改进鲸鱼算法在桁架结构优化中的应用
发布时间：2021-11-11 21:52
针对鲸鱼算法（WOA）在面对桁架结构优化问题上容易陷入局部最优和收敛精度低的缺点,在原始鲸鱼算法的基础上,引入信息熵,提出了信息熵的改进鲸鱼优化算法。信息熵本身是一种不确定的度量,利用信息熵在路径选择时调控鲸鱼搜索的范围,克服基本鲸鱼优化算法的不足,使算法的全局收敛速度得到提高。选取了2个经典的桁架结构优化问题进行求解并与其他算法对比,结果表明:基于信息熵改进的鲸鱼算法在桁架结构优化设计中优于其他算法,运行更少的迭代次数达到目标函数。
【文章来源】：粉煤灰综合利用. 2020,34(01)
【文章页数】：7 页
【部分图文】：
改进鲸鱼算法流程图
15杆），优化使15杆桁架质量最校设计15处拉力约束，位移约束为16，15个压力约束，设计如图2所示，参数设计如下：应力约束［115.37，120］，材料密度=7800kg/m3，弹性模量E=200GPa，桁架横截面积设计变量选择区域为：［113.2，143.2，145.9，174.9，185.9，235.9，265.9，297.1，308.6，334.3，338.2，497.8，507.6，736.7，791.2，1063.7］（mm2），桁架结构的荷载工况见表1所示。表115杆平面桁架荷载设计Table1Loadcasesofthe15-barPlaneTrussStructure/kN情况P1P2P3135353523503533500图215杆桁架结构示意图Fig.2The-15bartrussstructure为了测试算法的收敛速度和全局优化能力，在相同约束条件下，设计了3种情况下的仿真试验，种群规模为30，最大迭代次数500，即最大适应度函数计算次数为15000，3种算法分别对3种约束力下的桁架结构进行计算，表2显示了改进后算法与PSO、WOA相比，可以得到优化后的结构总质量最小为102.925kg。改进鲸鱼优化算法有着较好的优化结果，相较于PSO算法，结构重量减轻了（142.117-102.925）/142.117×100%=27.58%；相较于WOA算法，结构重量减轻了（105.735-102.925）/105.735×100%=2.66%；结果表明：该算法能够提供很好的搜索能力。由迭代关系曲线（图3）可以看出，迭代次数在290次左右使跳出了局部最优解，380次左右优化结果基本稳定。表215杆桁架优化结果比较Table2Optimizationresultsofthe15-bartruss杆件编号PSOWOASWOAA1187.1113.2113.1A2113.1113.2113.1A3143.3113.2113.1A4113.1113.2113.1A5736.9736.7736.6A6143.1113.2113.1A7113.4113.2113.1A8736.4736.7735.7A9112.9113.1113.1A10113.3113.1113.1A11113.4113.1113.1A12113.1113.1113.
