双目标优化与生成对抗网络结合的框架结构阻尼器布置方案智能设计方法

为实现框架结构的阻尼器智能化布置,结合减震设计原理和智能算法,采用双目标优化算法和生成对抗网络算法分别进行阻尼器竖向和水平智能布置研究,并将该方法应用到两个框架结构减震设计工程案例中。在框架结构减震设计中,采用双目标优化算法进行阻尼器竖向布置,并与逐层逼近法、工程师设计和非减震设计进行对比,结果表明,采用该优化算法得到的阻尼器竖向布置方案能有效降低层间位移角和楼层加速度,提高结构的抗震性能。在确定各楼层的阻尼器数量后,利用训练好的生成对抗网络生成模型,可快速、自动地选择和确定各楼层阻尼器的平面安装位置,生成的平面布置与工程师设计的平面布置在相似性差异度综合评价指标上小于临界值0.1,说明两者相似度较高,且有利于提高原结构的抗扭能力。将双目标优化算法与生成对抗网络相结合,不仅能满足框架结构的减震性能目标,而且可实现阻尼器布置方案的智能设计,提升减震工程设计效率。

半地半轨双层立式停车装置框架多目标结构优化

为实现半地半轨双层立式停车装置框架结构的轻量化,利用UG建立停车装置框架三维模型,并导入到ANSYS Workbench中进行静力学和模态分析,获得框架等效应力、总体变形、安全系数云图以及前6阶固有振型与频率,找到框架结构的冗余和薄弱部位,再分别以框架横梁和立柱截面的宽度、长度和厚度为优化变量,质量、应力、变形和安全系数为优化目标,以截面尺寸范围、许用应力和最小安全系数为约束条件,建立优化数学模型。然后在ANSYS Workbench响应面优化模块中进行试验设计,并采用多目标遗传算法对框架横梁和立柱的截面尺寸进行多目标优化,得到其截面尺寸的Pareto最优解集和候选设计点。在此基础上,提出框架整体优化设计方案并完成静力学验证。结果表明,优化后的框架整体总质量由优化前的988.731kg降低到664.645kg,降幅达32.78%,优化效果显著,并且其强度、变形和安全系数均满足安全要求。

城市数字治理:逻辑框架、风险情景与优化策略

城市数字治理是数字技术嵌入,重塑城市治理体系,强化城市治理能力的过程。作为一个理论与政策实践相结合的重要命题,研究城市数字治理问题不仅要考虑其自身蕴含的学理逻辑,也要能够反映国情现实并体现政策导向。通过构建“目标—行动—保障”的城市数字治理逻辑框架,分析城市数字治理存在公共服务领域的“数字技术偏见”风险、组织实施领域的“数字技术依赖”风险和行为规范领域的“数字技术滥用”风险,提出统筹“总量”与“结构”、“工具”与“人为”、“法治”与“伦理”,提升城市数字治理的服务水平、协同水平和规范水平的优化策略。

区块链技术助力城市营商环境优化的路径——基于TOE框架的定性比较分析

区块链技术是城市营商环境优化的重要驱动力。研究发现:单一因素并不必然产生高水平营商环境,区块链技术助力营商环境优化受多种因素组合影响,主要存在3类路径组合:内外联动型,即拥有较强的政策关注力度及试点成效;技术驱动型,即拥有较强的技术创新基础并辅助一定的政策关注度与机构支撑度;水到渠成型,即拥有较强的技术创新基础、机构支撑度及试点成效。据此,各地通过区块链技术助推营商环境优化,需要因地制宜,突出本地特色和优势,着力补齐短板。内外联动型城市应加强技术创新基础建设,充分发挥区块链技术在数字营商环境治理中的作用;技术驱动型城市应加快区块链技术平台建设,积极发挥互联网科技企业集聚的优势效应;水到渠成型城市应给予区块链技术应用更多的政策支持。

基于天牛须算法的钢筋混凝土框架结构优化

为使天牛须算法适用于解决钢筋混凝土框架离散变量结构优化问题,将天牛须算法进行改进,对天牛位置更新进行离散化处理。通过对两个钢筋混凝土框架结构优化算例进行分析,其结果表明:改进后的天牛须算法相较于遗传算法具有更好的优化效率。因此改进后的天牛须算法是一种适用于钢筋混凝土框架结构优化的智能优化算法。

