基于双向渐进结构优化算法的预制拼装箱梁剪力键设计研究

为研究单项和多项荷载组合作用下节段预制拼装箱梁接缝处剪力键受力状况,以郑州南四环全预制装配高架桥为背景,采用Abaqus软件和双向渐进结构优化(BESO)算法,建立典型箱梁节段分析模型,研究剪力键在单位轴力、剪力、扭矩、弯矩和不同荷载组合作用下的布置规律。结果表明:轴力作用时剪力键应布置于顶板;剪力作用时剪力键应布置于腹板和底板;扭矩作用时剪力键应布置在顶板、腹板交接处和腹板外侧;横桥向弯矩作用时剪力键应布置于顶板、腹板下侧和底板;竖向弯矩作用时,剪力键应布置于顶板翼缘。轴剪组合作用下,当剪力占比小于50%时,轴力对剪力键布置起控制作用;当剪力占比达95.24%时,剪力对剪力键布置起控制作用。弯剪组合作用下,当剪力占比超过4.76%时,剪力对剪力键布置起控制作用;当剪力占比小于0.50%时,横桥向弯矩对剪力键布置起控制作用。扭剪组合作用下,当剪力占比超过0.10%时,剪力对剪力键布置起控制作用。预制拼装箱梁剪力键布置受荷载类型及荷载组合影响显著,应考虑不同位置剪力键的实际受力状况进行设计。

神经网络的泛化能力与结构优化算法研究

从泛化理论、现有提高神经网络泛化能力的方法等几个方面总结了当前神经网络结构优化与泛化能力研究的现状。神经网络泛化能力的提高可通过神经网络结构的优化和正则化等方法加以实现。最后提出了今后研究的展望。

加窗渐进结构优化算法

渐进结构优化算法通常用于寻找结构最优的拓扑形状,指导结构的设计。但其删除准则的缺陷易引起计算效率低等一系列问题。本文对删除准则进行了改进,提出了加窗渐进结构优化算法。该算法引入结构整体平均应变能密度作为单元删除准则,同时将单元删除率设定为窗口可调的自适应状态。该算法一定程度上解决了传统渐进结构优化算法中计算效率较低和优化过程易发生畸变的问题,且推广至高阶有限元单元应用后扩大了其应用范围。通过与Michell理论解对比,其构造的拓扑的可靠性也得到了证明。

基于自适应有限元和B样条曲线的结构优化算法

基于渐进结构优化算法(ESO)是结合单元误差估计和自适应有限元的结构形状优化算法.采用B样条曲线描述设计域的边界形状,B样条曲线由作为设计变量的主节点来控制,设计边界的最优形状通过根据节点的应力水平逐步移动和更新主节点的位置来实现.采用应力恢复和自适应FEM的方法解决FEM边界节点应力计算精度低的问题,提出一种边界主节点更新算法,将本算法的精度和效率与解析解进行了对比和讨论.

利用双向渐进结构优化算法进行建筑设计

文章旨在揭示现代结构拓扑优化算法在建筑设计中的重要作用。结构拓扑优化能够确定设计体量中空腔所处的最佳位置和形态,从而有效地生成在结构上经济高效、在建筑上富有创新的概念设计。渐进结构优化法是过去30年来产生的各种拓扑优化算法中最常用的算法之一,使用简单且高效,能够应用于各类结构设计问题。该算法的最新的一个版本——双向渐进优化算法有很好的稳定性和准确性,近十年在全球范围内被广泛使用。文章通过一系列案例,阐述如何利用双向渐进优化算法生成形式美观且结构高效的形态。

MS方法的一个新证明及其结构优化算法

本文给出Ｍｉｌｎｅ－Ｓｉｍｐｓｏｎ（ＭＳ）预测─校正法新的导出方法，并以结构优化思想设计出通用性和可靠性较强的算法。

基于敏感度方差重要性的RBF神经网络结构优化算法

针对RBF神经网络的结构设计问题,提出一种基于输出敏感度方差重要性的结构优化算法.首先,检验网络隐层节点的输出敏感度在样本集上的方差是否与零有显著差异,以此作为依据增加或删除相应的隐层节点;然后,对调整后的网络参数进行修正,使网络具有更好的拟合精度和收敛性;最后,对所提出的优化算法进行仿真实验,结果表明,所提出的算法可根据研究对象自适应地调整RBF的网络结构,具有良好的逼近能力和泛化能力.

