本文以某锻压机床厂的10MN框式油压机的研制为背景,对该油压机整体机身的刚度和强度进行了校核,并采用基于Pareto的多目标遗传算法和神经网络相结合的方法--仿生算法对其横梁这样的大型结构进行了优化设计。本文具体完成的工作和创新点如下: 1.采用先进的结构有限元分析软件ANSYS,用四面体单元形成空间组合结构,对10MN框式油压机机身进行建模与分析,总结其受力和变形的特点,并为改进提供依据。2.对基于神经网络的结构近似分析技术进行了研究。提出用饱和正交试验设计表选取神经网络样本,细化变量的取值区间,使网络具有很好的泛化能力; 采用两阶段动态自适应调整学习参数的改进型神经网络算法,建立起油压机横梁结构设计参数与位移、应力的非线性映射关系,以替代原有的有限元模型进行结构修正和结构优化。这种近似重分析技术在满足计算精度的前提下显著提高了计算效率。3.提出将参数化设计思想引入到油压机有限元结构的仿真分析中,以实现在调整设计参数之后能迅速自动生成分析模型并完成有限元结构分析。采用APDL语言进行参数化设计,不仅为神经网络用于复杂结构的建模提供了一种十分高效的采样方法,而且还极大优化了产品结构,缩减了产品设计周期。4.引入了Pareto多目标遗传算法应用于结构优化设计中。其中在以下几方面开展了工作:对SGA的基本算子进行了改进; 利用Pareto最优的概念设计了处理多目标优化问题中群体的分级排名算法; 同时针对结构优化设计中的板系厚度是离散变量,提出了处理方法; 最后从Pareto最优解集中的多个点里选取决策者最满意的点作为多目标优化设计的结果。5.作为实例,论文采用改进型神经网络和Pareto GA相结合的仿生算法对压机的横梁以体积和纵向位移最小为目标函数进行了多目标优化,经ANSYS仿真后表明,该方法是有效的,优化结果是准确可靠的。仿生算法为大型油压机横梁及其它薄壁箱形结构的优化设计提供了一种全新可行的科学方法。