發(fā)布時(shí)間：2017-09-25 06:29

  本文關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)結(jié)合智能算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用

  更多相關(guān)文章： 結(jié)構(gòu)優(yōu)化設(shè)計(jì) BP神經(jīng)網(wǎng)絡(luò) Matlab分布式集群 離散變量優(yōu)化

【摘要】：結(jié)構(gòu)優(yōu)化設(shè)計(jì)屬于一種離散變量的優(yōu)化設(shè)計(jì)問題,由于需要考慮位移、應(yīng)力等多種約束條件,采用傳統(tǒng)的優(yōu)化算法有時(shí)難以搜索到全局最優(yōu)解。本文用API接口將第三方有限元分析軟件與自編智能算法程序相結(jié)合,進(jìn)行了桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法研究,主要工作和創(chuàng)新之處包括:(1)將人工神經(jīng)網(wǎng)絡(luò)技術(shù)與智能優(yōu)化算法相結(jié)合,大大提升了優(yōu)化迭代運(yùn)算的速度。本文先采集設(shè)計(jì)變量樣本進(jìn)行有限元分析,將所得結(jié)果代入BP神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)并創(chuàng)建網(wǎng)絡(luò)。其次,在運(yùn)用優(yōu)化算法進(jìn)行迭代運(yùn)算時(shí),回避大量個(gè)體的有限元重分析過程,而代之以BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)結(jié)果,從而大量節(jié)省了計(jì)算時(shí)間。通過對(duì)24層框架案例的單變量和多變量進(jìn)行優(yōu)化設(shè)計(jì),驗(yàn)證了所用優(yōu)化理論的正確性和高效性,案例研究的結(jié)果還表明該方法適用于多變量優(yōu)化問題。此外,還進(jìn)行17桿平面桁架結(jié)構(gòu)和42桿、72桿空間結(jié)構(gòu)的截面面積優(yōu)化。分析結(jié)果表明,采用本文方法的計(jì)算耗時(shí)分別比原始的遺傳算法節(jié)省80%以上,且優(yōu)化迭代過程能夠穩(wěn)定收斂。(2)為進(jìn)一步提升桁架結(jié)構(gòu)優(yōu)化收斂速度,創(chuàng)建Matlab分布式集群,采用自編程序?qū)崿F(xiàn)兩臺(tái)計(jì)算機(jī)并行連接,使得兩臺(tái)計(jì)算機(jī)的SAP2000 API有限元同時(shí)進(jìn)行計(jì)算,從而減少優(yōu)化迭代過程的計(jì)算耗時(shí)。對(duì)比3個(gè)桁架案例在考慮位移約束與位移、應(yīng)力約束的情況下的優(yōu)化結(jié)果,分析表明Matlab分布式集群的引用比起單純遺傳算法優(yōu)化平均減少50%以上的有限元計(jì)算時(shí)長,并在增加約束條件的情況下,優(yōu)化收斂速度基本不會(huì)受到影響,因而該方法具有很好地適用性。此外,還根據(jù)3個(gè)桁架算例建立了離散變量結(jié)構(gòu)優(yōu)化問題的數(shù)學(xué)模型,使設(shè)計(jì)變量在固定的離散集和連續(xù)區(qū)間內(nèi)選擇。結(jié)果表明,優(yōu)化迭代過程能夠穩(wěn)定收斂,并且保持了較高的運(yùn)算效率,因而該方法也適用于離散變量優(yōu)化問題。
【關(guān)鍵詞】：結(jié)構(gòu)優(yōu)化設(shè)計(jì) BP神經(jīng)網(wǎng)絡(luò) Matlab分布式集群 離散變量優(yōu)化
【學(xué)位授予單位】：廣州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TU318;TP183
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 緒論10-16
• 1.1 選題意義及背景10
• 1.2 結(jié)構(gòu)優(yōu)化的設(shè)計(jì)論述10-12
• 1.2.1 結(jié)構(gòu)優(yōu)化設(shè)計(jì)的概念10-11
• 1.2.2 結(jié)構(gòu)優(yōu)化設(shè)計(jì)發(fā)展11-12
• 1.3 智能算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用12-13
• 1.3.1 遺傳算法的基本理論12-13
• 1.3.2 遺傳算法的研究現(xiàn)狀13
• 1.4 遺傳算法與傳統(tǒng)優(yōu)化設(shè)計(jì)方法的比較13-14
• 1.5 本文研究的主要內(nèi)容14-15
• 1.6 本文的創(chuàng)新之處15-16
• 第二章 BP神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法在框架結(jié)構(gòu)優(yōu)化中的應(yīng)用16-34
• 2.1 BP神經(jīng)網(wǎng)絡(luò)的基本原理17-21
• 2.1.1 BP神經(jīng)網(wǎng)絡(luò)基本模型17-20
• 2.1.2 BP神經(jīng)網(wǎng)絡(luò)的優(yōu)勢(shì)20-21
• 2.2 BP神經(jīng)網(wǎng)絡(luò)的實(shí)現(xiàn)21-23
• 2.2.1 輸入數(shù)據(jù)的預(yù)處理21-22
• 2.2.2 網(wǎng)絡(luò)參數(shù)的設(shè)計(jì)22-23
• 2.3 數(shù)學(xué)模型23-24
• 2.4 案例分析24-33
• 2.4.1 算例 124-29
• 2.4.2 算例 229-33
• 2.5 本章小結(jié)33-34
• 第三章 BP神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法在桁架結(jié)構(gòu)優(yōu)化中的應(yīng)用34-44
• 3.1 數(shù)學(xué)模型34-35
• 3.2 案例分析35-42
• 3.2.1 17 桿平面桁架35-38
• 3.2.2 42 桿空間桁架38-40
• 3.2.3 72 桿空間桁架40-42
• 3.3 本章小結(jié)42-44
• 第四章 Matlab分布式集群在單變量連續(xù)優(yōu)化中的應(yīng)用44-60
• 4.1 Matlab分布式集群優(yōu)點(diǎn)45
• 4.2 Matlab并行計(jì)算架構(gòu)45-47
• 4.3 Matlab軟硬環(huán)境的建立47-53
• 4.3.1 Matlab的安裝配置47-49
• 4.3.2 Matlab分布式集群的搭建流程49-53
• 4.4 數(shù)學(xué)模型53-54
• 4.5 算例分析54-59
• 4.5.1 17 桿平面案例54-56
• 4.5.2 42 桿空間桁架結(jié)構(gòu)56-57
• 4.5.3 72 桿空間桁架結(jié)構(gòu)57-59
• 4.6 本章小結(jié)59-60
• 第五章 Matlab分布式集群在多變量離散優(yōu)化中的應(yīng)用60-70
• 5.1 數(shù)學(xué)模型的建立61
• 5.2 案例分析61-68
• 5.2.1 17 桿平面桁架61-64
• 5.2.2 42 桿空間桁架64-66
• 5.2.3 72 桿空間桁架66-68
• 5.3 本章小結(jié)68-70
• 第六章 總結(jié)與展望70-72
• 6.1 總結(jié)70
• 6.2 論文不足之處70-72
• 參考文獻(xiàn)72-76
• 附錄 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況76-78
• 致謝78

