随着工业水平的不断提高，振动筛的类型也不断增多，工业水平的发展对振动筛的质量也提出了更高的要求。目前，振动筛正朝着大型化的方向发展，大型圆振动筛的处理能力不断增强，对大型圆振动筛的优化设计也是至关重要的，传统的振动筛设计方法并不能获得最优的参数，为了能够提高大型圆振动筛的性能，应该选择一种行之有效的技术对其进行优化设计。遗传算法是一种智能优化算法，可以通过适应度选择交叉和突变概率，在解决优化问题时具有较高的收敛效率，传统的遗传算法具有容易陷入早熟的缺陷，无法获得全局最优解，因此，可以通过遗传算法的基本参数进行调整，避免传统遗传算法的缺陷，因此，将改进遗传算法应用于大型圆振动筛的优化设计中是切实可行的，通过大型圆振动筛优化的目标设计改进遗传算法的适应度函数，并且设计相应的大型圆振动筛的优化设计流程[1]。
2 大型圆振动筛的优化设计模型
（1）大型圆振动筛的选材
（2）大型圆振动筛的技术参数（3）大型圆振动筛的优化设计数学模型
3 改进遗传算法的优化流程
遗传算法属于一种智能算法，应用成功地应用于许多领域中，为了能够提高大型圆振动筛的优化设计效果，将改进的遗传算法应用于其优化设计中。传统的遗传算法存在早熟现象，因此，对遗传算法进行改进。为了能够提高遗传算法的优化性能，将混沌优化理论和遗传算法融合起来提出了改进的遗传算法，该算法的思路为：通过混沌序列生成初始种群，在优化空间中依据遗传算法的基本流程对寻优精度进行自适应地进行调节，进而可以极大地提升遗传算法的寻优性能，提高大型圆振动筛的优化设计效率。改进的遗传算法能够采用有效的优化方法，不仅能够确保种群的多样性，而且能够较好地避免算法陷入局部最优，从而能够获得全局最优解。
4 算例分析
为了验证改进遗传算法的有效性，以某大型圆振动筛为例，进行其优化设计，大型圆振动筛的原始尺寸如下所示：筛面的宽度为4m，参振的质量为4500kg，大型圆振动筛的轴承摩擦因子为0.0035，轴承的阻尼因子为0.35，物料的松散密度为3.5t/m3，传动效率为96%，激振器的轴直径为0.25m，筛面上的物料层厚度为0.2m。
5 结论
为了能够提高大型圆振动筛的优化效率，将混沌优化算法和遗传算法结合起来提出改进遗传算法，并且将其应用于大型圆振动筛的优化设计中，构建了大型圆振动筛的优化设计模型，定义了其优化目标函数和约束条件，并且设计了基于改进遗传算法的优化设计流程，通过仿真分析可以看出，改进遗传算法能够有效地降低大型圆振动筛的单位产量的功耗，从而能够提高大型圆振动筛的生产效率...
