基于粒子群算法的复合材料框架结构频率优化

发布时间：2017-09-02 17:06

  本文关键词：基于粒子群算法的复合材料框架结构频率优化

  更多相关文章： 复合材料框架结构 粒子群算法 动力频率优化 一体优化

【摘要】：纤维增强复合材料框架结构(以下简称复合材料框架结构),因其具有高比强度、高比刚度、抗疲劳以及易于拆卸等优点,而被广泛应用于航空航天、船舶及汽车等领域。当外界激振力频率与结构固有频率接近时,往往因共振将导致结构变形过大,甚至发生破坏。因此,工程上一般可通过提高结构的固有频率进而改善结构的动力响应特性。因此,本文研究中以基频最大化以及前几阶频率之和(前3阶或前5阶)最大化为优化目标,对复合材料框架结构的动力性能进行了优化设计。首先,考虑到以纤维缠绕角为设计变量时,复合材料梁的刚度是关于各层缠绕角的复杂三角函数,将导致优化问题目标函数呈现多个局部极值的特点。传统基于梯度信息的优化算法在求解该类优化问题时,往往收敛于初始点附近的局部最优解,难以找到符合工程要求的理想优化解。因此,本文将具有全局寻优能力的粒子群算法(Particle Swarm Optimization, PSO)用于复合材料框架结构的优化设计中。以纤维缠绕角为设计变量,分别开展了以基频最大化与前几阶频率之和最大化为目标函数的优化设计,研究了连续纤维缠绕角对结构动力频率性能的影响。其次,当设计变量为连续纤维缠绕角度时,圆整后的优化结果中存在大量如2°、9°等的缠绕角度。包含过多的此类纤维缠绕角度将显著地增加优化结果的制造成本。考虑到航空航天工程中的复合材料制造工艺,缠绕角度通常为离散角度的组合,如-45°,0°,45°和90°等。因此,本文考虑上述工程中常用的离散缠绕角度作为设计变量,分别以基频最大化／前几阶频率之和最大化为目标,针对复合材料框架结构的动力频率性能,基于二进制编码的离散粒子群算法,开展了离散纤维缠绕角度的优化设计。最后,为充分发挥复合材料框架结构在结构构型与材料缠绕参数两个几何层级上的可设计性优势,开展了复合材料框架结构构型与材料缠绕参数一体化的优化设计。具体优化计算中,以结构构型参数(如复合材料框架中每根管件的内半径)和材料缠绕参数(如纤维缠绕角度、单层中纤维含量)为设计变量,以框架结构总体积、总纤维含量为约束函数,分别以基频最大化与前几阶频率之和最大化为目标函数,研究了上述两类设计变量对结构动力频率性能的影响。通过引入罚函数实现将有约束优化问题转化为无约束优化问题,对总材料的体积约束和总的纤维含量约束的罚因子分别建立了多阶优化求解技术。优化求解过程中,采用了邻域搜索技术,提高计算效率。数值算例结果表明,该结构构型和材料缠绕参数一体的优化设计能够有效提高复合材料框架结构的动力频率性能。为复合材料框架结构在工程中的应用提供了新的设计理论和技术实现方法。
【关键词】：复合材料框架结构 粒子群算法 动力频率优化 一体优化
【学位授予单位】：大连理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP18;TB33
【目录】：

• 摘要4-5
• Abstract5-9
• 1 引言9-18
• 1.1 研究背景9-12
• 1.2 复合材料框架结构设计简述12-13
• 1.3 复合材料框架结构优化设计理论概述13-16
• 1.4 本文工作介绍16-18
• 2 粒子群优化算法的改进18-22
• 2.1 粒子群优化算法基本理论(连续变量)18-19
• 2.2 基于离散变量的粒子群优化算法基本理论19-20
• 2.3 粒子群算法的改进20-21
• 2.3.1 多阶优化求解技术20-21
• 2.4 本章小结21-22
• 3 基于连续角度变量的复合材料框架结构动力频率优化设计22-35
• 3.1 优化模型22-23
• 3.2 求解过程23-24
• 3.3 优化算例及结果分析24-34
• 3.3.1 三杆框架结构优化算例24-29
• 3.3.2 十杆框架结构优化算例29-34
• 3.4 本章小结34-35
• 4 基于离散角度变量的复合材料框架结构动力频率优化设计35-46
• 4.1 优化模型35
• 4.2 求解过程35-37
• 4.3 优化算例及结果分析37-45
• 4.3.1 三杆框架结构优化算例37-41
• 4.3.2 杆框架结构优化算例41-45
• 4.4 本章小结45-46
• 5 基于结构构型与材料缠绕参数一体化的复合材料框架结构动力频率优化设计46-53
• 5.1 优化模型46-47
• 5.2 约束函数的处理47-48
• 5.3 求解过程48-49
• 5.4 优化算例及讨论49-52
• 5.5 本章小结52-53
• 结论53-55
• 参考文献55-58
• 攻读硕士学位期间发表学术论文情况58-59
• 致谢59-60

