結 論
以減少橫梁質量為目標，以變形量及固有頻率為約束條件，結合神經網絡良好的映射擬合能力及粒子群算法簡單快捷的尋優學習機制的優勢，實現了龍門式多軸自動鎖螺絲設備橫梁結構輕量優化，該優化過程主要包括以下三項工作：（1）建立了包含單個隱含層的BP神經網絡，結合大量的數據進行網絡訓練，擬合出尺寸設計變量與最大變形量及一階固有頻率的映射關系，預測誤差基本控制在4%以內；（2）結合Deb可行性準則對粒子群優化算法進行改進，使其具有優化帶約束問題的能力，并通過引入隨機擾動因子改善早熟收斂現象；（3）建立神經網絡與改進的PSO的數據交互關系，通過改進的PSO進行尋優。
最終在保證一階頻率基本不變、最大變形量小量增加的前提下，質量大幅減少29.61%，并通過ANSYS軟件仿真，驗證優化效果的可信度。
基于某典型座椅頭枕的碰撞分析，研究了座椅頭枕結構參數對頭枕碰撞安全性的影響規律，為座椅頭枕的結構性設計提供指導，并取得了以下結論：（1）隨著頭枕厚度和包裹度的增加，碰撞時頭部的最大加速度值、高加速度持續時間逐漸減小，有效提高了頭枕的吸能性。（2）隨著頭枕密度的增加，碰撞時頭部的最大加速度值與高加速度持續時間先減小后增大。這是由于頭枕密度過小，碰撞時頭部易與骨架發生碰撞，使最大加速度值較大，此時增加頭枕密度，可有效減小鋼球與頭枕撞擊時的加速度；但頭枕密度過大，也會使頭枕緩沖作用減弱，使碰撞時頭部最大加速度值升高，降低頭枕的吸能性。
Learn more
