本文關(guān)鍵詞：改進(jìn)遺傳算法與ANSYS協(xié)同在結(jié)構(gòu)優(yōu)化設(shè)計中的應(yīng)用

  更多相關(guān)文章： 桁架結(jié)構(gòu) 優(yōu)化 遺傳算法 乘子法 有限元

【摘要】：隨著科技的進(jìn)步,飛機(jī)、橋梁及各種建筑大量采用桁架結(jié)構(gòu),對大型、超大型結(jié)構(gòu)進(jìn)行優(yōu)化的需求越來越多,結(jié)構(gòu)優(yōu)化所產(chǎn)生的經(jīng)濟(jì)效益也越來越高,而這些結(jié)構(gòu)往往存在大量的離散變量,很難建立準(zhǔn)確的數(shù)學(xué)模型,需要借助有限元分析軟件(如ANSYS)等進(jìn)行仿真計算。但傳統(tǒng)優(yōu)化方法處理含離散變量的結(jié)構(gòu)優(yōu)化問題時具有一定局限性,優(yōu)化過程很難在有限元分析軟件中直接進(jìn)行。因此,對快速準(zhǔn)確地進(jìn)行優(yōu)化,并使優(yōu)化結(jié)果與有限元分析結(jié)果實(shí)現(xiàn)有效的數(shù)據(jù)交換進(jìn)行研究具有科學(xué)和現(xiàn)實(shí)意義。本文以離散變量桁架結(jié)構(gòu)優(yōu)化為目標(biāo)主要對遺傳算法的改進(jìn)及其與ANSYS軟件的協(xié)同計算問題做了如下研究:(1)對基本遺傳算法易早熟,計算效率偏低的問題進(jìn)行改進(jìn)。在算法中加入移民算子和引入最優(yōu)保存策略,有效解決了早熟問題;采用分段編碼的策略(在搜索前期用整數(shù)編碼,后期用格雷編碼)大大提高了尋優(yōu)效率。(2)在處理約束優(yōu)化問題時,對常用罰函數(shù)中的外點(diǎn)罰函數(shù)法、可微罰函數(shù)法、乘子法的約束能力進(jìn)行對比,研究采用不同罰函數(shù)對改進(jìn)遺傳算法搜索性能的影響,結(jié)果表明乘子法約束處理能力更強(qiáng),且乘子法約束處理中選取較小的初始計算參數(shù)有利于搜索到更好解。(3)基于MATLAB平臺實(shí)現(xiàn)了改進(jìn)遺傳算法與ANSYS軟件協(xié)同優(yōu)化計算,最后通過十桿、二十五桿、七十二桿三個典型的離散變量桁架結(jié)構(gòu)優(yōu)化算例進(jìn)行驗證,結(jié)果表明,本文所涉協(xié)同優(yōu)化方法均比參考文獻(xiàn)中給出的優(yōu)化結(jié)果更好。綜上所述,本文針對離散結(jié)構(gòu)優(yōu)化中難以建立準(zhǔn)確數(shù)學(xué)模型和計算困難的問題,提出利用罰函數(shù)法對改進(jìn)遺傳算法進(jìn)行約束處理的方法,解決了簡單遺傳算法存在的早熟、效率低等缺點(diǎn),并利用MATLAB軟件實(shí)現(xiàn)了本算法和ANSYS軟件的協(xié)同。研究結(jié)果為快速求解含離散變量的結(jié)構(gòu)優(yōu)化問題提供了一個可行途徑。
【關(guān)鍵詞】：桁架結(jié)構(gòu) 優(yōu)化 遺傳算法 乘子法 有限元
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TB12
【目錄】：

