履带起重机臂架结构的设计研究及优化

本资料包含pdf文件1个，下载需要1积分

中图分类号，TH2 文献标志码：A doi：10.3969/j.issn.1673-2057.2013.03.014臂架作为履带起重机主要承载构件，其强度、抗失稳能力、自重等对起重机的整机性能有着重要的影响，而且臂架结构 自重在整机中占有较大比重，是影响提高起重能力减轻起重机上部结构自重的主要因素，因此对臂架进行优化设计是非常必要的。文献[1]利用改进遗传算法、文献[2]利用综合规划的方法对起重机臂架进行优化设计，得到了较好的结果。

粒子群算法(PSO)是群智能优化算法的-种，其通过模拟鸟群觅食行为，来模拟由简单个体组成的群落与环境以及个体之间的互动行为，是-种基于群体智能的全局随机搜索算法。PSO算法以其结构简单，容易实现，运行速度快，精度高，参数设置少等优点，在解决实际实际问题中充分展示了其优越性 ]，但是，粒子群算法极易陷入局部最优，在研究算法的时候，发现模拟退火算法更易解决局部最优”问题，为此，在粒子群优化过程中，对可能陷入局部最优的情况用模拟退火算法进行扰动”，将粒子群算法与模拟退火算法组合，希望能够解决此问题，并为工程实际应用提供新的思路。

1 参数化建模1.1 受力分析履带起重机结构简图如图1，起重机臂架为空间四弦杆桁架式架构，采用滑轮组实现变幅的桁架式臂架在变幅平面内按两端两端简支中心受压构件计算，在回转平面内按臂根固定、臂端自由承受纵横弯曲作用的构件计算。在变幅平面和回转平收祸 日期 ：2012-11-20作者简介：张玉星(1986-)，男，硕士研究生，主要研究方向为现代机械设计方法。

j I j j j j jr妇 j j j I I j j j Ik magneto-rheological damper and soft silicone rubber in J-artificial limb under three motion conditions was con-duced. I1he simulation results show that the magneto-rheological damper in the process of movement has better buf-efing performance that of soft silicone rubber.卟 e study can offer references for the development of new buffer-typedamping sports artificial limb。

Key words：J-artificial limb，magneto-rheological damper，damping characteristics222 太 原 科 技 大 学 学 报 2013拄面简化后的力学模型如图2-图3所示。

其中：Q-- 吊重量；F。-- 拉板力；FBh--起升绳力； 。--起升冲击系数； -- 起升载荷动载系数； --臂架自重。

有起升绳力与起升载荷的关系有：F ： (1)叼sh式中：i为滑轮组倍率；1 为滑轮组效率。

图 1 履带起重机结构简图Fig.1 The structure diagram of crawler crane图2 臂架在变幅平面受力简图Fig.2 Th e force diagram ofjib in lufering plane图3 臂架在回转平面受力简图Fig.3 Th e force diagram ofjib in slewing plane根据变幅平面内臂架受力简图(图 2)，对臂架铰点 B蓉，则拉板力2 QLcosO艿 1 mgLcosO-F，hLsin0 h，，'、a-- - 。--] ---～ .其中： 为臂架重心比，在此简化考虑取 0.5。

臂架在危险截面的轴向力F 为变幅拉索力、臂架自重、起升载荷和起升单绳拉力合力，则Fbq2Qsin0 lmlgsin0 COS0shF.cos0 (3)式中：m。为危险截面以上的臂架质量。

单臂架的载荷组合在变幅平面和回转平面均按物品偏摆力、惯性力和风力进行组合。

回转平面(图3)内由货物偏摆和臂重的风载及惯性载荷引起的侧向集中力：TT1 (4)式中： 为货物在风载作用下在臂端引起的侧向力，取 Qtana(a-般取3。-6。)；为货物在旋转机构的起动、制动惯性力的作用下在臂端引起的侧向力，在此，简化为额定起重量的10%计算；为臂架的风载，以分布载荷的形式作用于臂架的侧面，通常取分布臂架风载的40%Fw以集中力的形式作用于臂端。

1.2 建立目标函数和约束条件以履带式起重机桁架式臂架为研究对象，以臂架重量最轻为目标函数，以强度、刚度、稳定性为约束条件 ]，建立臂架系统的数学模型。

1.2.1 目标函数min F( )∑V1 PX 1， 2， 3，， l3表示各部分杆件的体积；p表示钢材的密度，7.85×10 Kg/m ； 1， 2， 3，， 13表示臂架结构的各几何尺寸，具体含义见表 1。