价值-制度-技术框架下图书馆用户数据治理优化路径研究

数智时代数据的开放利用是驱动社会及图书馆发展的核心资产,图书馆积累了各类有价值的用户数据,图书馆用户数据治理面临数据质量、数据伦理、数据法律等各种风险挑战。文章搭建了价值、制度、技术三维分析框架,提出了优化用户数据治理的多元化路径,以期实现图书馆用户数据的最大化价值。

考虑车钩力约束的重载列车运行优化分层框架与迭代求解方法

重载列车具有超长编组、超大载重、运行线路复杂等特点,不合理的操纵易引起车钩力过大,甚至造成断钩或脱轨。为实现重载列车操纵在线优化,保障列车安全平稳运行,提出一种考虑车钩力精细化解算的速度曲线优化分层框架与迭代寻优算法。框架顶层基于等效的列车运行线性模型,将列车运行多目标优化问题转化为二次规划问题,实现操纵工况序列的快速求解;框架底层采用纵向动力学模型,刻画列车运行中的车钩力分布特征。迭代寻优算法将列车纵向冲动作为迭代终止判断条件,针对不满足车钩力约束的局部区段,对多目标优化模型中的牵引/电制动力约束进行动态调整,最终得到列车优化操纵曲线。采用实际线路2万t重载列车数据进行仿真分析,验证了本文所提分层框架和迭代算法可实现重载列车运行多目标优化问题的有效求解。

基于改进遗传算法的三层框架结构传感器优化布置分析

本文研究的重点是基于改进遗传算法的三层框架结构传感器优化布置,运用二重结构编码进行种群的交叉、选择及变异,在操作期间分别采用的是部分匹配交叉、最优保存策略、逆位变异。总的来说,这种基于改进遗传算法的传感器优化布置方法能够得到最优解,且传统遗传算法所存在的收敛速度慢、数据冗长等问题都可以得到很好的解决。最后通过一个三层框架结构的实例分析,利用ANSYS建立有限元计算模型,可反映出该方法在可靠性、计算效率、搜索能力方面有着明显优势。

CatBoost算法结合Optuna框架预测砂土液化

为了解决利用机器学习算法建立的部分砂土液化预测模型仅在特定地区实现高精确预测而泛化能力减弱的问题,从而扩大砂土液化预测模型适用范围,准确预测砂土液化,以更好地防治地震灾害,基于类别型特征提升算法CatBoost并结合自动超参数优化框架Optuna进行调参训练,建立CatBoost-Optuna砂土液化预测模型;将标准贯入试验的地震液化数据集划分为训练集和测试集,利用5个评估指标评估所建立模型的预测结果,与测试集中多层感知机和支持向量机砂土液化预测模型的评估结果相比较,并以地震液化案例数据作为验证集,对比不同预测模型的预测效果。结果表明:与多层感知机和支持向量机砂土液化预测模型相比,所建立的模型在测试集中评估指标较大,有更好的预测效果;在验证集中,所建立模型的评估指标只有精准率略微减小,其他评估指标都保持稳定,而对比模型的评估指标只有召回率保持稳定,其他评估指标都有所减小,只有所建立模型的预测效果与在测试集中的预测效果保持一致,进一步证明所建立模型的泛化能力较强。

基于缩放框架的改进贝叶斯网络结构优化算法

贝叶斯网络在进行概率推理时,寻找最优的网络结构是一个NP-hard问题。为了准确模拟节点之间的因果关系,提出基于缩放框架的改进型网络结构学习算法。首先,利用缩放框架进行因果分析,通过斜率矩阵判断节点之间的因果关系强度,以此为基础构建网络搜索空间,提高了网络结构的初始评分;其次,使用基于评分方法的浣熊优化算法寻找评分最高的网络结构,增强了在贝叶斯网络中的评分搜索能力;最后,对评分最高的结构进行加弧、减弧和转向弧操作,寻找拟合程度最高的最优结构。通过在不同复杂度的标准网络上进行模拟实验,结果表明:所提算法收敛速度更快,能够在较短时间内找到最优结构,且结构学习的评分更高,收敛精度较高。由此说明该算法在准确性和搜寻效率方面更有优势。

