改进粒子群算法及结构优化设计应用研究
发布时间：2021-12-22 23:02
在众多复杂的约束条件下如何快速并准确的使结构性能达到最佳、工程造价最低等一系列工程需求是当今结构优化领域迫切需要解决的问题。在结构工程中选用一种算法对结构进行静力优化设计是一种常见的研究手段,但在实际工程中动力问题所占的比重远远高于静力问题,而针对结构动力问题进行优化设计的研究相对较少。本文主要工作内容为:粒子群算法的改进、改进粒子群算法应用于桁架静力优化设计和框架抗震优化设计,概括如下:1、从算法基本思想、数学描述和模型分析等方面简要介绍粒子群算法,并给出粒子群算法的一般参数设置和算法复杂度分析。2、从惯性权重取值、速度更新方式、位置更新方式等方面对标准粒子群算法进行了改进,研究证明了改进粒子群算法收敛性,并提出了改进粒子群算法的结构优化设计一般步骤。3、以平面52杆、200杆和空间25杆、160杆4个经典桁架为优化算例,研究了改进粒子群算法在平面桁架离散性问题、连续性问题和空间桁架连续性问题、离散性问题中的性能表现。从算法求解质量、求解速度、求解稳定性三个方面评定了改进粒子群算法在应用于桁架结构优化设计中的有效性和适用性。结果表明:相比标准粒子群算法,在平面52杆问题中,改进粒子群...
【文章来源】： 浙江工业大学浙江省
【文章页数】：83 页
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景及意义
1.2 结构优化及其应用研究现状
1.3 粒子群算法
1.3.1 粒子群算法的发展和研究现状
1.3.2 粒子群算法在结构工程中的应用
1.4 论文的主要研究内容及结构安排
1.5 论文创新点
第2章 粒子群算法原理与方法
2.1 引言
2.2 基本粒子群算法
2.2.1 基本粒子群算法的基本思想
2.2.2 基本粒子群算法的数学描述
2.2.3 基本粒子群算法的模型分析
2.3 标准粒子群算法
2.3.1 带有惯性权重的标准粒子群算法
2.3.2 带有收缩因子的标准粒子群算法
2.4 粒子群算法参数设置
2.5 粒子群算法复杂度分析
2.6 本章小结
第3章 粒子群算法的改进和结构优化模型
3.1 引言
3.2 粒子群算法的改进
3.2.1 惯性权重取值
3.2.2 速度更新方式
3.2.3 位置更新方式
3.2.4 改进粒子群算法收敛性
3.3 结构优化模型
3.3.1 设计变量
3.3.2 目标函数
3.3.3 约束条件
3.3.4 违反约束处理
3.4 基于改进粒子群算法的结构优化设计流程
3.5 本章小结
第4章 基于改进粒子群算法的桁架结构优化设计
4.1 引言
4.2 平面桁架结构优化问题
4.2.1 52杆平面桁架结构
4.2.2 200杆平面桁架结构
4.3 空间桁架结构优化问题
4.3.1 25杆空间桁架结构
4.3.2 160杆空间桁架结构
4.4 本章小结
第5章 基于改进粒子群算法的钢框架抗震优化设计
5.1 引言
5.2 Push-over 分析方法
5.2.1 水平加载模式
5.2.2 刚度矩阵建立
5.2.3 后弹性分析
5.2.4 位移值计算
5.2.5 Push-over 分析流程
5.3 抗震优化模型
5.3.1 目标函数
5.3.2 设计变量
5.3.3 约束条件
5.3.4 违反约束处理
5.4 抗震优化算例
5.4.1 三层四跨钢框架优化算例
5.4.2 九层五跨钢框架优化算例
5.5 本章小结
第6章 结论和展望
6.1 结论
6.2 展望
参考文献
作者在攻读硕士学位期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于改进蚁群算法的结构抗震优化设计 [J]. 李沛豪,刘崇奇. 空间结构. 2017(02)