• 摘要3-4
• Abstract4-8
• 第1章 緒論8-16
• 1.1 研究背景及目的意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-14
• 1.2.1 離散變量結(jié)構(gòu)優(yōu)化設(shè)計的發(fā)展概況9-10
• 1.2.2 遺傳算法在離散變量桁架結(jié)構(gòu)優(yōu)化中的研究現(xiàn)狀10-13
• 1.2.3 遺傳算法與ANSYS協(xié)同優(yōu)化研究現(xiàn)狀13-14
• 1.3 本文研究內(nèi)容及方案步驟14-16
• 第2章 離散變量結(jié)構(gòu)優(yōu)化設(shè)計的基本問題16-23
• 2.1 離散變量優(yōu)化問題中的基本概念16-17
• 2.1.1 離散變量的可行集16-17
• 2.1.2 離散變量優(yōu)化設(shè)計的最優(yōu)解17
• 2.2 離散變量結(jié)構(gòu)優(yōu)化問題的數(shù)學(xué)模型17-21
• 2.2.1 設(shè)計變量17-18
• 2.2.2 目標(biāo)函數(shù)18-19
• 2.2.3 約束條件19-20
• 2.2.4 數(shù)學(xué)模型20-21
• 2.3 離散變量優(yōu)化計算方法21-22
• 2.4 本章小結(jié)22-23
• 第3章 遺傳算法的改進(jìn)23-38
• 3.1 遺傳算法的基本思想與特點(diǎn)23-24
• 3.2 基本遺傳算法的操作過程24-25
• 3.3 基本遺傳算法性能測試25-26
• 3.4 改進(jìn)遺傳算法26-31
• 3.4.1 分段編碼策略27-28
• 3.4.2 移民策略28
• 3.4.3 最優(yōu)保存策略28-29
• 3.4.4 改進(jìn)遺傳算法綜合性能測試29-31
• 3.5 罰函數(shù)法約束處理31-37
• 3.5.1 外點(diǎn)罰函數(shù)法32-33
• 3.5.2 可微罰函數(shù)法33
• 3.5.3 乘子法33-34
• 3.5.4 約束性能對比計算34-37
• 3.6 本章小結(jié)37-38
• 第4章 改進(jìn)遺傳算法與ANSYS協(xié)同計算研究38-43
• 4.1 ANSYS軟件參數(shù)化設(shè)計語言(APDL)38
• 4.2 改進(jìn)遺傳算法與ANSYS協(xié)同38-41
• 4.3 基于乘子法的協(xié)同算法計算過程41-42
• 4.4 本章小結(jié)42-43
• 第5章 協(xié)同算法在離散變量桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用研究43-60
• 5.1 離散變量桁架結(jié)構(gòu)優(yōu)化問題的數(shù)學(xué)模型43
• 5.2 桁架優(yōu)化算例43-58
• 5.2.1 十桿桁架算例44-49
• 5.2.2 二十五桿桁架算例49-53
• 5.2.3 七十二桿桁架算例53-58
• 5.3 本章小結(jié)58-60
• 第6章 結(jié)論與展望60-62
• 6.1 結(jié)論60-61
• 6.2 未來研究展望61-62
• 參考文獻(xiàn)62-67
• 論文發(fā)表及科研情況67-68
• 致謝68-69

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊艷麗,史維祥;一種新的優(yōu)化算法—遺傳算法的設(shè)計[J];液壓氣動與密封;2001年02期

2 王毅,曹樹良;遺傳算法在并聯(lián)水泵系統(tǒng)運(yùn)行優(yōu)化中的應(yīng)用[J];流體機(jī)械;2003年10期

3 趙義紅,李正文,何其四;生物信息處理系統(tǒng)遺傳算法探討[J];成都理工大學(xué)學(xué)報(自然科學(xué)版);2004年05期

4 李凡,黃數(shù)林,張東風(fēng);一種改進(jìn)的多倍體遺傳算法[J];華中科技大學(xué)學(xué)報(自然科學(xué)版);2005年01期

5 韋雪潔;黎明;劉高航;田貴超;;注入式的遺傳算法的分析與研究[J];南昌航空工業(yè)學(xué)院學(xué)報(自然科學(xué)版);2006年01期

6 閻綱;;遺傳算法及其仿真[J];湖南工程學(xué)院學(xué)報(自然科學(xué)版);2006年04期

7 ;遺傳算法[J];電網(wǎng)與清潔能源;2008年10期

8 吳玫;陸金桂;;遺傳算法的研究進(jìn)展綜述[J];機(jī)床與液壓;2008年03期

9 李培植;肖利明;于靜濤;;基于遺傳算法的結(jié)構(gòu)優(yōu)化方法[J];公路交通科技(應(yīng)用技術(shù)版);2008年08期

10 于金;金樂;杜海璐;;基于改進(jìn)遺傳算法的集裝箱裝載優(yōu)化問題研究[J];船海工程;2008年05期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 陳家照;廖海濤;張中位;羅寅生;;一種改進(jìn)的遺傳算法及其在路徑規(guī)劃中的應(yīng)用[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

2 李國云;劉穎;薛梅;鄔志敏;;遺傳算法在高溫空冷冷凝器優(yōu)化設(shè)計中的應(yīng)用[A];第五屆全國制冷空調(diào)新技術(shù)研討會論文集[C];2008年

3 王志軍;李守春;張爽;;改進(jìn)的遺傳算法在反演問題中的應(yīng)用[A];新世紀(jì) 新機(jī)遇 新挑戰(zhàn)——知識創(chuàng)新和高新技術(shù)產(chǎn)業(yè)發(fā)展（上冊）[C];2001年

