Análisis estructural y aplicación de componentes no estándar basados en algoritmos genéticos
Autores: Lei, Zhao; Lai, Hu; Hua, Zhang; Hua, Chen
Idioma: Inglés
Editor: MDPI
Año: 2019
Acceso abierto
Artículo científico
2019
Análisis estructural y aplicación de componentes no estándar basados en algoritmos genéticos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Eficiencia
Calidad
Costo
Diseño
Método de análisis
Optimización
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 45
Citaciones: Sin citaciones
Ante los problemas de baja eficiencia, mala calidad y alto costo de los componentes tradicionales, es necesario estudiar un método de diseño y análisis de componentes no estándar. Tomando el dispositivo de carga y descarga de torreta de piezas no estándar como portador, se extraen las partes clave de las piezas no estándar para el diseño estructural y se establecen el modelo matemático multiobjetivo y el modelo de teoría modal. El análisis de optimización de las partes clave se realiza mediante algoritmos genéticos. Finalmente, los resultados de optimización se comparan y simulan mediante ANSYS Workbench. Los resultados muestran que: en este caso, los datos optimizados por algoritmos genéticos en comparación con otros datos, la diferencia global de calidad es del 4.1%. Los primeros seis valores modales en los resultados optimizados se encuentran en el rango de 68 Hz a 130 Hz, lo que proporciona una base para investigaciones similares en el futuro.
Descripción
Ante los problemas de baja eficiencia, mala calidad y alto costo de los componentes tradicionales, es necesario estudiar un método de diseño y análisis de componentes no estándar. Tomando el dispositivo de carga y descarga de torreta de piezas no estándar como portador, se extraen las partes clave de las piezas no estándar para el diseño estructural y se establecen el modelo matemático multiobjetivo y el modelo de teoría modal. El análisis de optimización de las partes clave se realiza mediante algoritmos genéticos. Finalmente, los resultados de optimización se comparan y simulan mediante ANSYS Workbench. Los resultados muestran que: en este caso, los datos optimizados por algoritmos genéticos en comparación con otros datos, la diferencia global de calidad es del 4.1%. Los primeros seis valores modales en los resultados optimizados se encuentran en el rango de 68 Hz a 130 Hz, lo que proporciona una base para investigaciones similares en el futuro.