应力约束下桁架结构拓扑优化的静定基法

对于从基结构出发的单工况应力约束下使桁架结构重量最轻的最优拓扑,必定是静定结构;对于多工况应力约束下桁架结构的最优拓扑大多数是静定结构。而对于超静定结构的求解,目前的方法多是转化为静定的基本结构来求解。由此,本文提出一种求解桁架拓扑优化问题的新分析方法——静定基法,给出了静定基法的基本思想和求解策略,用解析方法求解了单工况应力约束下的桁架拓扑优化问题,研究了多工况应力约束下最优拓扑为静定结构的桁架结构,给出了优化问题的精确解。算例表明了该方法的有效性和可行性。     

约束阻尼结构拓扑优化设计的进化算法

约束阻尼结构的阻尼材料优化布局是约束阻尼结构振动控制设计中的关键问题,它直接影响到振动能量耗散与全局能量流分布。在约束阻尼结构设计中引入拓扑优化渐进优化算法,以约束阻尼胞单元为设计变量,建立以模态阻尼比为目标函数,约束阻尼材料用量为约束条件的拓扑优化模型。分析结构模态阻尼比相对于阻尼胞单元位置的敏度,导出灵敏度计算表达式。提出基于渐进优化算法的优化准则,通过逐步删除利用率低的材料,使目标模态阻尼比达到最大化,给出了数值计算的例子,理论计算结果验证了拓扑优化方法的正确性和有效性。     

利用粒子群算法的传感器优化布置及结构损伤识别研究

为了合理布置结构健康监测系统中传感器的位置及满足结构损伤识别的要求,提出了一种基于改进粒子群算法的传感器优化布置方法。首先以模态保证准则(MAC)矩阵的最大非对角元极小化为目标,构造出满足优化条件的适应度函数,并采用改进的粒子群算法搜索出传感器的最佳布设位置;其次,利用振型扩充技术把有限测点的测量模态数据扩充为完整自由度模态数据,并利用所提损伤识别方法进行结构损伤识别;最后,通过一个二维平面桁架结构算例对所提方法进行有效性验证。数值结果表明,所提传感器布设方法能够高效地搜索出给定数目的传感器优化位置,且利用其优化结果能够准确地识别出结构的损伤位置和程度。     

基于粒子群算法的平面刚架及组合结构的优化

桁架结构受力简单,内力只有轴力,刚架结构的受力、内力情况则相对要复杂得多,故传统平面结构优化的研究多是对桁架结构的研究,针对刚架结构或刚架与桁架的组合结构研究甚少.然而,现实工程中的结构多是刚架或组合结构,仅仅对桁架结构进行优化研究远远不能满足现实工程的需要.粒子群优化算法(PSO)是近些年发展起来的一种基于群智能的演化运算技术,概念简单、易于实现,且具有良好的智能背景.本文基于粒子群优化算法对平面刚架及平面组合结构的有应力约束和位移约束的尺寸优化问题进行了研究,并将所得优化结果与改进的可行域算法(MMFD)、序列线性算法(SLP)、序列二次规划(SQP)等传统优化算法的结果进行比较.结果表明粒子群优化算法具有良好的全局收敛性与稳定性,能够更好地解决平面刚架及平面组合结构的优化问题.     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

桁架拓扑和尺寸优化的协同演化算法

针对桁架拓扑优化问题提出桁架拓扑和尺寸优化的协同演化算法。先同桁架拓扑和尺寸优化的数学模型,再对协同演化的机理进行说明,给出算法在桁架问题上实现的编码策略,适应值孙数构造等方法,最后,对一个十杆桁架进行拓扑和尺寸协同演化计算,给出计算结果。     

基于SIMP方法微电容加速度计结构固有频率拓扑优化

基于连续体结构拓扑优化的SIMP材料插值模型,以叉指式微电容加速度计弹性梁和质量块的一阶固有频率最大化为目标函数,以体积比作为约束条件,建立了弹性梁和质量块的拓扑优化模型。采用优化准则算法进行迭代求解计算。获得了满足不同体积约束并使一阶固有频率最大的微电容加速度计弹性梁和质量块的多种拓扑优化结构,其中28%体积比约束下的拓扑优化结构与其初始结构相比,一阶固有频率提高了3 330 Hz,提高比例达46.4%。计算结果表明通过构建的拓扑优化模型及优化求解方法可以较好地解决微加速度计频响范围过窄的问题。     

