本文關(guān)鍵詞：基于粒子群算法的油船結(jié)構(gòu)優(yōu)化研究

  更多相關(guān)文章： 粒子群算法 有限元 結(jié)構(gòu)強(qiáng)度直接計(jì)算 結(jié)構(gòu)優(yōu)化 參數(shù)化

【摘要】：船體結(jié)構(gòu)的“輕量化”是船舶設(shè)計(jì)過(guò)程中的一項(xiàng)重要內(nèi)容,較少的船體鋼材用量可使船舶擁有更大的載重量,可為船東、船廠雙方帶來(lái)一定的經(jīng)濟(jì)效益。船體結(jié)構(gòu)在不改變?cè)薪Y(jié)構(gòu)形式下的優(yōu)化屬于結(jié)構(gòu)尺寸的組合優(yōu)化問(wèn)題,但由于結(jié)構(gòu)構(gòu)件數(shù)目眾多,組合方案數(shù)目變的十分龐大,難以使用枚舉法完成優(yōu)選。近年來(lái)興起的人工智能算法在組合優(yōu)化問(wèn)題上顯示出良好效果,因此,本文使用一種基于雙點(diǎn)交叉和單點(diǎn)變異的改進(jìn)混合粒子群算法對(duì)船體結(jié)構(gòu)進(jìn)行尺寸優(yōu)化。并通過(guò)四種常用的基準(zhǔn)函數(shù)和旅行商問(wèn)題對(duì)該改進(jìn)策略下的算法進(jìn)行有效性驗(yàn)證,均表現(xiàn)出良好的效果:特別是在解決龐大數(shù)量可能路徑旅行商問(wèn)題上,得到最優(yōu)解的次數(shù)明顯高于標(biāo)準(zhǔn)形式下的粒子群算法。船體這種大型復(fù)雜結(jié)構(gòu)僅僅依靠從規(guī)范中選取經(jīng)驗(yàn)公式根本無(wú)法精確分析其結(jié)構(gòu)受力狀態(tài),有限元方法可以有效解決這一問(wèn)題;并且有限元方法進(jìn)行船體結(jié)構(gòu)分析也已經(jīng)得到各大船級(jí)社的認(rèn)可,并日益在設(shè)計(jì)過(guò)程中流行。在優(yōu)化過(guò)程中,算法需對(duì)結(jié)構(gòu)尺寸的組合方案優(yōu)劣進(jìn)行評(píng)價(jià),評(píng)價(jià)手段便使用有限元方法完成。同時(shí),為使有限元計(jì)算中能夠更為準(zhǔn)確的模擬船體結(jié)構(gòu)真實(shí)受載,本文還使用AWQA模塊對(duì)本船在P-M波浪譜進(jìn)行長(zhǎng)期的波浪載荷預(yù)報(bào),以選取該船在其壽命期內(nèi)可能出現(xiàn)的最危險(xiǎn)波浪彎矩。此外,為實(shí)現(xiàn)優(yōu)化過(guò)程中算法和有限元方法計(jì)算中的無(wú)縫聯(lián)結(jié),有限元的各步驟操作均用ANSYS的參數(shù)化設(shè)計(jì)語(yǔ)言完成,并以批模式供MATLAB進(jìn)行調(diào)用來(lái)節(jié)省計(jì)算時(shí)間。研究結(jié)果表明:算法結(jié)合有限元技術(shù)的結(jié)構(gòu)優(yōu)化方法使船體中部艙段鋼料使用量相對(duì)初始設(shè)計(jì)下降了6.3%,且該優(yōu)化方法可以考慮到實(shí)際工況下結(jié)構(gòu)強(qiáng)度的需要�？梢哉f(shuō)是在滿足一定強(qiáng)度要求的條件下,減少了船體結(jié)構(gòu)的鋼材用量,對(duì)船體結(jié)構(gòu)設(shè)計(jì)具有一定的參考意義。
【關(guān)鍵詞】：粒子群算法 有限元 結(jié)構(gòu)強(qiáng)度直接計(jì)算 結(jié)構(gòu)優(yōu)化 參數(shù)化
【學(xué)位授予單位】：集美大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U674.133.1
【目錄】：

