基于免疫蚁群算法的桥式起重机主梁结构拓扑优化研究

发布时间：2017-10-05 19:29

  本文关键词：基于免疫蚁群算法的桥式起重机主梁结构拓扑优化研究

  更多相关文章： 拓扑优化 免疫蚁群算法 单元生死技术 主梁

【摘要】：工程结构优化研究作为减少材料使用、提高材料利用率、充分发挥材料性能的有效手段，，已经受到越来越多人的重视和青睐。作为结构优化中极为重要的拓扑优化，是当今学术界研究的热点、难点问题。结构拓扑关系的优化改进可以大大减轻结构重量、改善结构的性能，使材料性能得到充分的发挥。结构拓扑优化的实质是搜索寻找边界约束与加载位置之间的最佳传力路线，将其转化为免疫蚁群算法中蚂蚁根据信息素浓度寻找最佳路径的过程。桥式起重机主梁的有限元分析结果表明：其腹板存在很多低应力区域，材料性能没有充分发挥，因此需要采用结构拓扑优化对其进行优化减重设计。本文的主要研究内容包括： (1)综述了结构优化的发展历程、结构拓扑优化及蚁群算法的国内外发展研究现状；提出了免疫理论改进蚁群算法的必要性及免疫蚁群算法拓扑优化的可行性。 (2)结合结构拓扑优化的基本原理、有限元法及其单元生死技术，提出了基于单元应力大小决定单元“生”与“死”的结构拓扑优化理论，并构造了其数学模型。 (3)根据单元生死结构拓扑优化的需要，引入了蚁群算法和人工免疫算法。在提取两种算法各自优点的基础上，提出了免疫原理改进蚁群算法的免疫蚁群算法，阐明了免疫蚁群算法的基本思想，构建了算法基本框架和步骤流程。 (4)在构建免疫蚁群算法的基础上，将有限元分析结果中的单元应力转换为免疫蚁群算法中信息素播洒，建立了基于免疫蚁群算法的拓扑优化理论及其相应的程序。 (5)在研究主梁结构静力分析及其结果的基础上，发现主梁具有大量低效的材料。将提出的免疫蚁群算法结构拓扑优化应用于主梁腹板的拓扑优化中，并根据拓扑优化结果建立相应的模型进行分析。与其原模型分析对比表明，该拓扑优化符合要求，能满足实际的工程需要。
【关键词】：拓扑优化 免疫蚁群算法 单元生死技术 主梁
【学位授予单位】：中北大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TH215;TP18
【目录】：

• 摘要4-5
• Abstract5-10
• 1 绪论10-22
• 1.1 课题背景及研究意义10-11
• 1.2 结构优化概述11-13
• 1.3 结构拓扑优化的研究现状13-15
• 1.4 免疫蚁群算法的研究现状15-20
• 1.5 本文的组织结构及研究内容20-21
• 1.6 本章小结21-22
• 2 结构优化原理22-36
• 2.1 结构拓扑优化理论22-26
• 2.1.1 结构拓扑优化原理22-24
• 2.1.2 结构优化数学模型24-26
• 2.2 单元生死技术26-33
• 2.2.1 有限元法26-28
• 2.2.2 单元生死技术28-33
• 2.3 基于单元生死技术的拓扑优化33-35
• 2.4 本章小结35-36
• 3 免疫蚁群算法研究36-56
• 3.1 蚁群算法36-44
• 3.1.1 蚁群优化的基本原理36-39
• 3.1.2 蚁群算法数学模型及流程39-42
• 3.1.3 蚁群算法的 TSP 优化42-44
• 3.2 人工免疫系统44-50
• 3.2.1 人工免疫算法概述45-48
• 3.2.2 人工免疫算法数学模型48-50
• 3.3 免疫蚁群算法50-55
• 3.3.1 免疫蚁群算法设计思想50-51
• 3.3.2 免疫蚁群算法的改进策略51-52
• 3.3.3 免疫蚁群算法流程及步骤52-55
• 3.4 本章小结55-56
• 4 基于免疫蚁群算法的结构拓扑优化56-67
• 4.1 基于免疫蚁群算法的结构拓扑优化基本原理56-57
• 4.2 基于免疫蚁群算法结构拓扑优化的框架57-58
• 4.3 基于免疫蚁群算法的单元生死系数计算58-60
• 4.4 基于免疫蚁群算法的结构拓扑优化实现60-65
• 4.4.1 程序总体流程60-61
• 4.4.2 接口设计61-62
• 4.4.3 具体流程及步骤62-65
• 4.5 实例验证65-66
• 4.6 本章小结66-67
• 5 桥式起重机主梁的结构拓扑优化67-81
• 5.1 基于 ANSYS 有限元法的主梁分析67-74
• 5.1.1 主梁有限元建模68-71
• 5.1.2 主梁有限元模型加载及求解71-73
• 5.1.3 查看求解结果73-74
• 5.2 主梁结构拓扑优化74-77
• 5.2.1 主梁拓扑优化原理及流程74-76
• 5.2.2 主梁拓扑优化76-77
• 5.2.3 拓扑优化结果分析77
• 5.3 优化前后主梁的强度刚度对比分析77-80
• 5.3.1 主梁拓扑优化结构重分析77-80
• 5.3.2 优化前后主梁对比分析80
• 5.4 本章小结80-81
• 6 结论及展望81-83
• 6.1 结论81-82
• 6.2 展望82-83
• 参考文献83-89
• 攻读硕士学位期间发表的论文及所取得的研究成果89-90
• 致谢90