桁架结构拓扑优化设计的模拟退火算法

研究了平面桁架结构拓扑优化设计的模拟退火算法．构造了一个双重控制Ｍｅｔｒｏｐｏｌｉｓ准则处理应力约束,提出了一个基于力平衡的启发式准则,以实现优化过程中单元的自动增删．算例表明,该方法能够克服桁架结构拓扑优化中因存在非凸星形可行域而造成的拓扑优化求解困难．     

离散变量桁架结构拓扑优化的遗传禁忌搜索算法

采用遗传禁忌搜索算法求解多工况多约束的桁架结构拓扑优化问题.在遗传算法中采用直接比较-比例方法(DCPM)处理约束,避免了确定罚因子的选择问题.为了提高遗传算法的局部搜索能力,在每一代遗传操作之后选择一定比例的解进行禁忌搜索,形成遗传禁忌搜索算法,以提高算法的全局搜索能力和收敛速度.数值算例表明,该方法用于求解多工况多约束的离散变量桁架结构拓扑优化问题是方便、快速和有效的.     

考虑自重影响和屈曲约束的结构拓扑优化方法

为综合解决考虑自重影响和屈曲约束的结构拓扑优化问题,提出一种新的拓扑优化设计方法.首先,针对优化过程中低密度区域的伪屈曲模态问题和自重引起的寄生效应问题,同时为了减少计算量,提出了改进的材料惩罚模型,并引入伪屈曲模态的识别和删除措施.其次,为克服常规应力单元的应力刚化问题,采用混合应力单元对结构应力进行了精确评估.基于密度过滤及Heaviside三场映射方案,建立了目标函数为考虑自重影响的结构柔顺度最小、满足屈曲和体积主动约束的拓扑优化模型.利用伴随变量法对屈曲约束的灵敏度进行了推导,并采用移动渐近线(method of moving asymptotes,MMA)算法对模型进行了优化求解.最后,通过算例说明了本研究方法的正确性和可行性.     

基于粒子群算法的挠性转子平衡质量优化

应用非固定多段映射罚函数法,将具有上界约束的挠性转子最优平衡质量极大极小优化模型转换为无约束非光滑优化模型,并应用粒子群算法求解此优化问题.该算法具有控制参数少,全局优化能力较强等优点.计算实例验证了该方法的有效性.     

基于改进微粒群算法的飞机纵向飞行轨迹优化

为提高飞机纵向飞行轨迹优化的精度和收敛速度,提出了用改进的微粒群算法对飞机纵向飞行轨迹进行优化的新方法。基于质点动力学和能量状态方程,建立了飞机质点运动数学模型;利用庞特里亚金最小值原理,给出了飞机纵向飞行过程优化的目标方程;引入自适应惯性因子,采用罚函数法对轨迹寻优问题进行无约束化处理,基于改进的微粒群算法对纵向飞行轨迹进行了优化,并给出了算法优化流程。使用改进的微粒群算法,得到了Boeing 737-800飞机纵向飞行最优轨迹。优化结果与试验结果的比较表明,该算法可使纵向飞行轨迹快速收敛于最优解,算法具有收敛速度快、精度高的优点。     

基于二级多点逼近算法的连续体结构拓扑优化

针对基于变密度法的连续体拓扑优化中设计变量连续性的特点,建立了以结构重量最小为目标,考虑位移和频率约束的连续体结构拓扑优化模型;原拓扑优化问题先转化为具有较高精度的第一级多点近似序列问题,该问题的约束函数由优化过程中历史设计点的临界约束函数值及其一阶导数构造;再通过线性泰勒展开建立可由对偶法快速求解的第二级近似序列问题,以逼近各第一级近似问题的解. 采用敏度过滤技术,避免棋盘格引起的数值缺陷问题,并对低密度区域的单元刚度进行惩罚,以消除频率约束问题的局部模态现象. 优化过程中采用通用有限元程序Nastran进行结构分析和敏度分析. 数值算例结果表明:应用该方法可以有效地解决具有位移和频率约束的连续体拓扑优化问题.      