[2]一种基于群体行为动力学的粒子群优化算法 [J]. 钊守国,周长林,梁臻鹤,王振义,刘统. 信息工程大学学报. 2017(03)
[3]基于粒子群-布谷鸟搜索算法的桁架结构优化设计 [J]. 朱钦,杨海霞. 三峡大学学报(自然科学版). 2017(01)
[4]一种改进的全局粒子群优化算法 [J]. 王皓,欧阳海滨,高立群. 控制与决策. 2016(07)
[5]一种改进的人工鱼群优化算法 [J]. 吴昌友. 智能系统学报. 2015(03)
[6]基于二进制粒子群优化的WSN分簇算法 [J]. 曹欲晓,李艳冰,徐梦溪,彭焕峰. 微电子学与计算机. 2015(05)
[7]基于粒子群算法的平面刚架及组合结构的优化 [J]. 蔡保佩,易平. 佳木斯大学学报(自然科学版). 2014(04)
[8]基于蚁群算法的桁架结构布局离散变量优化方法 [J]. 张卓群,李宏男. 计算力学学报. 2013(03)
[9]量子粒子群算法在桁架形状优化中的应用 [J]. 李林英. 高速铁路技术. 2013(02)
[10]改进的蚁群算法及其在桁架结构优化中的应用 [J]. 周书敬,韩雪. 钢结构. 2013(03)
博士论文
[1]基于协同进化的混合智能优化算法及其应用研究[D]. 邓武.大连海事大学. 2012
硕士论文
[1]改进的离散粒子群算法在TSP中的应用研究[D]. 程毕芸.江南大学. 2017
[2]改进粒子群算法的基坑桩锚支护优化设计研究[D]. 侯英键.华南农业大学. 2016
[3]改进PSO-BP神经网络的压力导丝温度及非线性补偿研究与实现[D]. 范广坡.南方医科大学. 2016
[4]粒子群优化算法的改进及应用[D]. 魏晋军.太原理工大学. 2015
[5]基于PSO算法的特高压输电塔拓扑构型优化[D]. 尹雪超.重庆大学. 2014
[6]改进粒子群算法在结构优化设计中的应用[D]. 朱孝晶.广西工学院. 2011
[7]粒子群和群搜索混合优化算法研究及其在杆系结构设计中的应用[D]. 曾世开.广东工业大学. 2011
[8]Pushover方法改进加载模式及加载方式的讨论[D]. 龙小燕.重庆大学. 2010
[9]结构优化中粒子群算法的研究与应用[D]. 张忠伟.大连理工大学. 2009
[10]多层钢框架结构的优化设计分析[D]. 邵珍奇.西安建筑科技大学. 2009
本文编号：3547272
【文章来源】： 浙江工业大学浙江省
【文章页数】：83 页
【文章目录】：
摘要
ABSTRACT
第1章 绪论
1.1 课题研究背景及意义
1.2 结构优化及其应用研究现状
1.3 粒子群算法
1.3.1 粒子群算法的发展和研究现状
1.3.2 粒子群算法在结构工程中的应用
1.4 论文的主要研究内容及结构安排
1.5 论文创新点
第2章 粒子群算法原理与方法
2.1 引言
2.2 基本粒子群算法
2.2.1 基本粒子群算法的基本思想
2.2.2 基本粒子群算法的数学描述
2.2.3 基本粒子群算法的模型分析
2.3 标准粒子群算法
2.3.1 带有惯性权重的标准粒子群算法
2.3.2 带有收缩因子的标准粒子群算法
2.4 粒子群算法参数设置
2.5 粒子群算法复杂度分析
2.6 本章小结
第3章 粒子群算法的改进和结构优化模型
3.1 引言
3.2 粒子群算法的改进
3.2.1 惯性权重取值
3.2.2 速度更新方式
3.2.3 位置更新方式
3.2.4 改进粒子群算法收敛性
3.3 结构优化模型
3.3.1 设计变量
3.3.2 目标函数
3.3.3 约束条件
3.3.4 违反约束处理
3.4 基于改进粒子群算法的结构优化设计流程