基于BESO算法的大型海洋垂直轴风力机支撑结构优化

大型海洋垂直轴风力机的研究对发展海洋风能具有重要意义,研究大型垂直轴风力机的合理支撑结构形式对风力发电结构安全至关重要.基于变删除率的双向渐进结构优化(BESO)算法,对大型海洋垂直轴风力机进行支撑结构优化,并通过风力机的动力响应特性分析,验证结构优化方法的可靠性.结果表明:反比例型变删除率的BESO算法能有效改善优化迭代速率,适用于垂直轴风力机的支撑结构优化设计;相比于初始结构,拓扑出的新结构模型在风荷载作用下的风致动力响应显著降低.研究成果可用于垂直轴风力机支撑结构设计优化.

基于双向进化遗传算法的汽车真空泵支架结构拓扑优化设计

基于渐进结构优化算法(ESO)、双向渐进结构优化算法(BESO)及遗传算法(GA),提出了一种新的、用于结构拓扑优化设计的算法:双向进化遗传算法(BGESO)。此算法从待优化的初始结构出发,以结构单元的应变能灵敏度分析为依据,用GA算法来实现新算法的双向进化。同时,使用ANSYS中的APDL参数化编程语言实现了双向进化遗传算法的编程,并将新算法的程序模块化。针对企业现生产的汽车真空泵支架需轻量化的技术要求,对支架进行了拓扑优化设计,依据优化结果,结合支架的加工工艺提出了结构的改进方案,使其质量减少了9.5%,并对新支架结构进行了有限元分析验证,验证结果显示,优化设计后的支架在应力、变形量及模态方面都满足其使用要求。。

基于BESO算法的高桩承台式水平轴风力机支撑结构优化

研究大型水平轴风力机塔筒的合理支撑结构形式对风力发电结构系统安全至关重要.针对高桩承台式水平轴风力机,基于反比例型删除率的双向渐进结构优化(BESO)算法,拓扑优化风力机塔筒结构,根据计算流体动力学方法和桩土相互作用原理,建立考虑桩土作用的风力机结构风致动力响应数值模型,比较分析优化前后风力机结构动力响应特性,验证结构优化方法的可靠性.经拓扑优化得到新的高桩承台水平轴风力机支撑结构,相较于初始结构,优化后的支撑结构风致动力响应显著降低,成果可为高桩承台式水平轴风力机支撑结构设计优化提供技术参考.

大跨度建筑结构设计的优化与创新

实现大跨度建筑优化设计与创新研究从未丧失其在建筑领域中的重要性。本篇正是以大跨度建筑结构作为主题,借助现代优化设计理论与创新设计方法进行深度挖掘与研究。透过洞察,逐一分析出其设计过程中将面临的挑战以及独特的特性,从而适用结构优化算法和创新的高强度材料提出了一种革新的大跨度建筑设计法。经过具体案例的应验和检验,这一优化方法现出优点——实现轻质化的结构,节约材料的消耗,缓解地基压力,增加抗震能力以及延长使用年限。它们能够运用到公众建筑,如体育馆等大型公共设施的建设中。如此研究成果,无疑为大跨度建筑的优化设计和创新研究提供了实质性的理论依据和指导。

基于SIMP插值模型的渐进结构优化方法

在传统渐进结构优化算法(ESO)及带惩罚的变密度法(SIMP)的基础上,本文提出将二者相结合的基于SIMP插值模型的渐进结构优化算法。该方法通过缩小传统ESO算法中的进化步长,从而缩小了由于进化步长过大而导致的敏度评估误差,使得ESO算法在合理性及通用性上获得了较大改善。数值算例表明,该方法在保持了常规ESO方法的优点的同时,拥有更高的稳定性和可靠性。