【相似文献】

中国期刊全文数据库 前10条

1 陈金环;王冠;王东云;;粒子群算法及特性的研究[J];中原工学院学报;2007年04期

2 杨立生;;基于粒子群算法的选矿能力优化研究[J];矿业快报;2007年11期

3 左毅;陈勇;;基于对称扰动的改进粒子群算法[J];重庆科技学院学报(自然科学版);2010年03期

4 杨瑞连;曾光明;李晓东;;混沌粒子群算法在水污染控制系统规划中的应用[J];环境工程学报;2010年12期

5 邓毅;江青茵;曹志凯;师佳;周华;;改进的粒子群算法在化工过程优化中的应用[J];计算机与应用化学;2011年06期

6 闫元元;高兴宝;周喜虎;;基于变异和交叉的改进粒子群算法[J];陕西科技大学学报(自然科学版);2011年04期

7 李娥;高兴宝;;一种基于阶段进化适应性策略的粒子群算法[J];陕西科技大学学报(自然科学版);2011年05期

8 王燕;贺兴时;王凡;刘达卓;;改进反向粒子群算法及其在噪声中的应用[J];西安工程大学学报;2011年05期

9 熊聪聪;许淑yN;徐姝;;基于粒子群算法的天气滚动预报集成技术[J];天津科技大学学报;2012年01期

10 王防修;周康;;基于粒子群算法的罐容表标定[J];武汉工业学院学报;2012年03期

中国重要会议论文全文数据库 前10条

1 朱童;李小凡;鲁明文;;位置加权的改进粒子群算法[A];中国科学院地质与地球物理研究所第11届（2011年度）学术年会论文集(上)[C];2012年

2 陈定;何炳发;;一种新的二进制粒子群算法在稀疏阵列综合中的应用[A];2009年全国天线年会论文集（上）[C];2009年

3 陈龙祥;蔡国平;;基于粒子群算法的时滞动力学系统的时滞辨识[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

4 于颖;李永生;於孝春;;新型离散粒子群算法在波纹管优化设计中的应用[A];第十一届全国膨胀节学术会议膨胀节设计、制造和应用技术论文选集[C];2010年

5 刘卓倩;顾幸生;;一种基于信息熵的改进粒子群算法[A];系统仿真技术及其应用（第7卷）——'2005系统仿真技术及其应用学术交流会论文选编[C];2005年

6 熊伟丽;徐保国;;粒子群算法在支持向量机参数选择优化中的应用研究[A];2007中国控制与决策学术年会论文集[C];2007年

7 方卫华;徐兰玉;陈允平;;改进粒子群算法在大坝力学参数分区反演中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

8 熊伟丽;徐保国;;单个粒子收敛中心随机摄动的粒子群算法[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

9 马向阳;陈琦;;以粒子群算法求解买卖双方存货主从对策[A];第十二届中国管理科学学术年会论文集[C];2010年

10 赵磊;;基于粒子群算法求解多目标函数优化问题[A];第二十一届中国（天津）’2007IT、网络、信息技术、电子、仪器仪表创新学术会议论文集[C];2007年

中国博士学位论文全文数据库 前10条

1 李庆伟;粒子群算法及电厂若干问题的研究[D];东南大学;2016年

2 杜毅;多阶段可变批生产线重构的研究[D];广东工业大学;2016年

3 尹浩;求解Web服务选取问题的粒子群算法研究[D];东北大学;2014年

4 王芳;粒子群算法的研究[D];西南大学;2006年

5 安镇宙;家庭粒子群算法及其奇偶性与收敛性分析[D];云南大学;2012年

6 刘建华;粒子群算法的基本理论及其改进研究[D];中南大学;2009年

7 黄平;粒子群算法改进及其在电力系统的应用[D];华南理工大学;2012年

8 胡成玉;面向动态环境的粒子群算法研究[D];华中科技大学;2010年

9 张静;基于混合离散粒子群算法的柔性作业车间调度问题研究[D];浙江工业大学;2014年

10 张宝;粒子群算法及其在卫星舱布局中的应用研究[D];大连理工大学;2007年

中国硕士学位论文全文数据库 前10条

1 张忠伟;结构优化中粒子群算法的研究与应用[D];大连理工大学;2009年

2 李强;基于改进粒子群算法的艾萨炉配料优化[D];昆明理工大学;2015年

3 付晓艳;基于粒子群算法的自调节隶属函数模糊控制器设计[D];河北联合大学;2014年

4 余汉森;粒子群算法的自适应变异研究[D];南京信息工程大学;2015年

5 梁计锋;基于改进粒子群算法的交通控制算法研究[D];长安大学;2015年

6 王伟;大型螺纹旋风硬铣削数值模拟及工艺参数优化[D];浙江大学;2016年

7 李玲玉;基于粒子群算法的城市轨道交通列车节能优化研究[D];北京交通大学;2016年

8 苗冬云;基于改进粒子群算法的云任务调度方案研究[D];安徽财经大学;2015年

9 蒋晓\~;粒子群算法在多维优化问题中的改进研究[D];浙江理工大学;2016年

10 刘角;生态系统粒子群算法及其在阵列天线方向图优化中的应用[D];太原理工大学;2016年

，

本文编号：779781