3.5 本章小结
第4章 基于改进粒子群算法的桁架结构优化设计
4.1 引言
4.2 平面桁架结构优化问题
4.2.1 52杆平面桁架结构
4.2.2 200杆平面桁架结构
4.3 空间桁架结构优化问题
4.3.1 25杆空间桁架结构
4.3.2 160杆空间桁架结构
4.4 本章小结
第5章 基于改进粒子群算法的钢框架抗震优化设计
5.1 引言
5.2 Push-over 分析方法
5.2.1 水平加载模式
5.2.2 刚度矩阵建立
5.2.3 后弹性分析
5.2.4 位移值计算
5.2.5 Push-over 分析流程
5.3 抗震优化模型
5.3.1 目标函数
5.3.2 设计变量
5.3.3 约束条件
5.3.4 违反约束处理
5.4 抗震优化算例
5.4.1 三层四跨钢框架优化算例
5.4.2 九层五跨钢框架优化算例
5.5 本章小结
第6章 结论和展望
6.1 结论
6.2 展望
参考文献
作者在攻读硕士学位期间所取得的科研成果
致谢
【参考文献】：
期刊论文
[1]基于改进蚁群算法的结构抗震优化设计 [J]. 李沛豪,刘崇奇. 空间结构. 2017(02)
[2]一种基于群体行为动力学的粒子群优化算法 [J]. 钊守国,周长林,梁臻鹤,王振义,刘统. 信息工程大学学报. 2017(03)
[3]基于粒子群-布谷鸟搜索算法的桁架结构优化设计 [J]. 朱钦,杨海霞. 三峡大学学报(自然科学版). 2017(01)
[4]一种改进的全局粒子群优化算法 [J]. 王皓,欧阳海滨,高立群. 控制与决策. 2016(07)
[5]一种改进的人工鱼群优化算法 [J]. 吴昌友. 智能系统学报. 2015(03)
[6]基于二进制粒子群优化的WSN分簇算法 [J]. 曹欲晓,李艳冰,徐梦溪,彭焕峰. 微电子学与计算机. 2015(05)
[7]基于粒子群算法的平面刚架及组合结构的优化 [J]. 蔡保佩,易平. 佳木斯大学学报(自然科学版). 2014(04)
[8]基于蚁群算法的桁架结构布局离散变量优化方法 [J]. 张卓群,李宏男. 计算力学学报. 2013(03)
[9]量子粒子群算法在桁架形状优化中的应用 [J]. 李林英. 高速铁路技术. 2013(02)
[10]改进的蚁群算法及其在桁架结构优化中的应用 [J]. 周书敬,韩雪. 钢结构. 2013(03)
博士论文
[1]基于协同进化的混合智能优化算法及其应用研究[D]. 邓武.大连海事大学. 2012
硕士论文
[1]改进的离散粒子群算法在TSP中的应用研究[D]. 程毕芸.江南大学. 2017
[2]改进粒子群算法的基坑桩锚支护优化设计研究[D]. 侯英键.华南农业大学. 2016
[3]改进PSO-BP神经网络的压力导丝温度及非线性补偿研究与实现[D]. 范广坡.南方医科大学. 2016
[4]粒子群优化算法的改进及应用[D]. 魏晋军.太原理工大学. 2015
[5]基于PSO算法的特高压输电塔拓扑构型优化[D]. 尹雪超.重庆大学. 2014
[6]改进粒子群算法在结构优化设计中的应用[D]. 朱孝晶.广西工学院. 2011
[7]粒子群和群搜索混合优化算法研究及其在杆系结构设计中的应用[D]. 曾世开.广东工业大学. 2011
[8]Pushover方法改进加载模式及加载方式的讨论[D]. 龙小燕.重庆大学. 2010
[9]结构优化中粒子群算法的研究与应用[D]. 张忠伟.大连理工大学. 2009
[10]多层钢框架结构的优化设计分析[D]. 邵珍奇.西安建筑科技大学. 2009
本文编号：3547272
本文链接：https://www.wllwen.com/guanlilunwen/chengjian/3547272.html
