 步后， SIGHT 軟件調(diào)用 ADAMS 進(jìn)行了 521 次仿真，這是僅僅使用ADAMS 軟件所不能實現(xiàn)的，也體現(xiàn)了 ISIGHT 智能、自動化、可視化的優(yōu)勢。之后點擊 XXX 圖標(biāo)，將仿真結(jié)果自動以文檔的形式自動輸出，便于用戶分析數(shù)據(jù)，也節(jié)省了繪制各種表格的煩惱。點擊 自動生成 word 文件，見 附件 1。最終得到優(yōu)化后的每個變量的最優(yōu)值如下表。 Optimum design point: Run = 409 Objective = DV_1 = DV_10 = DV_2 = DV_3 = DV_4 = DV_5 = DV_6 = DV_7 = DV_8 = DV_9 = OBJECTIVE_1 = 將每次的夾緊力的大小隨實驗次數(shù)的變化繪制出下圖，可以看出，在 1900 左右達(dá)到最大。 2 0 0 0 1 8 0 0 1 6 0 0 1 4 0 0 1 2 0 0 1 0 0 0 8 0 0 6 0 0 4 0 0 2 0 000 100 200 300 400 500 600OBJECTIVE_1O B J E C T I V E _ 1Se r ie s 1 6. 將接下來利用優(yōu)化算法 MOST 進(jìn)行優(yōu)化仿真，操作步驟基本相同，最后輸出結(jié)果見 附件 2。最終得到優(yōu)化后的每個變量的最優(yōu)值如下表。 重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 32 Optimum design point: Run = 165 Objective = Penalty = ObjectiveAndPenalty = DV_1 = DV_10 = DV_2 = DV_3 = DV_4 = DV_5 = DV_6 = DV_7 = DV_8 = DV_9 = OBJECTIVE_4 = 將每次的夾緊力的大小隨實驗次數(shù)的變化繪制出下圖，可以看出，在 1500 左右達(dá)到最大，比第一次實驗得到的數(shù)據(jù)更大。 1 6 0 01 4 0 01 2 0 01 0 0 08 0 06 0 04 0 02 0 000 50 100 150 200OBJECTIVE_4O B J E C T I V E _ 4Se r ie s 1 結(jié)果分析與評價 本文利用了兩種優(yōu)化算法同時進(jìn)行仿真優(yōu)化，得到的結(jié)果不同，我們發(fā)現(xiàn)采用連續(xù)二次規(guī)劃法（ NLPQL）得到的結(jié)果更優(yōu)，同時在實驗過程中，通過改變變量的變動范圍，對結(jié)果也有很大的影響，如何確定每個變量的范圍，值得進(jìn)一步探討。通過多次改變變量的范圍，從而找到最優(yōu)的范圍，但這一方法的缺點是變量較多，不能確切的找到最好的結(jié)果，只能得到較優(yōu)的結(jié)果。 參考文獻(xiàn) [8]中將夾緊力優(yōu)化到了 2500N，但是 我們發(fā)現(xiàn)這個結(jié)果是有待商榷的。我們將論文中的數(shù)據(jù)代入到 ADAMS 中后發(fā)現(xiàn)，最終得到的夾緊機(jī)構(gòu)無法實現(xiàn)自鎖，也就是說，在測量角度未達(dá)到 0 時，就已經(jīng)無法繼續(xù)向下壓了，出現(xiàn)這種問題的原因之一就是變量范圍重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 33 設(shè)置的不合理，以及未對實驗結(jié)果進(jìn)行討論分析，只是一味地追求最大力，而最大的力不一定是最好。 本次設(shè)計未考慮所夾的物體所能承受的最大的力，如果夾緊機(jī)構(gòu)自鎖產(chǎn)生的力過大，就會導(dǎo)致被夾的物體發(fā)生變形或損壞，二機(jī)構(gòu)本身的強(qiáng)度不夠也會導(dǎo)致機(jī)構(gòu)發(fā)生斷裂等危險。所以，最終得到的結(jié)果還需要進(jìn)一步進(jìn)行優(yōu)化、研究。 