• 摘要4-5
• Abstract5-9
• 第1章 引言9-14
• 1.1 研究背景與意義9
• 1.2 結(jié)構(gòu)優(yōu)化方法的研究進(jìn)展9-11
• 1.3 主要研究?jī)?nèi)容11-14
• 1.3.1 主要研究技術(shù)路線11-12
• 1.3.2 論文的組織結(jié)構(gòu)12-14
• 第2章 粒子群算法14-22
• 2.1 演化思想14
• 2.2 算法原理14-16
• 2.3 算法流程16-17
• 2.4 標(biāo)準(zhǔn)PSO算法的局限性17
• 2.5 改進(jìn)粒子群算法的方法17-21
• 2.5.1 基于算法參數(shù)的改進(jìn)方法17-19
• 2.5.2 基于拓?fù)浣Y(jié)構(gòu)的改進(jìn)方法19-21
• 2.5.3 混合PSO算法21
• 2.6 本章小結(jié)21-22
• 第3章 基于交叉變異的混合PSO算法22-35
• 3.1 遺傳算法簡(jiǎn)介22
• 3.2 基于交叉變異的混合PSO算法的構(gòu)造22-24
• 3.2.1 變異操作的實(shí)現(xiàn)22-23
• 3.2.2 交叉操作的實(shí)現(xiàn)23-24
• 3.2.3 混合PSO算法粒子的更新公式24
• 3.3 混合PSO算法流程24-26
• 3.4 算法有效性測(cè)試26-33
• 3.4.1 Benchmark函數(shù)測(cè)試26-30
• 3.4.2 旅行商問(wèn)題測(cè)試30-33
• 3.5 本章小結(jié)33-35
• 第4章 船體結(jié)構(gòu)強(qiáng)度直接計(jì)算法模型35-42
• 4.1 本船結(jié)構(gòu)型式35
• 4.2 結(jié)構(gòu)強(qiáng)度有限元計(jì)算模型35-37
• 4.2.1 模型計(jì)算范圍35
• 4.2.2 模型計(jì)算范圍35-36
• 4.2.3 邊界條件36
• 4.2.4 計(jì)算工況與載荷36-37
• 4.3 船體波浪載荷的直接計(jì)算37-41
• 4.3.1 AQWA軟件簡(jiǎn)介37
• 4.3.2 AQWA數(shù)值計(jì)算的理論和方法37-38
• 4.3.3 計(jì)算坐標(biāo)系38
• 4.3.4 計(jì)算模型38-39
• 4.3.5 基于設(shè)計(jì)波法的波浪載荷直接計(jì)算39-41
• 4.4 本章小結(jié)41-42
• 第5章 混合PSO算法在船舶結(jié)構(gòu)優(yōu)化中的應(yīng)用42-51
• 5.1 設(shè)計(jì)變量42-43
• 5.2 適應(yīng)度函數(shù)43
• 5.3 約束條件43-44
• 5.3.1 應(yīng)力約束43-44
• 5.3.2 最小尺寸約束44
• 5.4 優(yōu)化流程44-45
• 5.5 ANSYS中實(shí)現(xiàn)的技術(shù)要點(diǎn)45-48
• 5.5.1 MATLAB調(diào)用ANSYS計(jì)算46
• 5.5.2 設(shè)計(jì)變量的離散處理46-48
• 5.5.3 計(jì)算量上的處理48
• 5.6 優(yōu)化結(jié)果及分析48-50
• 5.7 本章小結(jié)50-51
• 第6章 總結(jié)與展望51-53
• 6.1 總結(jié)51
• 6.2 展望51-53
• 致謝53-54
• 參考文獻(xiàn)54-57
• 附錄57-65
• 在學(xué)期間科研成果情況65

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 全芙蓉;;粒子群算法的理論分析與研究[J];硅谷;2010年23期

2 吳軍;李為吉;;改進(jìn)的粒子群算法及在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];陜西理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2006年04期

3 段海濤;劉永忠;馮霄;;水系統(tǒng)優(yōu)化的粒子群算法分析[J];華北電力大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評(píng)價(jià)[J];中國(guó)水運(yùn)(學(xué)術(shù)版);2007年06期

5 付宜利;封海波;孫建勛;李榮;馬玉林;;機(jī)電產(chǎn)品管路自動(dòng)敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報(bào);2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測(cè)試選擇[J];電子測(cè)量與儀器學(xué)報(bào);2008年02期

7 周苗;陳義保;劉加光;;一種新的協(xié)同多目標(biāo)粒子群算法[J];山東理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年05期

8 姚峰;楊衛(wèi)東;張明;;改進(jìn)粒子群算法及其在熱連軋負(fù)荷分配中的應(yīng)用[J];北京科技大學(xué)學(xué)報(bào);2009年08期

9 張大興;賈建援;張愛(ài)梅;郭永獻(xiàn);;基于粒子群算法的三軸跟瞄裝置跟蹤策略研究[J];儀器儀表學(xué)報(bào);2009年09期

10 王麗萍;江波;邱飛岳;;基于決策偏好的多目標(biāo)粒子群算法及其應(yīng)用[J];計(jì)算機(jī)集成制造系統(tǒng);2010年01期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 朱童;李小凡;魯明文;;位置加權(quán)的改進(jìn)粒子群算法[A];中國(guó)科學(xué)院地質(zhì)與地球物理研究所第11屆（2011年度）學(xué)術(shù)年會(huì)論文集(上)[C];2012年

2 陳定;何炳發(fā);;一種新的二進(jìn)制粒子群算法在稀疏陣列綜合中的應(yīng)用[A];2009年全國(guó)天線年會(huì)論文集（上）[C];2009年

