基于可靠性的机动雷达升降机构优化设计

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于可靠性的机动雷达升降机构优化设计范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：可靠性设计与优化设计在机械设计领域产生巨大的作用，但单方面进行可靠性设计或优化设计，都无法发挥各自的全部潜力.针对这一问题，将二者进行有机结合，开展机械产品的可靠性优化设计成为必然.案例中，以某型机动雷达的升降机构为研究对象，基于Adams对其进行参数化建模，在此基础上，对其开展可靠性优化设计.通过与传统优化设计的对比分析，显示该方法的优越性.

关键词：可靠性； 优化设计； 机动雷达； 升降机构； Adams； 参数化建模

中图分类号：TN957.8文献标志码：B

0引言

对于机械产品来说，从建立初始方案到实施生产制造，均必须经过一个设计过程.设计的完善与否，对产品的力学性能、使用价值和制造成本等都有决定性的影响，同时也必然影响使用产品企业的工作质量和经济效果.因此，如何提高设计质量、发展设计理论、改进设计技术以及加快设计过程，已经成为当今机械设计必然的发展方向之一.[1]

近年来，在机械设计领域中出现不少现代设计方法和相应的科学.目前，可靠性设计和优化设计在理论和方法上都达到一定的水平，但无论单方面进行可靠性设计还是优化设计，都不可能发挥可靠性设计和优化设计的巨大潜力.一方面，因为可靠性设计有时并不等于优化设计，如机械产品在经过可靠性设计后，并不能保证其工作性能或参数就一定处于最佳状态；另一方面，因为优化设计并不一定包含可靠性设计，如机械产品在没有考虑可靠性的状态下进行优化设计后，并不能保证其在规定的条件下和时间内，完成规定的功能，甚至会发生故障和事故，造成损失.另外，由于机械产品有众多的设计参数，要同时确定多个设计参数，单纯的可靠性设计方法就显得无能为力.

进行可靠性优化设计的研究非常重要.为使机械产品既保证具有可靠性要求，又保证具有最佳的工作性能和参数，必须将可靠性设计与优化设计有机结合，开展可靠性优化设计研究，给出机械产品靠性优化设计方法[2-4]，只有这样才能发挥可靠性设计与优化设计的巨大潜力，发挥2种设计方法的特长，达到产品的最佳可靠性要求.

由于可靠性优化设计在科学试验和生产实践上有着广泛的应用前景，其重要意义不言而喻.随着优化设计技术、有限元技术和计算机技术的发展，如何应用软件技术进行可靠性优化设计也成为一个热点.[5]借助于计算机，进一步提高产品的设计速度，同时降低市场风险.

以某型机动雷达的升降机构为研究对象，使用Adams进行参数化建模，在此基础上利用可靠性优化设计技术对其进行优化设计，在满足一定可靠度要求的前提下，达到质量最小的目的.

1基于可靠性的优化设计

1.1可靠性优化设计概述

要使产品既具有可靠性要求，又具有最优的设计结果，必须将可靠性设计理论与最优化技术结合起来，即采用可靠性优化设计方法.按照这种设计方法进行设计，既能定量给出产品在使用中的可靠性，又能得到产品在功能、参数匹配、结构尺寸与质量以及成本等方面的参数最优解.

可靠性优化设计一般包含质量、成本和可靠度等3方面内容.可靠性优化设计[1]见图1.

1.2可靠性优化设计模型

优化设计数学模型的3个要素分别是目标函数、约束条件和设计变量.相对于常规的最优化设计，可靠性优化设计的特点在于将可靠性设计引入到优化设计中.将可靠性设计理论与优化技术结合起来，通常有2种方法[5-6].

（1）以可靠度最大为目标的可靠性优化设计.要求结构或零部件在满足一定性能的条件下，使其可靠度达到最大.可以按可靠性指标建立一个目标函数，而按设计其他要求建立另一个或多个目标函数，然后进行多目标函数优化设计.数学模型为max R（X）

min Fi（X），i=1，2，…，q

s.t. Gj（X），j=1，2，…，m （1）式中：RX为可靠性函数；FiX为某一目标函数；GjX为约束函数.

（2）以可靠度为约束条件的可靠性优化设计.在结构或零部件达到最佳性能指标时，要求其工作可靠度不低于某一规定水平.可将可靠性指标作为约束条件，建立数学模型进行优化设计.一般来说，这种方法更为实用.数学模型为min F（X）

s.t. Ri（X）≥0，i=1，2，…，q

s.t. Gj（X），j=1，2，…，m（2）式中：F（X）为目标函数；Ri（X）为机械产品的可靠度函数；R0为给定的可靠度；Gj（X）为其他约束函数.

