如图2所示。使-E建立整机参数化模型，通过无缝连接转化CAE模型。使用中心复合试验设计确定试验点，建立响应面模型，构造目标函数。分别运用多目标遗传优化算法、筛选算法、非线性二次规划算法在样本解中寻找到比较好解。***，对比较好解进行灵敏度分析。图2整机优化设计流程图TheMachineOptimizationDesignFlowChart4响应面模型的建立设计变量确定选取注塑机械手的基座、主臂梁、副臂梁和主臂四大件的7个主要结构尺寸作为设计变量：基座壁厚p1，主臂梁壁厚p2，副臂梁加强筋厚度p3，主臂厚度p4，主臂梁长度p5，副臂梁长度p6；主臂长度p7，无锡机械手专业团队在线。响应面模型响应面法（Responsesurfacemethodology，RSM）是一种采用试验设计理论对指定的设计点**进行试验，得到目标函数和约束函数的响应面模型，来预测非试验点的响应值的方法[4]。n个变量的二次多项式响应面模型为：式中：X=（d1，d2，…，dn）—设计变量；β0，无锡机械手专业团队在线、βi、βii、βij—未知系数；L=（n+1）（n+2）/2—未知系数的个数；P—试验点的个数。故β=（β1，无锡机械手专业团队在线，β2，…，βL）T，通过**小二乘法确定时，试验点的个数P必须大于L。中心复合试验设计响应面法试验点的选择在响应面的构建过程中起着重要作用。

    令p1=x1、p2=x2、p3=x3、p4=x4、p5=x5、p6=x6、p7=x7建立优化设计数学模型如下：式中：Fd（X）、Fm（X）、Ff（X）—注塑机械手的一阶模态比较大变形量、质量、一阶固有频率；—优化前机械手的比较大变形量、质量、一阶固有频率；X—设计尺寸变量；xi—第i个设计尺寸变量；—第i个设计尺寸变量上、下限约束值。多目标优化问题多目标优化问题往往要求各个目标函数同时达到比较好值，在求解过程中会产生一系列满足要求的Pareto解。设计人员需要根据实际情况，从这些解中筛选出比较好的解，从而各个目标的优化效果达到比较好。优化算法的分类ANSYSWorkbench软件在求解复杂结构的目标优化问题时，分别可以使用以下优化算法：多目标遗传算法（MOGA）、筛选算法（Screening）、非线性二次规划算法（NLPQL）。6优化结果比较及分析多目标遗传算法（MOGA）优化结果AWBDX样本数量的取值范围为（0～10000），改变样本的数量，可以得到不同的比较好解，如表2所示。表2不同样本数量得到的比较好解TheOptimalSolutionareObtainedbyDifferentSampleSize样本数量0010000m/kgd/mmf/Hz由表2可知：随着样本数量大小的改变，求解得到的整机质量、一阶比较大变形量和一阶固有频率比较好解均不同。

    下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图**是本实用新型的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。[0018]图1为一种应用于注塑机机械手的自动放螺母五金件治具的立体图；[0019]图2为取放构件的立体结构图。【具体实施方式】[0020]本实用新型公开了一种应用于注塑机机械手的自动放螺母五金件治具，实现了将螺母及五金自动放置于模腔内的功能，提高了产品合格率及生产效率、减轻作业者的工作强度，降低了生产成本。[0021]下面将结合本实用新型中的附图，对本实用新型中的技术方案进行清楚、完整地描述，显然，所描述的**是本实用新型一部分实施例，而不是全部的实施例。基于本实用新型中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本实用新型保护的范围。[0022]结合图1及图2所示，一种应用于注塑机机械手的自动放螺母五金件治具，包括定位构件I及取放构件2，所述定位构件I包括用于固定五金件100的***固定位11及用于固定螺母200的第二固定位12。

免责声明： 本页面所展现的信息及其他相关推荐信息，均来源于其对应的用户，本网对此不承担任何保证责任。如涉及作品内容、 版权和其他问题，请及时与本网联系，我们将核实后进行删除，本网站对此声明具有最终解释权。