基于粒子群算法的起重船起重系统结构优化设计

发布时间：2017-09-29 07:24

  本文关键词：基于粒子群算法的起重船起重系统结构优化设计

  更多相关文章： 优化设计 结构强度 粒子群算法 起重系统 扒杆结构

【摘要】：随着我国经济的快速发展，越来越重视海洋资源的开发和利用，对海洋工程和石油开采的需求促使起重船成为工程船舶的发展热点。起重系统结构设计是否合理直接影响到起重船的起重能力和工作效率。因此，对起重系统的主要构件进行结构优化设计具有重要的工程意义。本文主要开展了以下三方面工作： （1）基于粒子群优化算法的扒杆结构优化设计。综合分析多方面因素的影响确定优化设计变量和约束条件，建立以扒杆结构重量为目标的优化模型，将粒子群优化算法引入船舶结构优化设计中，对500T起重船起重系统扒杆结构进行了优化设计，并对粒子群算法的优化稳定性进行了分析和讨论。 （2）粒子群算法参数的取值分析。在前人研究成果的基础上，结合具体优化问题，探讨了算法参数选取对算法性能的影响。根据试验结果，给出了在基于有限元强度分析的船舶结构优化设计问题中粒子群算法参数的推荐值。 （3）起重系统结构强度评估和分析。完成起重系统扒杆结构优化设计后，为保证起重船作业的安全性和可靠性，需要对整个起重系统开展结构强度分析。采用MSC.Patran建立起重系统有限元分析模型，根据起重船工作特点并参考规范确定计算工况和边界条件，通过MSC.Nastran对起重系统结构强度进行了数值计算，，并对扒杆结构进行稳定性分析，以验证起重系统结构强度的安全性和扒杆结构优化设计的合理性。
【关键词】：优化设计 结构强度 粒子群算法 起重系统 扒杆结构
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：U674.35
【目录】：

• 摘要6-7
• ABSTRACT7-15
• 第一章 绪论15-26
• 1.1 研究背景和意义15
• 1.2 起重船发展综述15-20
• 1.2.1 起重船发展历程16-18
• 1.2.2 起重船的分类18-19
• 1.2.3 起重船的应用19-20
• 1.3 结构优化设计20-24
• 1.3.1 优化设计概况20-22
• 1.3.2 优化数学模型22
• 1.3.3 优化算法22-23
• 1.3.4 优化设计在船舶结构中的应用23-24
• 1.4 本文研究内容24-26
• 第二章 粒子群优化算法26-40
• 2.1 引言26
• 2.2 粒子群算法的基本原理26-33
• 2.2.1 算法原理26-28
• 2.2.2 惯性权重的引入28
• 2.2.3 算法流程28-29
• 2.2.4 参数的选取29-33
• 2.3 粒子群算法的改进33-36
• 2.3.1 基于惯性权重的改进33-34
• 2.3.2 收缩因子粒子群算法34-35
• 2.3.3 混合粒子群算法35-36
• 2.3.4 粒子群算法的离散化36
• 2.4 粒子群算法与其他群智能算法的比较36-38
• 2.4.1 粒子群算法和遗传算法37-38
• 2.4.2 粒子群算法和蚁群算法38
• 2.5 小结38-40
• 第三章 起重船扒杆结构优化设计40-66
• 3.1 起重船起重系统概况40-42
• 3.2 工况和载荷42-45
• 3.2.1 优化工况42-43
• 3.2.2 载荷计算43-45
• 3.3 扒杆结构优化数学模型45-50
• 3.3.1 设计变量45-46
• 3.3.2 目标函数46-47
• 3.3.3 约束条件47-50
• 3.4 有限元模型50-52
• 3.5 优化流程52-54
• 3.6 扒杆结构优化结果和分析54-64
• 3.6.1 优化结果54-59
• 3.6.2 优化过程分析59-61
• 3.6.3 PSO 算法稳定性分析61-64
• 3.7 小结64-66
• 第四章 粒子群算法参数影响分析66-80
• 4.1 引言66-67
• 4.2 种群大小的取值分析67-71
• 4.3 最大迭代次数的取值分析71-73
• 4.4 惯性权重的取值分析73-79
• 4.4.1 收敛性分析75-76
• 4.4.2 试验分析76-79
• 4.5 小结79-80
• 第五章 起重系统结构强度分析80-110
• 5.1 引言80
• 5.2 工况和载荷80-83
• 5.2.1 工况的选取80-81
• 5.2.2 载荷的计算和施加81-83
• 5.3 扒杆稳定性分析83-89
• 5.3.1 整体稳定性83-87
• 5.3.2 局部稳定性87-89
• 5.4 有限元模型89-91
• 5.5 边界条件91
• 5.6 有限元计算结果和结构强度评估91-108
• 5.6.1 校核衡准91-92
• 5.6.2 计算结果和分析92-108
• 5.7 小结108-110
• 第六章 总结与展望110-112
• 6.1 全文总结110-111
• 6.2 研究展望111-112
• 参考文献112-116
• 致谢116-117
• 攻读硕士学位期间已发表或录用的论文117

【参考文献】

中国期刊全文数据库 前10条

1 诸虹;;深水铺管船技术研究[J];船舶工程;2011年04期

2 袁晓辉,王乘,张勇传,袁艳斌;粒子群优化算法在电力系统中的应用[J];电网技术;2004年19期

3 吕振肃,侯志荣;自适应变异的粒子群优化算法[J];电子学报;2004年03期

4 郭文忠;陈国龙;陈振;;离散粒子群优化算法研究综述[J];福州大学学报(自然科学版);2011年05期

5 孙鲁闽;;我国海上起重打捞作业及其基础装备大型起重船的发展[J];船舶工程;2013年01期

6 高鹰,谢胜利;免疫粒子群优化算法[J];计算机工程与应用;2004年06期

7 刘建华;樊晓平;瞿志华;;一种惯性权重动态调整的新型粒子群算法[J];计算机工程与应用;2007年07期

8 郭文忠;陈国龙;;粒子群优化算法中惯性权值调整的一种新策略[J];计算机工程与科学;2007年01期

9 段海滨;王道波;于秀芬;;几种新型仿生优化算法的比较研究[J];计算机仿真;2007年03期

10 吕艳萍;李绍滋;陈水利;郭文忠;周昌乐;;自适应扩散混合变异机制微粒群算法[J];软件学报;2007年11期

本文编号：940707