基于遗传算法的多目标优化在三偏心蝶阀设计中的应用

　　将基于遗传算法的多目标优化引入三偏心蝶阀设计过程，根据产品性能要求可以选择最合理的设计参数使2个相互冲突的主要设计目标(起闭性能指示角，力矩)同时达到最优。且整个过程使用软件完成，使设计人员摆脱繁重的重复计算劳动，设计过程中经验的因素进一步减少，将优化设计思想进引入产品设计过程。

　　密封和起闭性能是三偏心碟阀的2个主要设计目标，但这2个目标相互冲突，且与几个基本设计参数有关。为了使产品具有更佳的性能，需要找出一组设计参数，使密封和起闭性能同时达到最优。本文采用基于遗传算法的多目标优化算法，找出关于密封和起闭性能在限定范围内的帕累托最优线，在这条线上的每一个点都是在选定某一目标后这2个目标的最佳组合，同时可以得出这个最佳组合所对应的唯一的一组设计参数，即帕累托最优线，为合理选择设计参数提供了科学依据。

1、参数分析

　　密封和起闭性能2个设计目标，可以用起闭性能指示角θ和起闭力矩T描述。θ的计算，与圆锥角、圆锥轴线倾角φ、密封副半径Rd、轴向偏心c、径向偏心e、碟板厚度b等参数有关。正流状态时只考虑开阀力矩T0，逆流时为使关闭可靠应考虑外加力矩T1，则：

　　其中E为密封圈宽度；f为摩擦系数；p为介质对碟板的压力；K为计算得到的系数。

4、实例

　　如图2所示，在对话框中输入6个向量X，遗传10代。输入完毕后点击“确定”按钮，系统调用程序进行后台处理。运算结果如图3所示，图3(a)是在各参数的取值范围内任意输入的6个向量X对应的6个点(θ，T)，图(b)是经过遗传算法优化处理后得到的6个点。可以看出，这6个点近似构成一条从左至右下降的帕累托最优线。这条线上的每一个点对应一个向量X，这些向量X已经被存储起来，可以根据产品性能需要，选取一个向量作为设计参数。综上所述，可知：原本在一定取值范围内的任取的任一向量经过遗传算法的优化运算后，该向量所包含的两个参数值能够自行运算调整至设计所需的理想数值上。

图3 运算演示对比

5、结语

　　本文提出了将基于遗传算法的多目标优化引入工程设计的思想，并将其应用到3偏心碟阀密封面设计中。把设计目标抽象为2个目标参数θ与T，对这2个参数进行优化，并用软件来实现整个过程，免除了人工繁琐的计算，进一步减少了设计中的经验因素。