·24·刘历波等：改进鲸鱼算法在桁架结构优化中的应用2020年第1期建筑结构图315杆桁架优化迭代关系曲线图Fig.3Optimizationiterativecurvediagramofthe15-bartruss4.225杆空间桁架设计建立25杆空间桁架结构［21］的模型，见图4，有10个节点，其中4个节点固定，即25个杆。桁架结构的荷载工况情况见表3，参数设计如下：材料密度=0.0272N/cm3，弹性模量E=68.947MPa，位移限制有：=8.89mm，=8.90mm。该桁架杆件分组与应力极限如表4所示。桁架横截面积设计变量选择区域为：［0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1.0，1.1，1.2，1.3，1.4，1.5，1.6，1.7，1.8，1.9，2.0，2.1，2.2，2.3，2.4，2.5，2.6，2.8，3.0，3.2，3.4］（cm2）表325杆空间桁架荷载设计Table3Loadcasesofthe25-barspatialtrussstructure/kN节点情况1情况2PxPyPzPxPyPz108922.254.4544.522.25208922.250.044.522.2530002.220060002.2200图425杆空间桁架结构示意图Fig.4The25-barspatialtrussstructure表425杆桁架分组与应力极限Table4Theclassificationandstresslimitofthe25-barspatialtrussstructure/MPa杆件分组压应力极限拉应力极限A1241.96275.80A2-A579.913275.80A6-A9119.31275.80A10-A11241.96275.80A12-A13241.96275.80A14-A1746.603275.80A18-A2147.982275.80A22-A2576.410275.80在仿真试验设计中，迭代次数为500，求取杆件的最优质量和平均质量。由图5可知，在具有可靠度约束条件下，算法在360次后已经开始收敛。由表5可知，在仿真试验中得到改进算法的最优质量为245.915kg，改进鲸鱼优化算法有着较好的优化结果，相较于PSO算法，结构重量减轻（247.190-245.915）/24
【参考文献】：
期刊论文
[1]基于改进粒子群算法的桁架结构优化设计[J]. 李沛豪,李东. 空间结构. 2018(04)
[2]一种改进的鲸鱼优化算法[J]. 张永,陈锋. 计算机工程. 2018(03)
[3]求解大规模优化问题的改进鲸鱼优化算法[J]. 龙文,蔡绍洪,焦建军,唐明珠,伍铁斌. 系统工程理论与实践. 2017(11)
[4]改进罚函数分级遗传算法及其在桁架结构优化设计中的应用[J]. 皇甫尚乾,徐安. 广州大学学报(自然科学版). 2017(05)
[5]基于自适应权重和柯西变异的鲸鱼优化算法[J]. 郭振洲,王平,马云峰,王琦,拱长青. 微电子学与计算机. 2017(09)
[6]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[7]桁架结构的优化设计方法研究综述[J]. 叶云青. 黑龙江科技信息. 2014(17)
[8]基于可靠度指标的桁架优化研究[J]. 周书敬,张东敏,徐志聪. 钢结构. 2014(01)
[9]基于改进型蚁群算法的结构优化设计[J]. 邓建军,李彦彬,张琳. 特种结构. 2013(03)
[10]基于遗传算法的平面桁架结构截面优化设计方法研究[J]. 章弦,李文芳. 中国建筑金属结构. 2013(08)
本文编号：3489593
【文章来源】：粉煤灰综合利用. 2020,34(01)
【文章页数】：7 页
【部分图文】：
改进鲸鱼算法流程图
15杆），优化使15杆桁架质量最校设计15处拉力约束，位移约束为16，15个压力约束，设计如图2所示，参数设计如下：应力约束［115.37，120］，材料密度=7800kg/m3，弹性模量E=200GPa，桁架横截面积设计变量选择区域为：［113.2，143.2，145.9，174.9，185.9，235.9，265.9，297.1，308.6，334.3，338.2，497.8，507.6，736.7，791.2，1063.7］（mm2），桁架结构的荷载工况见表1所示。表115杆平面桁架荷载设计Table1Loadcasesofthe15-barPlaneTrussStructure/kN情况P1P2P3135353523503533500图215杆桁架结构示意图Fig.2The-15bartrussstructure为了测试算法的收敛速度和全局优化能力，在相同约束条件下，设计了3种情况下的仿真试验，种群规模为30，最大迭代次数500，即最大适应度函数计算次数为15000，3种算法分别对3种约束力下的桁架结构进行计算，表2显示了改进后算法与PSO、WOA相比，可以得到优化后的结构总质量最小为102.925kg。改进鲸鱼优化算法有着较好的优化结果，相较于PSO算法，结构重量减轻了（142.117-102.925）/142.117×100%=27.58%；相较于WOA算法，结构重量减轻了（105.735-102.925）/105.735×100%=2.66%；结果表明：该算法能够提供很好的搜索能力。由迭代关系曲线（图3）可以看出，迭代次数在290次左右使跳出了局部最优解，380次左右优化结果基本稳定。表215杆桁架优化结果比较Table2Optimizationresultsofthe15-bartruss杆件编号PSOWOASWOAA1187.1113.2113.1A2113.1113.2113.1A3143.3113.2113.1A4113.1113.2113.1A5736.9736.7736.6A6143.1113.2113.1A7113.4113.2113.1A8736.4736.7735.7A9112.9113.1113.1A10113.3113.1113.1A11113.4113.1113.1A12113.1113.1113.
