本文關(guān)鍵詞：基于粒子群算法和近似模型的結(jié)構(gòu)多目標(biāo)優(yōu)化研究

  更多相關(guān)文章： 粒子群算法 近似模型 支持向量機(jī) 多目標(biāo)優(yōu)化

【摘要】：結(jié)構(gòu)優(yōu)化是結(jié)構(gòu)設(shè)計的重要方面。以大型的實際工程結(jié)構(gòu)系統(tǒng)為例,質(zhì)量輕量化要求苛刻、靜動力學(xué)條件復(fù)雜、高性能要求指標(biāo)眾多,使得開展結(jié)構(gòu)優(yōu)化方面的研究與應(yīng)用變得日益迫切。在結(jié)構(gòu)優(yōu)化過程中,一方面需要尋求有良好搜索能力的優(yōu)化算法,并采取合理的策略來處理復(fù)雜結(jié)構(gòu)優(yōu)化過程中的各種問題,以有效的尋求結(jié)構(gòu)優(yōu)化問題的最優(yōu)解;另一方面需要在結(jié)構(gòu)優(yōu)化過程中構(gòu)造近似模型,利用近似模型來預(yù)測結(jié)構(gòu)響應(yīng),代替耗時長的有限元分析,簡化優(yōu)化過程并降低優(yōu)化時間成本。本文首先提出了多目標(biāo)粒子群算法,其以標(biāo)準(zhǔn)粒子群算法為基礎(chǔ),采用慣性權(quán)重遞減策略,對違反約束的粒子給予不同的懲罰,并在算法后期引入變異算子,增強(qiáng)種群的多樣性,使算法更好地進(jìn)行全局尋優(yōu)。本文總結(jié)了常用的近似模型技術(shù),重點闡述了支持向量機(jī)的理論基礎(chǔ)并研究了建立支持向量機(jī)近似模型的方法,提出了基于多目標(biāo)粒子群算法和支持向量機(jī)的組合優(yōu)化方法。本文接下來建立了衛(wèi)星結(jié)構(gòu)多目標(biāo)優(yōu)化模型,以結(jié)構(gòu)質(zhì)量和動力響應(yīng)為目標(biāo),結(jié)合多目標(biāo)粒子群算法,在Matlab平臺對衛(wèi)星進(jìn)行結(jié)構(gòu)優(yōu)化;比較粒子群算法和遺傳算法的優(yōu)化結(jié)果,分析近似模型與有限元計算在最優(yōu)解處的值;分析多目標(biāo)粒子群算法與支持向量機(jī)組合優(yōu)化方法的優(yōu)化效率。最后,本文針對某船舶液艙結(jié)構(gòu)建立了多目標(biāo)優(yōu)化模型,根據(jù)晃蕩載荷規(guī)范,考慮不同加載位置和裝載率,確定十六個計算工況;以結(jié)構(gòu)質(zhì)量和鋼材總價為目標(biāo),結(jié)合多目標(biāo)粒子群算法,在Matlab平臺對船舶艙段進(jìn)行結(jié)構(gòu)優(yōu)化。通過對衛(wèi)星結(jié)構(gòu)和船舶艙段結(jié)構(gòu)的優(yōu)化設(shè)計,表明多目標(biāo)粒子群算法是一種高效的結(jié)構(gòu)優(yōu)化算法,同時結(jié)合支持向量機(jī)技術(shù)不僅能顯著提高優(yōu)化效率,而且計算精度良好,為大型復(fù)雜工程結(jié)構(gòu)的優(yōu)化問題提供了一種有效的解決思路和方法。
【關(guān)鍵詞】：粒子群算法 近似模型 支持向量機(jī) 多目標(biāo)優(yōu)化
【學(xué)位授予單位】：上海交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：U663.85;U661.4
【目錄】：