3 陳龍祥;蔡國(guó)平;;基于粒子群算法的時(shí)滯動(dòng)力學(xué)系統(tǒng)的時(shí)滯辨識(shí)[A];第十二屆全國(guó)非線性振動(dòng)暨第九屆全國(guó)非線性動(dòng)力學(xué)和運(yùn)動(dòng)穩(wěn)定性學(xué)術(shù)會(huì)議論文集[C];2009年

4 于穎;李永生;於孝春;;新型離散粒子群算法在波紋管優(yōu)化設(shè)計(jì)中的應(yīng)用[A];第十一屆全國(guó)膨脹節(jié)學(xué)術(shù)會(huì)議膨脹節(jié)設(shè)計(jì)、制造和應(yīng)用技術(shù)論文選集[C];2010年

5 劉卓倩;顧幸生;;一種基于信息熵的改進(jìn)粒子群算法[A];系統(tǒng)仿真技術(shù)及其應(yīng)用（第7卷）——'2005系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文選編[C];2005年

6 熊偉麗;徐保國(guó);;粒子群算法在支持向量機(jī)參數(shù)選擇優(yōu)化中的應(yīng)用研究[A];2007中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2007年

7 方衛(wèi)華;徐蘭玉;陳允平;;改進(jìn)粒子群算法在大壩力學(xué)參數(shù)分區(qū)反演中的應(yīng)用[A];2012年中國(guó)水力發(fā)電工程學(xué)會(huì)大壩安全監(jiān)測(cè)專委會(huì)年會(huì)暨學(xué)術(shù)交流會(huì)論文集[C];2012年

8 熊偉麗;徐保國(guó);;單個(gè)粒子收斂中心隨機(jī)攝動(dòng)的粒子群算法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第七分冊(cè)）[南京理工大學(xué)學(xué)報(bào)（增刊）][C];2009年

9 馬向陽(yáng);陳琦;;以粒子群算法求解買賣雙方存貨主從對(duì)策[A];第十二屆中國(guó)管理科學(xué)學(xué)術(shù)年會(huì)論文集[C];2010年

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問(wèn)題[A];第二十一屆中國(guó)（天津）’2007IT、網(wǎng)絡(luò)、信息技術(shù)、電子、儀器儀表創(chuàng)新學(xué)術(shù)會(huì)議論文集[C];2007年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 李慶偉;粒子群算法及電廠若干問(wèn)題的研究[D];東南大學(xué);2016年

2 杜毅;多階段可變批生產(chǎn)線重構(gòu)的研究[D];廣東工業(yè)大學(xué);2016年

3 尹浩;求解Web服務(wù)選取問(wèn)題的粒子群算法研究[D];東北大學(xué);2014年

4 王芳;粒子群算法的研究[D];西南大學(xué);2006年

5 安鎮(zhèn)宙;家庭粒子群算法及其奇偶性與收斂性分析[D];云南大學(xué);2012年

6 劉建華;粒子群算法的基本理論及其改進(jìn)研究[D];中南大學(xué);2009年

7 黃平;粒子群算法改進(jìn)及其在電力系統(tǒng)的應(yīng)用[D];華南理工大學(xué);2012年

8 胡成玉;面向動(dòng)態(tài)環(huán)境的粒子群算法研究[D];華中科技大學(xué);2010年

9 張靜;基于混合離散粒子群算法的柔性作業(yè)車間調(diào)度問(wèn)題研究[D];浙江工業(yè)大學(xué);2014年

10 張寶;粒子群算法及其在衛(wèi)星艙布局中的應(yīng)用研究[D];大連理工大學(xué);2007年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張忠偉;結(jié)構(gòu)優(yōu)化中粒子群算法的研究與應(yīng)用[D];大連理工大學(xué);2009年

2 李強(qiáng);基于改進(jìn)粒子群算法的艾薩爐配料優(yōu)化[D];昆明理工大學(xué);2015年

3 付曉艷;基于粒子群算法的自調(diào)節(jié)隸屬函數(shù)模糊控制器設(shè)計(jì)[D];河北聯(lián)合大學(xué);2014年

4 余漢森;粒子群算法的自適應(yīng)變異研究[D];南京信息工程大學(xué);2015年

5 梁計(jì)鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長(zhǎng)安大學(xué);2015年

6 王偉;大型螺紋旋風(fēng)硬銑削數(shù)值模擬及工藝參數(shù)優(yōu)化[D];浙江大學(xué);2016年

7 李玲玉;基于粒子群算法的城市軌道交通列車節(jié)能優(yōu)化研究[D];北京交通大學(xué);2016年

8 苗冬云;基于改進(jìn)粒子群算法的云任務(wù)調(diào)度方案研究[D];安徽財(cái)經(jīng)大學(xué);2015年

9 蔣曉\~;粒子群算法在多維優(yōu)化問(wèn)題中的改進(jìn)研究[D];浙江理工大學(xué);2016年

10 劉角;生態(tài)系統(tǒng)粒子群算法及其在陣列天線方向圖優(yōu)化中的應(yīng)用[D];太原理工大學(xué);2016年

，

本文編號(hào)：1117805