4 任燕翔;姜立;劉連民;從滋慶;;改進(jìn)遺傳算法在三維日照方案優(yōu)化中的應(yīng)用[A];工程三維模型與虛擬現(xiàn)實(shí)表現(xiàn)——第二屆工程建設(shè)計算機(jī)應(yīng)用創(chuàng)新論壇論文集[C];2009年

5 韓娟;;遺傳算法概述[A];第三屆河南省汽車工程科技學(xué)術(shù)研討會論文集[C];2006年

6 龐國仲;王元西;;基于遺傳算法控制步長的定性仿真方法[A];'2000系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2000年

7 張忠華;楊淑瑩;;基于遺傳算法的聚類設(shè)計[A];全國第二屆信號處理與應(yīng)用學(xué)術(shù)會議�？痆C];2008年

8 何翠紅;區(qū)益善;;遺傳算法及其在計算機(jī)編程中的應(yīng)用[A];1995年中國智能自動化學(xué)術(shù)會議暨智能自動化專業(yè)委員會成立大會論文集（下冊）[C];1995年

9 靳開巖;張乃堯;;幾種實(shí)用遺傳算法及其比較[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

10 王宏剛;曾建潮;李志宏;;攝動遺傳算法[A];1996年中國智能自動化學(xué)術(shù)會議論文集（下冊）[C];1996年

中國重要報紙全文數(shù)據(jù)庫 前1條

1 林京;《神經(jīng)網(wǎng)絡(luò)和遺傳算法在水科學(xué)領(lǐng)域的應(yīng)用》將面市[N];中國水利報;2002年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 蔡美菊;交互式遺傳算法及其在隱性目標(biāo)決策問題中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2015年

2 張士偉;三維聲學(xué)快速多極基本解法在機(jī)械噪聲預(yù)測中的應(yīng)用研究[D];沈陽工業(yè)大學(xué);2016年

3 高軍;無鉛焊料本構(gòu)模型及其參數(shù)識別方法研究[D];南京航空航天大學(xué);2015年

4 Amjad Mahmood;半監(jiān)督進(jìn)化集成及其在網(wǎng)絡(luò)視頻分類中的應(yīng)用[D];西南交通大學(xué);2015年

5 周輝仁;遞階遺傳算法理論及其應(yīng)用研究[D];天津大學(xué);2008年

6 郝國生;交互式遺傳算法中用戶的認(rèn)知規(guī)律及其應(yīng)用[D];中國礦業(yè)大學(xué);2009年

7 侯格賢;遺傳算法及其在跟蹤系統(tǒng)中的應(yīng)用研究[D];西安電子科技大學(xué);1998年

8 馬國田;遺傳算法及其在電磁工程中的應(yīng)用[D];西安電子科技大學(xué);1998年

9 唐文艷;結(jié)構(gòu)優(yōu)化中的遺傳算法研究和應(yīng)用[D];大連理工大學(xué);2002年

10 周激流;遺傳算法理論及其在水問題中應(yīng)用的研究[D];四川大學(xué);2000年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 張英俐;基于遺傳算法的作曲系統(tǒng)研究[D];山東師范大學(xué);2006年

2 鐘海萍;原對偶遺傳算法與蟻群算法的一種融合算法[D];暨南大學(xué);2013年

3 彭騫;基于遺傳算法的山區(qū)高等級公路縱斷面智能優(yōu)化方法研究[D];昆明理工大學(xué);2015年

4 周玉林;基于小波分析和遺傳算法的配電網(wǎng)故障檢測[D];昆明理工大學(xué);2015年

5 郭頌;基于粗糙集和遺傳算法的數(shù)字管道生產(chǎn)管理系統(tǒng)研究[D];昆明理工大學(xué);2015年

6 吳南;數(shù)值逼近遺傳算法的研究應(yīng)用[D];華南理工大學(xué);2015年

7 于光帥;一類優(yōu)化算法的改進(jìn)研究與應(yīng)用[D];渤海大學(xué);2015年

8 吳欣欣;改進(jìn)GA-TS算法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)入侵檢測研究[D];湖南工業(yè)大學(xué);2015年

9 王壘;基于遺傳算法的A型單喇叭互通立交線形優(yōu)化[D];長安大學(xué);2015年

10 龔高;基于遺傳算法的橋梁結(jié)構(gòu)傳感器優(yōu)化布置研究[D];長安大學(xué);2015年

，

本文編號：1046735