2机动雷达升降机构的可靠性优化设计在机动式雷达中，自动架撤系统一般由支臂及撑腿调平系统、天线翻转（折展）机构和升降机构等组成.其中，支臂的功能是在雷达工作时支撑天线车的工作平台，以提高天线的抗风能力，增大天线车的稳定性；调平撑腿的功能是使工作平台在雷达工作状态时达到一定的水平精度，以满足雷达探测精度的要求；天线翻转机构的功能是实现天线工作状态与运输状态间的转换；升降机构的功能是提高天线相位中心的物理高度，以减小近距遮蔽，扩大雷达的探测空域.

升降机构由升降平台、连杆、驱动油缸和底座等组成，见图2.底座是整个举升系统的基础支撑；雷达天线安装在升降平台上，2组等长的连杆作为运动传递和受力构件；连杆在油缸的驱动下，带动升降平台始终以水平姿势运动.[7]

3结论

（1）由确定性优化的结果可知，该优化方法虽然降低质量，但该设计方案中的设计变量x1和x2已达到约束边界值.因此，如果存在不确定性的干扰，则该设计方案极有可能违反这些约束.有必要进行可靠性分析，评估该方案所得结果.

（2）对确定性优化结果进行可靠性分析，该方案所对应的响应g的可靠度为0.87，可靠性水平比较低，有必要进行可靠性优化设计，以进一步提高可靠度.

（3）由可靠性优化设计结果可知，经过重新设计后，2根油缸活塞杆件的质量之和f（x1，x2）的值为188.5 kg，尽管大于确定性优化结果184.08 kg，但满足可靠度要求（R（g）=0.977 8>0.95），综合考虑，可靠性优化设计方案胜于确定性优化方案.

参考文献：

[1]张义民. 机械可靠性设计的内涵与递进[J]. 机械工程学报， 2010， 46（14）： 167-188.

ZHANG Yimin. Connotation and development of mechanical reliability-based design[J]. Journal of Mechanical Engineering， 2010， 46（14）： 167-188.

[2]张义民， 贺向东. 连杆的可靠性优化设计[J]. 天津汽车， 2001， 95（4）： 20-22.

ZHANG Yimin， HE Xiangdong. Reliability optimization design for connecting rod of vehicle[J]. Tianjin Auto， 2001， 95（4）： 20-22.

[3]刘巧伶， 刘绍英. 空心半轴的可靠性优化设计探索[J]. 科学技术与工程， 2003， 3（1）： 77-80.

LIU Qiaoling， LIU Shaoying. Reliability optimization design for hollow half-axle[J]. Science Technology and Engineering， 2003， 3（1）： 77-80.

[4]ZHANG Y M， ZHANG L， ZHENG J X， et al. Neural network for structural stress concentration factors in reliability-based optimization[C]//Proceedings of the Institution of Mechanical Engineers， Part G-Journal of Aerospace Engineering， 2006： 217-224.

[5]陈静. 机械可靠性优化设计的应用[J]. 中国煤炭， 2010， 36（10）： 76-81.

CHEN Jing. Optimal design of mechanical reliability and software application[J]. China Coal， 2010， 36（10）： 76-81.

[6]苏多， 张建国， 李强， 等. 多学科优化技术在空间结构锁可靠性设计分析中的应用[J]. 航空学报， 2008， 29（1）： 95-101.

SU Duo， ZHANG Jianguo， LI Qiang， et al. Application of reliability based multidisciplinary design optimization in structure latches[J]. Acta Aeronautica et Astronautica Sinica， 2008， 29（1）： 95-101.

[7]张增太. 机动式雷达自动架撤系统的结构设计[J]. 雷达科学与技术， 2004， 2（6）： 345-348.

ZHANG Zengtai. Structure design of auto-erecting system for mobile radar[J]. Radar Science and Technology， 2004， 2（6）： 345-348.

[8]张建国， 苏多， 刘英卫. 机械产品可靠性分析与优化[M]. 北京： 电子工业出版社， 2008： 95-100.

[9]GONG Qi， ZHANG Jianguo， TAN Chunlin， et al. Neural networks combined with importance sampling techniques for reliability evaluation for explosive initiating device[J]. Chinese Journal of Aeronautics， 2012， 25（2）： 208-215.（编辑陈锋杰）