基于改进粒子群算法的诺西肽发酵过程优化

在诺西肽补料分批发酵动力学模型的基础上建立了诺西肽发酵过程产量优化模型,根据发酵工艺选取了决策变量,并确定了变量的边界约束范围.针对标准粒子群算法在求解复杂优化问题时易于陷入局部最优的问题,利用混沌序列具有随机性和遍历性的特点,引入混沌迁移算子,提出了一种改进的粒子群算法.利用改进算法对所建立的诺西肽发酵优化模型进行求解,大大提高了最终产物的产量,证明了所提改进粒子群算法的有效性.     

量子行为粒子群优化算法在几何约束问题上的应用

几何约束问题可以等价为求解非线性方程组问题,同时也可以将几何约束问题转化为一个优化问题来求解.受经典粒子群优化算法和量子动力学启发,提出一种新的算法——量子行为粒子群优化算法(QPSO)来求解几何约束问题.在QPSO模型里,粒子的状态不再通过位置和速度来决定,而是通过一个波函数来确定.这种算法的主要优点就是可以在感兴趣的问题上保持种群的多样性.实验结果表明,该方法可以提高几何约束求解的效率和收敛性.     

一种求解非线性规划问题的混合粒子群优化算法

粒子群优化算法(PSO)与其他演化算法相似,也是基于群体的·每一个粒子被随机初始化以表示一个可能的解,并在解空间追随最优的粒子进行搜索·提出一种基于改进的混合粒子群优化算法求解非线性约束规划方法·在介绍PSO算法基本原理的基础上,设计了约束适应度优先排序处理约束条件的方法,并通过动态邻域算子和可变惯性权重进行联合演化以求得全局最优解·对非线性规划例子的实例计算表明,该算法稳定性好,简单容易实现而又功能强大,易于掌握,对于多维非线性、复杂问题的求解具有普遍适用性·     

粒子群算法在求解优化问题中的应用

粒子群优化(PSO:Particle Swarm Optimization)算法是一种新兴的优化技术,其思想来源于人工生命和进化计算理论.PSO算法通过粒子追随自己找到的最好解和整个群体的最好解完成优化.为了避免PSO算法在求解最优化问题时陷入在局部最优及提高PSO算法的收敛速度,提出了对PSO算法增加更新概率.对无约束和有约束最优化问题分别设计了基于PSO算法的不同的求解方法和测试函数,并对PSO算法求解多目标优化问题进行了研究.仿真实验表明了改进的PSO算法求解最优化问题时的有效性.     

基于约束粒子群优化的克里金插值算法

针对常规克里金插值算法中的不足之处,通过改变粒子群算法中粒子多样性,结合地质变量的特征和数据特征,提出了一种改进的插值方法——基于约束粒子群优化的克里金插值算法,在粒子群优化过程中,通过高斯变异、样本点权重系数设定、搜索范围约束等方式提高了插值精度。实验结果表明:基于约束粒子群优化的克里金插值算法可以获得高精度的插值效果,优于常规的克里金插值。     

基于PSO算法的求解热传导反问题的应用研究

给出了一类热传导反问题的数学模型,并采用粒子群优化算法对该热传导反问题进行了相变界面位置的反演求解.在标准PSO的基础上,研究了基于自适应PSO的热传导反问题的参数优化方法,并对粒子群优化算法中粒子数、粒子最大移动速度和加速系数的取值进行了讨论.仿真结果表明:在热传导反问题的优化求解中,PSO算法具有较高的精度和较好的收敛速度.     

求解约束优化问题的微粒群算法

微粒群算法(简称PSO算法)是一种新型的进化计算方法,已在许多领域得到了非常成功的应用。本文以约束优化问题为对象,首先介绍了采用罚函数法将约束优化问题化为无约束优化问题,和将约束优化问题转化为minmax问题,然后对无约束优化问题和minmax问题,采用PSO算法进行进化求解;在此基础上,以目标函数和约束满足分别为优化目标提出了一种双微粒群的PSO算法。仿真实验结果验证了方法的正确性与有效性。