基于BP神经网络与遗传算法的减振器优化设计

　　在日常生活、生产及军事等各个领域中，振动现象无处不在，复杂的动力学环境对设备的安全可靠工作产生了巨大威胁，特别是一些电子设备为了避免外加振动对其自身造成的损伤及精度的影响，这些设备常采用外加固技术，如减振、缓冲技术。在减振、缓冲设计中广泛采用了各种类型的减振器。随着有限元理论的成熟和计算机技术的快速发展，神经网络和遗传算法在结构优化设计中得到越来越广泛的运用。文献[1 ～ 3]运用神经网络和遗传算法分别对液压机上梁轻量化和刚度、车身骨架结构及塔机结构进行了优化设计，并取得了不错的结果。

　　传统的橡胶计算公式很难准确反映复杂系统的振动特性，在优化中只能利用应力、位移的一阶或二阶导数进行近似结构优化，而且随着设计变量的增加，近似分析精度急剧下降。以实验为基础结合有限元模拟分析得到的数据为样本，利用BP 神经网络和遗传算法对其进行优化，很好地解决了多结构设计参数难以与系统频率实现全局性映像的难题，达到了优化目标。

　　1 系统组成要求与总体设计思路

　　1. 1 系统组成与要求

　　该系统由模拟盒和4 个减振器组成，模拟盒外形尺寸为150 mm × 120 mm × 90 mm 外壁分别开有圆形与方形槽，仿真盒质量约为4. 5 kg，形状不完全对称，质心不在箱体的几何中心。减振器初步设计形状如图1 所示。系统中减振器的布置方式采用在两相对平面内的对角线交叉布置，并使空间对角线的交点与模拟盒质心重合，保证同一平面内的安装点距质心距离相等，以避免振动耦合化[4]。

　　对普通橡胶存在载荷方向与弹性位移一致且不发生角位移的3 个相互正交的轴线方向，这3 个轴线称为橡胶的弹性主轴[5]。为保证系统中抖频、抖幅的输出精度，要求系统在减振器弹性主轴方向上的非回转振动的固有频率基本一致，并实现在低于18 Hz 时的低频减振效果。

　　1. 2 总体设计思路

　　1) 根据经典橡胶理论根据经典橡胶理论初步确定减振器尺寸。在ANSYS 软件中利用粗略尺寸与敏感参数建立参数化有限元模型，并进行存在预应力的复特征值模态分析，确定系统共振频率。以试验为基础有限元分析相结合的方式采集样本数据。

　　2) 将减振器部分结构设计参数与共振频率作为样本来训练BP 神经网络，以获得设计参数与共振频率的非线性全局映射关系。

　　3) 建立优化模型，利用神经网络建立的映射关系计算目标函数值。

　　4) 利用遗传算法进行优胜劣汰的寻优搜索运算，求出最优解。