基于双向渐进结构拓扑优化算法的创新设计研究

目的在数字化设计的背景下,探索基于结构性能化的算法找形方法,运用双向渐进结构拓扑优化算法(Bi-Directional Evolutionary Structural Optimization,BESO)展开创新设计实践研究。方法在理解双向渐进结构拓扑优化算法的基本内涵、相关理论、历史发展和现状应用的基础上,分析其算法生成的优势及可行性,并以算法的组织模式与生形原理为前提,对其进行几何划分、约束条件、优化技术、结构模拟、材料设定、迭代生形等内容协同一体的生成策略研究,提供了多元选择的设计机会。结果得到了运用双向渐进结构拓扑优化算法进行的基于初始形态设计、拓扑优化设计和后处理与制造三步骤创新设计实践结果。结论此设计实践方案验证了该算法生成方法的设计应用可行性,同时也为多领域应用该算法提供了新思路和新方向。

隧道断面形状优化ESO算法效果评价

针对采用ESO进行隧道断面形状优化时,采用迭代次数或者单元删除率作为优化结束指标的弊端,提出了与优化性能相关联的误差面积和加权误差面积的概念,利用这两个指标进行优化效果评价,并作为终止优化迭代循环的指标。以矩形经扫略形成的扫略体作为过滤函数,计算误差面积和加权误差面积,采用经典的隧道断面形状优化算例进行了验证。结果表明:误差面积和加权误差面积作为ESO优化效果评价的定量指标是可靠的。

包头市万友商城结构方案优化设计分析

本文提出了改进型离散变量组合形算法并研制开发了结构优化设计程序 ,可用于高层建筑结构优化 。

基于渐进结构优化法的拱坝结构曲线函数优化

拓扑优化作为结构优化研究领域中的前沿课题和热点问题近年来受到设计人员的重视。其作为后续优化的起点,常见于工程结构的概念设计领域。另外,拓扑优化与后续的尺寸优化及形状优化关系密切。渐进结构优化算法原理简单,概念明确,极大地促进了拓扑优化的发展。本文基于渐进结构优化算法,通过现有的ANSYS软件,采用APDL语言开发了二维厚拱拱坝的拓扑优化程序,实现了拱坝渐进结构优化算法的应用。分析结果验证了拱坝结构二次拱理论的正确性,并分析了不同形式拱在均布荷载下合理的受力轴线。

神经网络结构与智能算法对故障诊断性能的影响

为了克服神经网络在基本算法上存在收敛精度低、收敛慢、不收敛和网络结构难以确定等缺陷,采用常用的8种智能算法对故障样本进行诊断性能对比实验,得出网络最优结构的设计步骤和较好的6种智能算法。用这6种智能算法对故障测试样本进行诊断性能对比,得出了train-lm是较佳智能算法,traingdx是收敛稳定性较好的算法;网络最优结构的参数设计过程,为神经网络故障诊断性能的最佳算法和结构提供了系统化设计的实验方法。

基于电力系统调度结构优化方法研究

基于电力系统调度结构优化是电力系统分析的一个重要组成结构优化课题.提出基于高斯扰动和免疫系统理论的自适应差分进化算法和免疫系统理论的自适应差分进化算法。

神经网络结构与算法对变压器故障诊断的影响

BP神经网络算法本质上是基于梯度下降的一种迭代学习算法,存在学习收敛速度慢、收敛精度低、易陷入局部极小、学习率难以选取、隐层数及隐层神经元个数难以确定等缺陷。为了选择出更适宜变压器DGA故障诊断的神经网络结构及算法,本文采用了常用的几种智能算法对变压器故障样本进行了诊断性能对比实验。结果得出Levenberg-Marquardt神经网络算法是收敛速度较快的算法,有动量和自适应的梯度下降法是收敛稳定性较佳的算法;网络最优结构设计过程,为用于变压器DGA故障诊断的神经网络的结构和算法提供了系统化的试验方法。

时滞优化对复杂追踪算法精度的影响

盲源分离是实现混合信号分离的一个重要途径,可以分离多个时间相关的高斯信号的混合信号,具有较好的鲁棒性。以一种新的盲源分离算法——复杂追踪算法为例,利用信号的统计特征,分析信号的自相关函数与偏自相关函数,用以确定复杂追踪算法的时滞个数。复杂追踪算法是近期新发展起来的一种结合信号统计特性和时序结构的盲源分离算法,通过找到一个合适的投影方向,使其在该方向投影信号的复杂度最小,从而实现对混合信号的分离。而时滞选择的优劣决定了目标函数的正确与否。最后以三层框架的数值模拟对时滞优化进行了有效性验证。