大学现代设计方法习题及答案

上传人:公**** 文档编号:487989628 上传时间:2023-04-25 格式:DOCX 页数:6 大小:23.72KB
返回 下载 相关 举报
大学现代设计方法习题及答案_第1页
第1页 / 共6页
大学现代设计方法习题及答案_第2页
第2页 / 共6页
大学现代设计方法习题及答案_第3页
第3页 / 共6页
大学现代设计方法习题及答案_第4页
第4页 / 共6页
大学现代设计方法习题及答案_第5页
第5页 / 共6页
点击查看更多>>
资源描述

《大学现代设计方法习题及答案》由会员分享,可在线阅读,更多相关《大学现代设计方法习题及答案(6页珍藏版)》请在金锄头文库上搜索。

1、习题一1 )论述产品设计过程中系统设计、参数设计及公差设计的目的与作用。系统设计根据产品的功能要求,进行产品的系统功能和原理设计,即将功能需求映射为物理原理,从而得到产品的初始设计方案。通过对不同方案分析比较,得到合理的初始设计方案。参数设计基于初始设计方案,建立产品的系统模型,以性能、质量、成本等为优化目标,对产品的系统参数优化设计,通过系统参数的合理化,实现性能、质量、成本的综合最优。公差设计在参数设计基础上,进一步以性能、质量、成本综合最优为目标,对参数的公差(如需波动的范围)进行优化。2 .)用黄金分割法求解,初始区间为0,3,迭代2次。(10)第一轮迭代:第二轮迭代:3)论述传统或经

2、典优化方法与现代优化方法的特点。经典优化方法:1基于经典的线性、非线性数学规划理论;2一般需要解析形式的优化模型,只能处理模型简单的优化问题;3得到的结果一般为局部最优解。现代优化方法1基于遗传、模拟退火等现代优化算法,并结合实验设计方法;2不需要解析形式的优化模型,可以处理模型复杂、多目标优化问题;3可以得到全局最优解。4)论述梯度法的原理,并用梯度法求解,初始点X(0)=1,1(一维优化用解析法),迭代2次。梯度法的原理:基于沿负梯度方向,目标函数在当前位置下降最快这一事实,将n维优化问题求解转化为沿负梯度方向的一维搜索,迭代求优过程。搜索方向:最优步长:迭代公式:收敛判据:解:6)论述坐

3、标轮换法的原理和局限性原理:将n维问题转化为依次沿n个坐标方向轮回进行一维搜索。局限性:1 )计算效率低,适合变量n10的情况;2)若目标函数具有脊线,算法将出现病态:沿两个坐标方向均不能使函数数值下降,误认为最优点。7)论述内点法、外点法和混合罚函数法的特点和适用性。内点法:1)初始点为严格内点;2)仅能处理不等式约束;3) 可能存在一维搜索超界问题;3)可以得到多个可行方案。外点法:1)初始点可任选;2)可以处理等式和不等式约束;4) 不存在内点法中的一维搜索超界问题;4)一般仅能得到一个最终方案。混合罚函数法:1)初始点可任选;2)可以处理等式和不等式约束;3)对已经满足的不等式约束用内

4、点法构造惩罚项,对等式约束和未被满足的不等式约束用外点法构造惩罚项;4)采用外推法提高收敛速度。8 )何谓K-T(Kuhn-Tuker)条件?用Kuhn-Tucker验证约束优化问题在点Kuhn-Tucker条件成立。(15)K-T条件:约束极值点存在的条件。设为非线性规划问题的约束极值点,且在全部等式约束及不等式约束条件中共有q个约束条件为起作用的约束,即,(i女i+j=1,2,-qp)。如果在X*处诸起作用约束的梯度向量、(i+j=1,2,-qf(x2),说明极小点在X1的右侧,将步长增加一倍,取X3=X2+2ho若f(x1)f(x2),说明极小点在X1的左侧,需改变探索方向,即将步长符号

5、改为负,得点X3=X1-ho若f(x3)f(x2),则将步长再加大一倍,X4=X3+4h,或X4=X3-2h。即每跨一步的步长为前一次步长的2倍,直至函数值增加为止。(2)2)用黄金分割法求解,初始区间为0,2,迭代2次。(10)第一轮迭代:第二轮迭代:3)写出优化模型的标准式。4)论述梯度法的原理,并用梯度法求解,初始点X(0)=1,1(一维优化用解析法),迭代2次。梯度法的原理:基于沿负梯度方向,目标函数在当前位置下降最快这一事实,将n维优化问题求解转化为沿负梯度方向的一维搜索,迭代求优过程。5)论述搜索法求解一维和多维优化问题的收敛准则(1) 一维优化的基本思路是通过数值迭代逐步缩减极值

6、点所在的单峰区间,当区间长度达到给定精度,即可认为优化过程收敛,则收敛准则为(2) 多维优化问题数值搜索寻优过程的搜索结果构成一序列,该序列收敛于优化问题的解。根据序列理论,序列收敛的条件为:相邻两轮搜索得到的近似极值点“相对距离”小于给定精度,即:6)论述阻尼牛顿法的原理和局限性牛顿法的原理:在X(k)的邻域内,用二次泰勒多项式近似原目标函数F(X),以该二次多项式的极小点作为F(X)的下一个迭代点X(k+1),并逐渐逼近F(X)的极小点X*。阻尼牛顿法的原理:对牛顿法的修正在牛顿方向上作一维搜索求最优步长。局限性:当F(X)的海赛矩阵在迭代点处正定情况下,阻尼牛顿法可以保证每次迭代,迭代点

7、的函数值都下降;在迭代点处不定情况下,函数值不会上升,但不一定下降;在迭代点处奇异情况下,不能求逆,无法构造牛顿方向;要求F(X)二阶可微。7 试建立下图所示一维问题的刚度方程。8 )8.何谓K-T(Kuhn-Tuker)条件?用Kuhn-Tucker验证约束优化问题在点Kuhn-Tucker条件成立。K-T条件:约束极值点存在的条件。设为非线性规划问题的约束极值点,且在全部等式约束及不等式约束条件中共有q个约束条件为起作用的约束,即,。芍,i+j=1,2,-qp)。如果在X*处诸起作用约束的梯度向量、(i+j=1,2,-qp)线性无关,则存在向量使下述条件成立,其元素为非零、非负的乘子,为非零的乘子。解:9 .论述有限元分析的过程。1) 结构几何建模;2) 设定材料常数,弹性模量、泊松比。;3) 载荷、位移边界条件;4)划分单元,对单元编号e=1,2,3,n;5)对节点编号k=1,2,3,N列出单元与节点的对应关系表;6) 计算等效节点力;7) 形成单元刚度矩阵;8) 组装整体刚度矩阵;9) 引入位移边界条件;10) 求解刚度方程,得节点位移;11) 计算应力、应变及其分布。

展开阅读全文
相关资源
相关搜索

当前位置:首页 > 商业/管理/HR > 营销创新

电脑版 |金锄头文库版权所有
经营许可证:蜀ICP备13022795号 | 川公网安备 51140202000112号