總結(jié)及心得體會 通過查閱資料，老師講解，閱讀教程，我們順利完成了航空飛行器夾緊機(jī)構(gòu)模型建立以及初步優(yōu)化工作，最優(yōu)化設(shè)計以及多體動力學(xué)分析將會在第三次報告中體現(xiàn)。 本次的課程設(shè)計經(jīng)歷了毫無頭緒、閱讀文獻(xiàn)大概了解、學(xué)習(xí)軟件初步完成的過程，在研究期間我們互相學(xué)習(xí)，共同進(jìn)步，也感受到了團(tuán)隊合作的重要。逐漸對 ADAMS 從陌生到熟悉，對科研過程從盲目到稍有頭緒。風(fēng)雨共濟(jì)，矛盾不可避免地發(fā)生過幾次，但最后都達(dá)成一致，互相理解，而這之間建立的友誼難能可貴。 在 ADAMS 仿真與優(yōu)化做完后，我們并不滿足于現(xiàn)有的結(jié)果，世上難以出現(xiàn)最好，只能是更好。通過查閱大量的文獻(xiàn)，找到了一篇論文利用 ISIGHT 將夾緊力優(yōu)化到了 1575N，是初始夾緊力的兩倍。找到了問題的突破口于是就查找到了相關(guān)的更多文獻(xiàn)，更多的信息。于是，我們開始深入了解、學(xué)習(xí) ISIGHT 的優(yōu)化方法。 首先我們按照論文中的方案進(jìn)行，在一次次失敗后我們依然沒有放棄，最終功夫不負(fù)有心人，成功地得到了想要的結(jié)果。但問題還沒有結(jié)束。通過對問題的進(jìn)一步分析，我們對論文中的方法和結(jié)果產(chǎn)生的懷疑。這是合理的結(jié)果嗎，這是更好的方法嗎？ 經(jīng)過 更多的嘗試，更多的學(xué)習(xí)，我們發(fā)現(xiàn)，洪鵑教授的論文中其實采用了一種最笨的方法，也是一種最容易出錯的方法，我們找到了一個可以高效快速解決問題的方法，也就是文中的方案二。 最后，通過對實驗結(jié)果的分析，我們發(fā)現(xiàn)問題并沒有真正的解決，雖然是一個看似簡單的夾緊機(jī)構(gòu)，卻存在很多更深層次的問題值得我們探討、研究，而這些問題也是依靠現(xiàn)有的知識所無法解釋、無法解決的，例如優(yōu)化算法的選擇、變量范圍對結(jié)果的影響等。希望通過以后更多的學(xué)習(xí)，能夠?qū)⑦@一課題做的更好。 到目前為止，機(jī)械原理課程基本結(jié)束了，通過做這個項目、課堂的學(xué)習(xí)我學(xué)到 了很多，也知道了自己的力量是有限，思維也是狹窄的，只有與人分享、和團(tuán)隊里的其他人一起探討研究，才能有更大的提高。本次論文分別由 XXXX 一起共同完成， XXX 負(fù)責(zé) ADAMS 模型的建立以及參數(shù)化的寫作， XXX 負(fù)責(zé)最優(yōu)化以及 ISIGHT 初步優(yōu)化的寫作， XX 負(fù)責(zé) ISIGHT與 ADAMS 聯(lián)合優(yōu)化的部分以及結(jié)果分析總結(jié)等部分。雖然是由三人分別完成，但在寫作過程中，都是 3 人共同討論、修改，最終定稿。 重慶大學(xué)機(jī)械原理課程設(shè)計 基于 ADAMS 與 ISIGHT 的航空飛行器夾緊機(jī)構(gòu)聯(lián)合仿真與優(yōu)化 34 參考文獻(xiàn) [1] ADAMS/View 使用入門練習(xí)。 [2] 馬闖，吳洪濤，谷坷，基于 ADAMS 的夾緊機(jī)構(gòu)優(yōu)化設(shè)計，機(jī)械制造與研究， [3] 李云， 基于 ADAMS 的夾緊機(jī)構(gòu)優(yōu)化設(shè)計，新技術(shù)新工藝， [4] 侯衍勇，基于 ADAMS 的夾緊機(jī)構(gòu)虛擬樣機(jī)仿真分析和優(yōu)化設(shè)計，科技向?qū)В? [5] 李慶國，曾慶良，范文慧，多體動力學(xué)優(yōu)化方法，煤礦機(jī)電 [6] 趙懷瑞， ISIGHT 工程優(yōu)化 實例分析， [7] 耿建光，李隆春， ISIGHT 中的過程集成與設(shè)計自動化，北京航空航天大學(xué) ， [8] 洪鵑，孫成通，基于 ISIGHT 的多學(xué)科設(shè)計優(yōu)化技術(shù)研究，臨沂師范學(xué)院學(xué)報，