·24·刘历波等：改进鲸鱼算法在桁架结构优化中的应用2020年第1期建筑结构图315杆桁架优化迭代关系曲线图Fig.3Optimizationiterativecurvediagramofthe15-bartruss4.225杆空间桁架设计建立25杆空间桁架结构［21］的模型，见图4，有10个节点，其中4个节点固定，即25个杆。桁架结构的荷载工况情况见表3，参数设计如下：材料密度=0.0272N/cm3，弹性模量E=68.947MPa，位移限制有：=8.89mm，=8.90mm。该桁架杆件分组与应力极限如表4所示。桁架横截面积设计变量选择区域为：［0.1，0.2，0.3，0.4，0.5，0.6，0.7，0.8，0.9，1.0，1.1，1.2，1.3，1.4，1.5，1.6，1.7，1.8，1.9，2.0，2.1，2.2，2.3，2.4，2.5，2.6，2.8，3.0，3.2，3.4］（cm2）表325杆空间桁架荷载设计Table3Loadcasesofthe25-barspatialtrussstructure/kN节点情况1情况2PxPyPzPxPyPz108922.254.4544.522.25208922.250.044.522.2530002.220060002.2200图425杆空间桁架结构示意图Fig.4The25-barspatialtrussstructure表425杆桁架分组与应力极限Table4Theclassificationandstresslimitofthe25-barspatialtrussstructure/MPa杆件分组压应力极限拉应力极限A1241.96275.80A2-A579.913275.80A6-A9119.31275.80A10-A11241.96275.80A12-A13241.96275.80A14-A1746.603275.80A18-A2147.982275.80A22-A2576.410275.80在仿真试验设计中，迭代次数为500，求取杆件的最优质量和平均质量。由图5可知，在具有可靠度约束条件下，算法在360次后已经开始收敛。由表5可知，在仿真试验中得到改进算法的最优质量为245.915kg，改进鲸鱼优化算法有着较好的优化结果，相较于PSO算法，结构重量减轻（247.190-245.915）/24
【参考文献】：
期刊论文
[1]基于改进粒子群算法的桁架结构优化设计[J]. 李沛豪,李东. 空间结构. 2018(04)
[2]一种改进的鲸鱼优化算法[J]. 张永,陈锋. 计算机工程. 2018(03)
[3]求解大规模优化问题的改进鲸鱼优化算法[J]. 龙文,蔡绍洪,焦建军,唐明珠,伍铁斌. 系统工程理论与实践. 2017(11)
[4]改进罚函数分级遗传算法及其在桁架结构优化设计中的应用[J]. 皇甫尚乾,徐安. 广州大学学报(自然科学版). 2017(05)
[5]基于自适应权重和柯西变异的鲸鱼优化算法[J]. 郭振洲,王平,马云峰,王琦,拱长青. 微电子学与计算机. 2017(09)
[6]一种随机调整控制参数的鲸鱼优化算法[J]. 钟明辉,龙文. 科学技术与工程. 2017(12)
[7]桁架结构的优化设计方法研究综述[J]. 叶云青. 黑龙江科技信息. 2014(17)
[8]基于可靠度指标的桁架优化研究[J]. 周书敬,张东敏,徐志聪. 钢结构. 2014(01)
[9]基于改进型蚁群算法的结构优化设计[J]. 邓建军,李彦彬,张琳. 特种结构. 2013(03)
[10]基于遗传算法的平面桁架结构截面优化设计方法研究[J]. 章弦,李文芳. 中国建筑金属结构. 2013(08)
本文编号：3489593
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3489593.html