【参考文献】

中国期刊全文数据库 前10条

1 王显会;许刚;李守成;包继英;;特种车辆车架结构拓扑优化设计研究[J];兵工学报;2007年08期

2 商广泰,钟文乐,蒋凤昌;基于ANSYS分析的钢梁优化设计[J];工程建设与设计;2005年03期

3 吴科;李哲;赵岩峰;党辉;;基于蚁群算法的刚架结构优化设计[J];钢结构;2007年05期

4 段宝岩,陈建军;基于极大熵思想的杆系结构拓扑优化设计研究[J];固体力学学报;1997年04期

5 陈少杰;段敬民;赵洪波;;桁架结构优化设计的改进蚁群算法[J];工业建筑;2010年01期

6 吴庆洪,张纪会,徐心和;具有变异特征的蚁群算法[J];计算机研究与发展;1999年10期

7 赵空;袁华;常欣;李文辉;;带免疫机制的蚁群算法求解几何约束多解[J];江南大学学报(自然科学版);2009年06期

8 胡纯德,祝延军,高随祥;基于人工免疫算法和蚁群算法求解旅行商问题[J];计算机工程与应用;2004年34期

9 耿强;王成良;;免疫遗传蚁群融合算法[J];计算机工程与应用;2010年23期

10 隋允康,任旭春,龙连春,叶宝瑞;基于ICM方法的刚架拓扑优化[J];计算力学学报;2003年03期

中国博士学位论文全文数据库 前2条

1 唐文艳;结构优化中的遗传算法研究和应用[D];大连理工大学;2002年

2 杨姝;复杂机械结构拓扑优化若干问题研究[D];大连理工大学;2007年

中国硕士学位论文全文数据库 前9条

1 闫利利;起重机箱形梁的拓扑优化研究[D];郑州大学;2010年

2 何林伟;结构拓扑优化启发式算法的研究[D];上海交通大学;2011年

3 邹挺;基于蚁群和人工鱼群混合群智能算法在物流配送路径优化问题中的应用研究[D];苏州大学;2011年

4 刘云峰;桥式起重机箱形主梁腹板新型结构研究[D];昆明理工大学;2001年

5 宋锋;基于蚁群算法—有限元的结构优化方法研究[D];南京航空航天大学;2007年

6 武交峰;应用遗传算法提高蚁群算法性能的研究[D];太原理工大学;2007年

7 李婧;免疫算法与蚁群算法相结合的地区电网无功优化的研究[D];华北电力大学（河北）;2007年

8 卢利平;载货汽车车架拓扑优化设计及有限元分析[D];合肥工业大学;2009年

9 王凌寒;深水钻井平台隔水管处理系统研究[D];中国石油大学;2009年

本文编号：978416