减速器多学科设计优化方法(CO)的研究.doc

减速器多学科设计优化算法的研究 随着科学技术的迅速发展，装备结构越来越复杂，其设计涉及多门学科或多个领域，如：机械、液压、加工工艺、热处理、装配、结构力学、人机工程学科，且一些领域或结构之间存在不同程度的耦合关系。因此，多学科优化设计算法在复杂装备的优化设计中将发挥重要作用。多学科设计优化(Multidisciplinary Design Optimization MDO)是一种复杂耦合系统设计的综合方法其充分利用学科间的耦合作用从系统的角度对复杂耦合系统进行优化设计以期获得系统的整体最优解达到提高产品性能、降低成本和缩短设计周期的目的。AGV智能化协同作业技术当前进展 （1）信息智能感知与协同管理控制技术 AGV协同作业管理控制的先决条件，主要需要及时掌握AGV所处的位置和状态。对AGV的状态如速度、转角的传感技术已相对成熟，目前研究的热点集中在导航定位技术上。AGV的导航定位方式可分为固定路径法和自由路径法[28]。固定路径法以磁导航技术为代表，磁导航简单可靠，曾长期得到应用，但维护性差，并且固定路径法在灵活性上不如自由路径法。自由路径法中适合在港口定位导航的技术主要包括激光定位导航、毫米波雷达、惯性导航系统、视觉定位导航、全球定位系统（GPS）等[2,3,5,23,24]。以上定位导航技术均具有自身的优缺点，例如GPS是码头AGV全局定位的有效手段之一，GPS能快速定位但受到船体、岸桥等遮挡的影响存在信号盲点并且由于技术保密GPS商业定位精度不高。GPS定位加上惯性导引修正，精度可达±15mm[22]，然而这种导航方式的控制还依赖于中央决策系统，对局部作业环境和作业状态的实时性判断能力不强，因此，能够赋予AGV自识别智能属性的视觉定位导航技术将有可能成为发展趋势[23,24,29-31]。 EDI成为主要的信息交互手段，由于各种信号、信息的同时传输、分析和处理，需要解决实时性和抗干扰性问题。当前的信息融合集中在码头管理信息系统，每台AGV从生产过程控制系统(PCS)被动接受任务指令，AGV群还不具有群智能、不能自组织协调任务分配，AGV作业状态信息反馈滞后，导致即使任务的执行效果不理想，任务分配也不能及时调整，不利于进一步发挥码头水平运输能力。[16-20]。具体体现在： AGV的任务分配的前提假设是各项任务的到达[15,16]；其次，任务分配方式是静态的，较少考虑预计作业时间与实际作业时间不一致的情形，即使按照滚动计划的方式合理的计划间隔时间也较难确定，因此无法实现及时调整[17,18]。 AGV路径规划多数是全局的、静态的，只考虑单台AGV的运输距离和运输路径，并不考虑码头实时交通状况对AGV运输时间和运输路径的影响。按照这种规划方式，无法保证AGV运输时间的最优性，甚至造成局部交通拥堵[11,12,20]。 AGV路径规划算法、Dijkstra算法和A*算法等优化算法被提出使AGV移动路径最短[32-36]；针对AGV避碰，国内研究人员提出了一种基于Dijkstra算法的动态路径规划算法[32]，国外研究人员则根据贝尔曼最优化原理，用动态规划的方法实现了自由环境中多AGV的无冲突路径规划[11,12]。另一方面，在不受路网限制的、自由环境中的路径规划中，分布式（Decentralized）路径规划正成为研究热点[34-36]。因其按照AGV系统中各车辆的路径通过各AGV之间的相互协商确定而具有资源占用少、实时性好等优点；但是纯分布式的规划方法难以保证路径的全局最优性。因此，文献中通常采用集中式与分布式规划相结合的方法，来解决复杂作业环境下的多AGV路径规划问题，研究表明集中式的全局路径规划能够保证群体中所有个体的总体路径最优，而分布式的局部路径优化有望实现实时避障。 2）集装箱装卸、搬运协同控制技术 AGV与岸桥、场桥的自动装卸技术以及AGV与AGV的水平运输协同控制技术两个方面。 对箱技术是实现AGV与场桥、岸桥自动关键技术，集成3D激光扫描技术、图像识别技术、红外摄像技术等机器视觉探测技术，综合实现AGV与岸桥、场桥之间的集装箱装卸全自动化。AGV与场桥交接点设置停车位缓冲，振华重工创新地研发了AGV伴侣解决该瓶颈问题。 [11,12,20]。目前，针对不同情形的冲突（交叉口堵车、超车道路占用、运输线路超负荷）、碰撞（场桥、岸桥、AGV间、其他障碍物等）、突发故障（断电故障、机械故障）等复杂作业情况下的应对和应急技术，主要还是通过超声波测距或激光探测后提前减速和停止前行，并安装缓冲器等保护装置[26,29]，AGV自主决策和主动AGV上的应用还相当有限。因此，未来围绕AGV避碰、故障应对、应急的人工智能安全控制技术将成为研究热点。 （1）AGV计划调