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 李夢(mèng)歡;徐安;;BP神經(jīng)網(wǎng)絡(luò)改進(jìn)遺傳算法在桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)中的應(yīng)用[J];廣州大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年06期

2 徐安;賀美花;陽露;趙若紅;孫衛(wèi)星;;帶有鋼管混凝土柱的結(jié)構(gòu)抗側(cè)力優(yōu)化設(shè)計(jì)方法研究[J];建筑科學(xué);2015年11期

3 章純;劉鋒;廖國維;李麗娟;;基于WCA優(yōu)化算法的空間桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J];建筑鋼結(jié)構(gòu)進(jìn)展;2014年01期

4 蔡新;李洪煊;武穎利;朱杰;;工程結(jié)構(gòu)優(yōu)化設(shè)計(jì)研究進(jìn)展[J];河海大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年03期

5 朱燦;梁昔明;周書仁;;基于物種選擇的遺傳算法[J];小型微型計(jì)算機(jī)系統(tǒng);2009年03期

6 胡晨駿;王曉蔚;;基于多核集群系統(tǒng)的并行編程模型的研究[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年04期

7 邱冬瑞;董宏英;劉佳;;基于APDL進(jìn)行門式剛架優(yōu)化設(shè)計(jì)的程序開發(fā)[J];鋼結(jié)構(gòu);2008年01期

8 朱建豐;徐世杰;;基于自適應(yīng)模擬退火遺傳算法的月球軟著陸軌道優(yōu)化[J];航空學(xué)報(bào);2007年04期

9 張愛林;楊海軍;;預(yù)應(yīng)力索-桁架結(jié)構(gòu)形狀優(yōu)化設(shè)計(jì)[J];計(jì)算力學(xué)學(xué)報(bào);2007年01期

10 段學(xué)超;仇原鷹;段寶巖;;基于自適應(yīng)遺傳算法的Stewart平臺(tái)結(jié)構(gòu)雙目標(biāo)優(yōu)化設(shè)計(jì)[J];計(jì)算力學(xué)學(xué)報(bào);2006年06期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 孫俊;量子行為粒子群優(yōu)化算法研究[D];江南大學(xué);2009年

，

本文編號(hào)：915928