• 摘要3-4
• Abstract4-8
• 第一章 緒論8-12
• 1.1 研究背景及意義8
• 1.2 結(jié)構(gòu)優(yōu)化算法研究進(jìn)展8-10
• 1.3 近似模型技術(shù)研究現(xiàn)狀10-11
• 1.4 本文研究的主要內(nèi)容11-12
• 第二章 多目標(biāo)粒子群算法和近似模型技術(shù)12-21
• 2.1 多目標(biāo)粒子群算法12-15
• 2.1.1 標(biāo)準(zhǔn)粒子群算法12
• 2.1.2 慣性權(quán)重遞減策略12-13
• 2.1.3 約束處理13-14
• 2.1.4 變異算子的引入14
• 2.1.5 多目標(biāo)粒子群算法流程14-15
• 2.2 近似模型技術(shù)15-18
• 2.2.1 響應(yīng)面模型15-16
• 2.2.2 泰勒級數(shù)模型16
• 2.2.3 Kriging模型16-17
• 2.2.4 徑向基函數(shù)模型17
• 2.2.5 支持向量機(jī)17-18
• 2.3 組合優(yōu)化方法18-19
• 2.4 本章小結(jié)19-21
• 第三章 衛(wèi)星結(jié)構(gòu)力學(xué)性能研究21-59
• 3.1 衛(wèi)星結(jié)構(gòu)介紹21-22
• 3.1.1 衛(wèi)星整體構(gòu)型21
• 3.1.2 衛(wèi)星局部構(gòu)件21-22
• 3.2 有限元模型的建立22-27
• 3.2.1 模型概述22-23
• 3.2.2 有限元模型23-27
• 3.3 載荷工況分析27-58
• 3.3.1 靜力學(xué)分析27-33
• 3.3.2 穩(wěn)定性分析33-36
• 3.3.3 模態(tài)分析36-38
• 3.3.4 正弦響應(yīng)分析38-57
• 3.3.5 小結(jié)57-58
• 3.4 本章小結(jié)58-59
• 第四章 基于多目標(biāo)粒子群算法和近似模型的衛(wèi)星結(jié)構(gòu)優(yōu)化59-69
• 4.1 衛(wèi)星結(jié)構(gòu)優(yōu)化模型59-62
• 4.1.1 目標(biāo)函數(shù)59
• 4.1.2 設(shè)計變量59-61
• 4.1.3 約束條件61-62
• 4.2 建立近似模型62-65
• 4.2.1 收集樣本62
• 4.2.2 訓(xùn)練樣本62-63
• 4.2.3 近似模型的檢驗63-65
• 4.3 基于近似模型的優(yōu)化65-68
• 4.4 本章小結(jié)68-69
• 第五章 基于多目標(biāo)粒子群算法的船舶艙段結(jié)構(gòu)優(yōu)化69-80
• 5.1 船舶艙段結(jié)構(gòu)模型69-70
• 5.2 晃蕩載荷及工況70-74
• 5.2.1 CSR規(guī)范晃蕩載荷及工況70-72
• 5.2.2 LR規(guī)范晃蕩載荷及工況72-74
• 5.3 優(yōu)化模型74-77
• 5.3.1 目標(biāo)函數(shù)74-75
• 5.3.2 設(shè)計變量75-76
• 5.3.3 約束條件76-77
• 5.4 基于多目標(biāo)粒子群算法的優(yōu)化77-79
• 5.5 本章小結(jié)79-80
• 第六章 結(jié)束語80-82
• 6.1 主要工作與創(chuàng)新點80-81
• 6.2 后續(xù)研究工作81-82
• 參考文獻(xiàn)82-85
• 致謝85-86
• 攻讀碩士期間已發(fā)表或錄用的論文86-88

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 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(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(自然科學(xué)版);2007年02期

4 王偉;;混合粒子群算法及其優(yōu)化效率評價[J];中國水運(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)品管路自動敷設(shè)的粒子群算法[J];機(jī)械工程學(xué)報;2007年11期

6 蔣榮華;王厚軍;龍兵;;基于離散粒子群算法的測試選擇[J];電子測量與儀器學(xué)報;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(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;2009年08期

9 張大興;賈建援;張愛梅;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;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];計算機(jī)集成制造系統(tǒng);2010年01期

中國重要會議論文全文數(shù)據(jù)庫 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年全國天線年會論文集（上）[C];2009年

3 陳龍祥;蔡國平;;基于粒子群算法的時滯動力學(xué)系統(tǒng)的時滯辨識[A];第十二屆全國非線性振動暨第九屆全國非線性動力學(xué)和運動穩(wěn)定性學(xué)術(shù)會議論文集[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)計中的應(yīng)用[A];第十一屆全國膨脹節(jié)學(xué)術(shù)會議膨脹節(jié)設(shè)計、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)交流會論文選編[C];2005年

6 熊偉麗;徐保國;;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中國控制與決策學(xué)術(shù)年會論文集[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年中國水力發(fā)電工程學(xué)會大壩安全監(jiān)測專委會年會暨學(xué)術(shù)交流會論文集[C];2012年

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

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

10 趙磊;;基于粒子群算法求解多目標(biāo)函數(shù)優(yōu)化問題[A];第二十一屆中國（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)會議論文集[C];2007年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王芳;粒子群算法的研究[D];西南大學(xué);2006年

2 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

3 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

4 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

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

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

7 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

8 劉宏達(dá);粒子群算法的研究及其在船舶工程中的應(yīng)用[D];哈爾濱工程大學(xué);2008年

9 楊輕云;約束滿足問題與調(diào)度問題中離散粒子群算法研究[D];吉林大學(xué);2006年

10 馮琳;改進(jìn)多目標(biāo)粒子群算法的研究及其在電弧爐供電曲線優(yōu)化中的應(yīng)用[D];東北大學(xué);2013年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 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[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 梁計鋒;基于改進(jìn)粒子群算法的交通控制算法研究[D];長安大學(xué);2015年

6 楊偉;基于粒子群算法的氧樂果合成過程建模研究[D];鄭州大學(xué);2015年

7 李程;基于粒子群算法的AS/RS優(yōu)化調(diào)度方法研究[D];陜西科技大學(xué);2015年

8 樊偉健;基于混合混沌粒子群算法求解變循環(huán)發(fā)動機(jī)數(shù)學(xué)模型問題[D];山東大學(xué);2015年

9 陳百霞;考慮風(fēng)電場并網(wǎng)的電力系統(tǒng)無功優(yōu)化[D];山東大學(xué);2015年

10 戴玉倩;基于混合動態(tài)粒子群算法的軟件測試數(shù)據(jù)自動生成研究[D];江西理工大學(xué);2015年

，

本文編號：552380