人工神经网络结合智能算法在结构优化中的应用

发布时间：2017-09-25 06:29

  本文关键词：人工神经网络结合智能算法在结构优化中的应用

  更多相关文章： 结构优化设计 BP神经网络 Matlab分布式集群 离散变量优化

【摘要】：结构优化设计属于一种离散变量的优化设计问题,由于需要考虑位移、应力等多种约束条件,采用传统的优化算法有时难以搜索到全局最优解。本文用API接口将第三方有限元分析软件与自编智能算法程序相结合,进行了桁架结构优化设计方法研究,主要工作和创新之处包括:(1)将人工神经网络技术与智能优化算法相结合,大大提升了优化迭代运算的速度。本文先采集设计变量样本进行有限元分析,将所得结果代入BP神经网络进行预测并创建网络。其次,在运用优化算法进行迭代运算时,回避大量个体的有限元重分析过程,而代之以BP神经网络的预测结果,从而大量节省了计算时间。通过对24层框架案例的单变量和多变量进行优化设计,验证了所用优化理论的正确性和高效性,案例研究的结果还表明该方法适用于多变量优化问题。此外,还进行17杆平面桁架结构和42杆、72杆空间结构的截面面积优化。分析结果表明,采用本文方法的计算耗时分别比原始的遗传算法节省80%以上,且优化迭代过程能够稳定收敛。(2)为进一步提升桁架结构优化收敛速度,创建Matlab分布式集群,采用自编程序实现两台计算机并行连接,使得两台计算机的SAP2000 API有限元同时进行计算,从而减少优化迭代过程的计算耗时。对比3个桁架案例在考虑位移约束与位移、应力约束的情况下的优化结果,分析表明Matlab分布式集群的引用比起单纯遗传算法优化平均减少50%以上的有限元计算时长,并在增加约束条件的情况下,优化收敛速度基本不会受到影响,因而该方法具有很好地适用性。此外,还根据3个桁架算例建立了离散变量结构优化问题的数学模型,使设计变量在固定的离散集和连续区间内选择。结果表明,优化迭代过程能够稳定收敛,并且保持了较高的运算效率,因而该方法也适用于离散变量优化问题。
【关键词】：结构优化设计 BP神经网络 Matlab分布式集群 离散变量优化
【学位授予单位】：广州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TU318;TP183
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-16
• 1.1 选题意义及背景10
• 1.2 结构优化的设计论述10-12
• 1.2.1 结构优化设计的概念10-11
• 1.2.2 结构优化设计发展11-12
• 1.3 智能算法在结构优化中的应用12-13
• 1.3.1 遗传算法的基本理论12-13
• 1.3.2 遗传算法的研究现状13
• 1.4 遗传算法与传统优化设计方法的比较13-14
• 1.5 本文研究的主要内容14-15
• 1.6 本文的创新之处15-16
• 第二章 BP神经网络结合遗传算法在框架结构优化中的应用16-34
• 2.1 BP神经网络的基本原理17-21
• 2.1.1 BP神经网络基本模型17-20
• 2.1.2 BP神经网络的优势20-21
• 2.2 BP神经网络的实现21-23
• 2.2.1 输入数据的预处理21-22
• 2.2.2 网络参数的设计22-23
• 2.3 数学模型23-24
• 2.4 案例分析24-33
• 2.4.1 算例 124-29
• 2.4.2 算例 229-33
• 2.5 本章小结33-34
• 第三章 BP神经网络结合遗传算法在桁架结构优化中的应用34-44
• 3.1 数学模型34-35
• 3.2 案例分析35-42
• 3.2.1 17 杆平面桁架35-38
• 3.2.2 42 杆空间桁架38-40
• 3.2.3 72 杆空间桁架40-42
• 3.3 本章小结42-44
• 第四章 Matlab分布式集群在单变量连续优化中的应用44-60
• 4.1 Matlab分布式集群优点45
• 4.2 Matlab并行计算架构45-47
• 4.3 Matlab软硬环境的建立47-53
• 4.3.1 Matlab的安装配置47-49
• 4.3.2 Matlab分布式集群的搭建流程49-53
• 4.4 数学模型53-54
• 4.5 算例分析54-59
• 4.5.1 17 杆平面案例54-56
• 4.5.2 42 杆空间桁架结构56-57
• 4.5.3 72 杆空间桁架结构57-59
• 4.6 本章小结59-60
• 第五章 Matlab分布式集群在多变量离散优化中的应用60-70
• 5.1 数学模型的建立61
• 5.2 案例分析61-68
• 5.2.1 17 杆平面桁架61-64
• 5.2.2 42 杆空间桁架64-66
• 5.2.3 72 杆空间桁架66-68
• 5.3 本章小结68-70
• 第六章 总结与展望70-72
• 6.1 总结70
• 6.2 论文不足之处70-72
• 参考文献72-76
• 附录 攻读硕士学位期间发表学术论文情况76-78
• 致谢78

【参考文献】

中国期刊全文数据库 前10条

1 李梦欢;徐安;;BP神经网络改进遗传算法在桁架结构优化设计中的应用[J];广州大学学报(自然科学版);2015年06期

2 徐安;贺美花;阳露;赵若红;孙卫星;;带有钢管混凝土柱的结构抗侧力优化设计方法研究[J];建筑科学;2015年11期

3 章纯;刘锋;廖国维;李丽娟;;基于WCA优化算法的空间桁架结构优化设计[J];建筑钢结构进展;2014年01期

4 蔡新;李洪煊;武颖利;朱杰;;工程结构优化设计研究进展[J];河海大学学报(自然科学版);2011年03期

5 朱灿;梁昔明;周书仁;;基于物种选择的遗传算法[J];小型微型计算机系统;2009年03期

6 胡晨骏;王晓蔚;;基于多核集群系统的并行编程模型的研究[J];计算机技术与发展;2008年04期

7 邱冬瑞;董宏英;刘佳;;基于APDL进行门式刚架优化设计的程序开发[J];钢结构;2008年01期

8 朱建丰;徐世杰;;基于自适应模拟退火遗传算法的月球软着陆轨道优化[J];航空学报;2007年04期

9 张爱林;杨海军;;预应力索-桁架结构形状优化设计[J];计算力学学报;2007年01期

10 段学超;仇原鹰;段宝岩;;基于自适应遗传算法的Stewart平台结构双目标优化设计[J];计算力学学报;2006年06期

中国博士学位论文全文数据库 前1条

1 孙俊;量子行为粒子群优化算法研究[D];江南大学;2009年

，

本文编号：915928