基于多种群遗传算法的钢框架结构优化设计

传统的基于力学分析软件的结构设计方法存在效率低下、依靠专家经验等局限性,采用智能算法能实现高效的结构自动优化设计。然而,由于随机搜索特征,优化结果和收敛性高度依赖于算法的参数设置,需要通过试算来确定其合理取值,该方法会造成优化效率低、计算量大等问题。引入多种群协作和信息共享机制来改善此类问题,并研究其在结构优化设计中的适用性。利用MSC.Marc软件建立钢框架结构有限元模型,采用底部剪力法将地震作用等效为水平荷载施加到结构上,搭建有限元软件与智能算法的自动优化过程,以结构的总体材料用量最低为目标,考虑了层间位移角、应力比、构件稳定性和宽厚比等多种约束条件,以遗传算法为基础,通过适应度尺度变换、基于方向的交叉算子、非均匀变异算子、自适应概率、精英保留策略、重复项替代机制、基于约束的策略对其进行改进,引入多种群思想,对比多种算法优化结果的差异。结果表明:基于多种群的遗传算法能有效改善优化结果对算法参数的依赖性,提高结构优化设计的效率。

基于粒子群算法的汽车仪表框架注塑工艺参数优化

以某汽车仪表框架为例,对塑件注塑后的翘曲量进行研究。选取模具温度、熔体温度、冷却时间、保压压力、保压时间和注射时间作为自变量,以翘曲量作为优化对象。通过正交试验得到各个工艺参数范围内翘曲量较小的工艺参数组合,利用BP神经网络建立塑件翘曲量和各工艺参数之间的非线性模型。将BP神经网络模型作为粒子群算法的适应度函数,通过粒子群算法的优化能力对工艺参数进行优化,并得到最小的翘曲量0.9363 mm和最优的工艺参数组合,即模具温度55.813℃,熔体温度259.568℃,冷却时间29.650 s,保压压力85.02 MPa,保压时间29.187 s,注射时间1.23 s。利用Moldflow模流分析软件对最优的工艺参数组合进行翘曲分析,得到翘曲量为0.9489 mm。与初始默认值和正交试验优化的工艺参数结果对比,翘曲量分别降低了64.48%和19.17%,达到优化塑件质量的目的。

面向均匀损伤的RC框架结构抗震优化设计方法

RC框架结构在地震作用下多出现局部楼层损伤明显或抗力不足问题,通过对抗侧力构件性能的合理优化可实现各楼层损伤程度相近的设计效果,消除薄弱层,达到更为理想的均匀损伤分布模式。提出RC框架结构的均匀损伤设计方法,以各楼层损伤指数相等或相近为优化目标,各层框架柱配筋率为优化变量,通过智能算法与有限元平台协同计算技术,实现RC框架结构均匀损伤优化设计,并采用弹塑性时程分析和IDA方法对优化效果进行验证分析。结果表明,通过智能算法优化框架柱配筋方案可以有效调控结构各层损伤程度,不同地震波作用下结构最优配筋率分布是不完全相同的,并且框架柱的最优配筋率分布也未呈现明显的统计规律,但将不同地震波下优化结果的均值作为框架柱配筋方案可以提高结构抗震能力,该优化方法合理有效。

基于UNet深度学习的VLCC横框架拓扑优化分析

[目的]为将人工智能技术应用于复杂船舶结构优化设计,提出一种基于UNet的船体横框架拓扑优化方法。[方法]以某超大型油轮(VLCC)横框架为研究对象,首先根据优化数学原理创建UNet拓扑优化代理模型,然后将有限元网格物理量映射为张量,获得供模型训练的数据集,最后采用交并比(IoU)方法对训练结果进行评估,并将该方法与SIMP法进行拓扑构型对比。[结果]结果显示,所提拓扑优化方法能够快速输出设计域的材料布局,与SIMP拓扑优化相比可以更加高效地获得结构拓扑构型。[结论]所提拓扑优化方法可为船舶横框架结构提供一种新型的设计手段。

寒冷地区模块化钢框架结构多目标优化设计方法

针对寒冷地区模块化钢框架结构节能性与经济性之间的矛盾问题,对模块化钢框架结构能耗和成本两个设计目标进行同步优化研究。根据模块化钢框架结构的特点进行参数化设计研究,提出在不同建筑尺寸下模块化钢框架结构的BIM模型自动建模方法;在Energyplus建筑能耗分析软件计算数据的基础上,采用多种机器学习算法进行建筑能耗预测,建立一种高效精确的建筑能耗预测模型;联立建筑能耗预测模型和建筑成本计算公式,在满足结构承载力的约束条件下,基于NSGA-Ⅱ算法进行模块化钢框架结构能耗和成本的多目标优化设计,生成帕累托最优解集。多目标优化设计方法解决了模块化钢框架结构“能耗+成本”的多目标一体化设计难题,推动了模块化钢框架结构的智能化升级,实现了模块化钢框架结构设计的快速高效化。

