重分析是指在结构修改之后不需要重新求解平衡方程,仅需要根据初始计算结果对修改后的问题进行求解,并能够在保证计算精度的前提下,大幅度提高计算速度。针对重分析法在有限元计算中可能出现的奇异性问题,通过奇异值分解法(Singular val...重分析是指在结构修改之后不需要重新求解平衡方程,仅需要根据初始计算结果对修改后的问题进行求解,并能够在保证计算精度的前提下,大幅度提高计算速度。针对重分析法在有限元计算中可能出现的奇异性问题,通过奇异值分解法(Singular value decomposition,SVD)对重分析法中的组合近似法(Combined approximation,CA)进行修正。修正后的重分析算法,能够解决刚度矩阵奇异的问题,并能够保持CA法的重分析精度。为验证算法的有效性,采用修正后的重分析方法对圆柱壳和车架刚度分析进行仿真测试。测试结果表明,修正后的重分析方法在解决奇异性问题的同时,能够保证重分析的计算效率和计算精度。由两个数值算例的结果对比可知,当刚度矩阵奇异性比较高时,常用的以矩阵的伪逆代替逆的方法不可行。由此可知,修正后的重分析算法在解决奇异性问题时具有相当的优越性。展开更多
针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization,HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模...针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization,HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模型全局精度的情况下保证优化过程的精度,并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异,可以在提升优化收敛效率的同时确保优化约束条件,从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性,将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中,并与其他优化算法比较。结果表明,本算法能够兼顾结果精度、优化效率和算法稳定性,发挥更好的综合性能,从而实现对工程问题的全局优化设计。展开更多
文摘重分析是指在结构修改之后不需要重新求解平衡方程,仅需要根据初始计算结果对修改后的问题进行求解,并能够在保证计算精度的前提下,大幅度提高计算速度。针对重分析法在有限元计算中可能出现的奇异性问题,通过奇异值分解法(Singular value decomposition,SVD)对重分析法中的组合近似法(Combined approximation,CA)进行修正。修正后的重分析算法,能够解决刚度矩阵奇异的问题,并能够保持CA法的重分析精度。为验证算法的有效性,采用修正后的重分析方法对圆柱壳和车架刚度分析进行仿真测试。测试结果表明,修正后的重分析方法在解决奇异性问题的同时,能够保证重分析的计算效率和计算精度。由两个数值算例的结果对比可知,当刚度矩阵奇异性比较高时,常用的以矩阵的伪逆代替逆的方法不可行。由此可知,修正后的重分析算法在解决奇异性问题时具有相当的优越性。
文摘针对机器人优化设计等工程应用中普遍存在的黑箱问题,提出了一种高效、稳定的遗传算法-非均匀Kriging-梯度投影混合全局优化(Hybrid global optimization,HGO)算法。该方法使用非均匀Kriging模型对目标函数进行评估,能够在不苛求近似模型全局精度的情况下保证优化过程的精度,并节省大量计算时间。使用梯度投影法对遗传算法种群进行变异,可以在提升优化收敛效率的同时确保优化约束条件,从而可以避免使用并不严格的罚函数法处理约束函数。为验证算法的有效性和优越性,将本算法应用于两个数学测试算例和一个模块化机械臂截面优化实例中,并与其他优化算法比较。结果表明,本算法能够兼顾结果精度、优化效率和算法稳定性,发挥更好的综合性能,从而实现对工程问题的全局优化设计。