弦杆的体积之和：V1：4A3( 1[( ) ( 兰) ( 学 ) ]÷[(字 ) ( 三) (苎 ) ]÷)中间节变幅平面、回转平面斜腹杆体积之和：： [A。( ：2 )÷A2( 2 )号]6根节和顶节腹斜杆体积之和：： t2A。[(兰学 ) ]A：[(兰3 兰三) ]÷A [(兰 三)z z]÷直腹杆体积之和：V4 8x2A18 3A式中： 为臂架长度；A 为变幅平面腹杆截面面积，A。：型 旦三-二 ；A 为回转平面腹第34卷第3期 张玉星，等：履带起重机臂架结构的设计研究及优化法 223；A。为弦 为构式中：A为计算截面主弦杆的净截面积； 、件计算截面对 - 轴或y-y轴的弯矩； 、 为构件计算截面对 - 轴或y-y轴的抗弯模量。(2)臂架腹杆强度约束：变幅平面 Nd≤ [ ] (6)表 1 变量含义及结果对照表Tab.1 The contrast of variable meaning and results变量 变量含义 原始设计 常规优化 文献[1]结果 本文结果1/mm 臂架中间节的长度 10 O00 7 420 5 114 5 822，/mm 变幅平面中间截面宽度 740 470 326 494，/mm 回转平面中间截面宽度 790 740 769 8164/mm 变幅平面端部截面宽度 220 320 220 350/ram 回转平面端部截面宽度 370 570 469 700%/mm 腹杆的半节间距 470 410 347 3O7/mm 回转平面根部截面宽度 900 1 470 1 580 1 640X8/ram 弦杆壁厚 5 5 5 5X9/mm 弦杆外径 60 50 54 5410/ram 变幅平面腹杆外径 30 30 15 15Xl/mm 变幅平面腹杆壁厚 3 3 3 312/mm 回转平面腹杆外径 30 30 23 23Xl3/nun 回转平面腹杆壁厚 3 3 3 3F(X)/ks 臂架结构自重 769.96 684.71 752.5 676回转平面 Nd≤[ ] (7)(3)臂架整体刚度约束：变幅平面A ≤[A] (8)回转平面A ≤[A] (9)，Y式中：Z /z1/x2L，Z /zl 3 ， 1为在变幅平面内由臂架支承方式决定的长度系数； ：为变截面臂架的长度系数； ，为考虑变幅拉臂绳或起升绳影响的长度系数； 、 为臂架最大截面的回转半径。

(4)弦杆刚度约束：A ≤ [A] (10)，1式中：Z 。为最长肢杆节间距。

(5)腹杆刚度约束：变幅平面A 。 ≤[A] (11)回转平面 A 。 ≤ [A] (12)2rain式中：z 为腹杆的计算长度，-般取.1 0.91。

(6)整体稳定性约束：考虑腹杆变形，臂架的换算长细比为：Ah√A 40 A≤[A] (13)A √A 40 A≤[A] (14)式中：A。 、A 为臂架横截面垂直于 - 轴或y-y的平面内各腹杆的毛截面面积之和。

在臂架作业时，由于同时受有轴向力，绕 - 轴和绕y-y轴的双向弯矩，因此按双向压弯构件稳定性计算约束：当Ⅳ/ 和iV/N，均小于0.1时，按下式计算： ≤[o- 5. ，当V/N，和2V/lV，均大于等于0.1时，按下式计算：224 太 原 科 技 大 学 学 报 2013年( 1 Y(15.2)式中：N为作用在构件上的轴向力； 为轴心受压构件的稳定系数； 、Ⅳv为构件对 - 轴或 y-y轴的名义欧拉临界力 ， (7)主弦杆的单肢节间稳定性约束：： -m 2re (y)≤ (16) - - s L J L 0式中：B为臂架在所计算平面内被验算弦杆的间距。

(8)腹杆稳定性约束：变幅平面 or回转平面 or(17)(18)(9)臂架结构刚度约束：在回转平面内，臂架由于外力作用而产生的最大挠度在臂端，则此处有横向力和力矩引起的臂端挠度为：TC M1w 3-E-I -x2EI，式中： 为臂架横向力； 为对回转平面中心轴的惯性矩；M 为臂端力矩，在此未考虑副臂工况，则为 0。

采用放大系数法求臂端挠度：，，- - ≤ Ef] (19) 0.9Pli式中：P 为臂架在回转平面内的临界力；[厂]为臂架的许用挠度，Ef]o·07( ) ·(1O)几何约束：根据臂架的结构，钢管尺寸、梁高、梁宽均应在- 定范围内，其关系如下：g1- 1≤ 0 g2 - 2 4≤ 0g3- 9 10≤ 0 g4 - 9 l2≤ 0g5 - 8 l1≤ 0 g6 - 8 13≤ 0g7 2x8- 9≤ 0 g8 2xl1- l0≤ 0g9 2x13- 12≤ 02 粒子群优化算法2.1 粒子群优化算法原理粒子群优化算法(PSO)是由Kennedy和 Eber-hart在1995年提出的-种智能优化算法，同遗传算法相似，也是从随机解出发，通过迭代寻找最优解 ，用适应度对解进行评价，但它没有遗传算法的交叉”、变异”操作，所以粒子群算法更容易实现，还有运行速度快，精度高，参数设置少等优点 J。

但粒子群算法又极易陷入局部最优解，而模拟退火算法(sA)具有跳出局部最优解的能力，结合两种算法的优点，以粒子群算法为程序主体，用模拟退火算法思想对其进行扰动”，最大程度的确保能够达到全局最优解 j。

2.2 算法步骤(1)以随机的位置和速度来初始化粒子；(2)利用目标函数计算每个粒子的适应值；(3)将粒子的适应值和pbst值做比较，假如优于pbst值，则更新pbst值及其位置；(4)将粒子的适应值和gbst值做比较，如果优于gbst值，则更新 gbst值及其位置；如果劣于gbst值，再判断是否连续 Flag次劣于 gbst，若是则接受pbst更新为 gbst；(5)依照下面的两个式子来改变粒子的速度和位置dH W × d C1×rand×(P - )C2×rand×(P - ) (20)X ” X (21)(6)回到步骤 2重复执行这些步骤，直到停止准则条件符合为止，通常停止准则会被会设定为达到最大执行次数，或是达到所期望的适应值时。

本算法终止准则为达到最大执行次数，由于在算法终止时可能并未达到最优解，故将每次的早熟解”存储在-个数组中，最终通过比较这些解来选取最优解。

3 模型求解以改进后的粒子群算法为基础，臂架系统质量最轻为目标函数，臂架的强度、刚度、稳定性约束为条件，利用VC编制程序。