高空升降框架的结构优化与有限元分析

沙漠环境中易出现的极端风载对设备的安全性能提出极高要求,现有高空升降框架的设计主要依靠工程经验,存在用料多、自重大、安全余量高等不足。针对此,采用CREO软件建立高空升降框架的三维实体模型,根据国标规定将风载等效为静载荷,采用ANSYS软件对极端风载作用下高空升降框架力学特性进行仿真计算。结果表明:系统与风载不存在共振风险,极限风载作用下系统最大应力幅值为166 MPa。进一步提出设计精细、造价经济的高空升降框架优化设计方案,在极限风载作用下,优化框架静力学计算结果表明:优化后系统的最大应力幅值在降低约35%的同时,可实现整体减重约17%。

减震建筑钢结构框架优化设计研究

为充分利用粘滞阻尼器在钢结构框架中的能量耗散能力来降低建筑钢结构框架随地震振动的响应加速度,提出基于差分进化算法的减震钢结构框架优化设计新方法。该方法分两阶段执行:第一阶段,在不考虑楼层间相对位移约束前提下,对钢结构框架的梁和柱进行优化设计;第二阶段,在第一阶段获得的钢结构框架内安装粘滞阻尼器来控制钢结构框架对地震荷载的响应加速度,在第二阶段,考虑楼层间相对位移约束前提下优化粘滞阻尼器的阻尼系数。通过构架和求解一7层1跨度的减震建筑钢结构框架的优化设计问题,验证所提方法的有效性。验证结果表明,所提方法能将楼层间最大相对位移与楼层高度之比控制在不超过0.25%,且与已有方法相比,通过所提方法优化设计的建筑钢结构框架随地震振动的加速度明显降低。

基于Optuna框架的L_(p)范数约束下多核支持向量机在违约风险预测中的应用

针对违约数据存在数据量大、维度多、不平衡及噪声大等缺点,提出一种改进的支持向量机方法,即基于Optuna框架的L_(p)范数约束的代价敏感的多核支持向量机(L_(p)-Optuna-SVM)。该方法采用成本矩阵对不同预测错误赋予不同数值,通过多核学习引入多核混合核函数组合;同时采用Optuna优化框架对犯错成本、核函数的参数和权重实现了自动化的调优过程;还在核函数权重上引入L_(p)范数约束,以提高模型对噪声和异常数据的鲁棒性。最后,对4种常用的基础核函数组合的L_(p)-Optuna-SVM进行探讨,并与单核支持向量机以及K邻近法、逻辑回归、高斯贝叶斯进行对比。结果表明,在给定数据集上,L_(p)-Optuna-SVM在违约数据上的g-mean和AUC均高于其他算法,并且在加了不同方差的噪声数据集上,该算法整体依旧保持较好的鲁棒性。

基于遗传算法的钢框架-BRB结构优化

将钢框架—BRB结构优化设计分为小震优化阶段和大震调整阶段。小震优化阶段以造价最低为优化目标,引入拓扑变量来表示BRB的布设位置,将BRB的位置、等效截面面积和框架的截面作为设计变量,在同时满足梁柱构件的强度和稳定性约束、BRB不屈服约束及层间位移约束的前提下,通过遗传算法对钢框架—BRB结构进行整体优化;大震调整阶段对不符合大震层间位移约束的结构采用准则法调整构件截面。进行了较为全面的钢框架—BRB结构优化设计,在满足规范要求的前提下大幅降低结构造价,提高了结构的经济性。

多工况下空间框架结构最小柔顺度拓扑优化

针对多工况作用下以柔顺度最小化为目标和体积为约束的空间框架结构拓扑优化问题,设计了一种新的优化思路。首先,利用Hypermesh软件和基结构法构建空间框架结构基础模型。其次,选用空心圆柱形梁单元,并以梁单元横截面外直径的平方为设计变量;采用加权和方法处理多工况作用下的结构柔顺度,构建以体积为约束的拓扑优化初始模型,运用变体积约束限措施将初始模型进行等效近似转换。然后,对结构柔顺度和体积进行灵敏度分析,并采用移动渐近线法(MMA)进行优化求解。最后,通过两个优化算例验证了所提方法是正确可行且有效的,为空间框架结构的优化设计提供参考。