基于遗传算法的海洋脐带缆截面布局优化设计与数值验证

海洋脐带缆通常由不同的功能构件捆绑而成,而这些功能构件的力学性能差异很大,在外载荷的作用下,不合理的截面布局可能会导致较大的截面变形和构件间的接触压力,从而影响脐带缆服役寿命。本文首先利用最小化截面半径给出截面布局紧凑性的实现方法,通过基于截面构件的拉伸刚度引入虚拟重力指标来描述截面布局的对称性,同时提出可量化的指标描述易损构件钢管之间的疲劳磨损问题。然后考虑上述三个目标建立截面布局多目标优化模型,并引入遗传算法对上述模型进行求解优化,自动得到三种具有代表性的截面优化布局。最后,通过数值模拟对不同截面优化布局进行验证与分析评价,进而得到最优截面布局设计。本文所提出的脐带缆截面布局设计优化方法可提高全局最优解搜索能力,对脐带缆结构设计具有一定的指导意义。

Optimization Design of the Multi-Layer Cross-Sectional Layout of An Umbilical Based on the GA-GLM

Marine umbilical is one of the key equipment for subsea oil and gas exploitation,which is usually integrated by a great number of different functional components with multi-layers.The layout of these components directly affects manufacturing,operation and storage performances of the umbilical.For the multi-layer cross-sectional layout design of the umbilical,a quantifiable multi-objective optimization model is established according to the operation and storage requirements.Considering the manufacturing factors,the multi-layering strategy based on contact point identification is introduced for a great number of functional components.Then,the GA-GLM global optimization algorithm is proposed combining the genetic algorithm and the generalized multiplier method,and the selection operator of the genetic algorithm is improved based on the steepest descent method.Genetic algorithm is used to find the optimal solution in the global space,which can converge from any initial layout to the feasible layout solution.The feasible layout solution is taken as the initial value of the generalized multiplier method for fast and accurate solution.Finally,taking umbilicals with a great number of components as examples,the results show that the cross-sectional performance of the umbilical obtained by optimization algorithm is better and the solution efficiency is higher.Meanwhile,the multi-layering strategy is effective and feasible.The design method proposed in this paper can quickly obtain the optimal multi-layer cross-sectional layout,which replaces the manual design,and provides useful reference and guidance for the umbilical industry.

柿种质资源炭疽病抗性评价及病原菌分离鉴定

依托国家柿种质资源圃,观察记载了柿炭疽病主要发病部位及症状表型,并对479份常见柿资源材料的炭疽病抗性进行评价。结果表明,柿炭疽病原菌主要浸染嫩枝、果实及叶片。通过对柿枝条及果实炭疽病表型的田间调查,将479份常见柿资源材料分为高抗、抗病、中抗、感病、高感5种抗性等级,其中高抗和抗病种质分别有66和35份(占比分别为13.8%和7.3%),代表种质分别为郧阳火柿和黄边小鸡心等;中抗种质有119份(24.8%),包括富有、次郎等;感病及高感种质分别有209和50份(占比分别为43.6%和10.4%),代表种质分别为富平尖柿和骏河等。从叶片、枝条、果实中分离出病原菌,综合菌落、菌丝、孢子形态特征及多基因序列比对,发现其为哈锐炭疽病原菌(Colletotrichum horii)。

柿属植物炭疽病研究进展

炭疽病对于柿属(Diospyros)植物具有严重的危害性,是影响我国柿产业发展的关键病害之一。炭疽病在我国各柿产区均有发生,主要致病菌为哈锐炭疽菌(Colletotrichum horii)、果生炭疽菌(C.fructicola)、暹罗炭疽菌(C.siamense)及胶孢炭疽菌(C.gloeosporioides),目前生产上主要采用化学药物进行防治。本文综述国内外柿属植物炭疽病的研究进展,着重对柿炭疽病致病菌的分类及侵染特性、发病表征、流行因素、防治措施及柿抗性种质资源、抗病机制进行分析探讨,系统阐述柿炭疽菌的发生与防治,以期为解决我国柿属植物炭疽病的发生问题提供依据。

人工智能在结构拓扑优化领域的现状与未来趋势

结构优化,特别是结构拓扑优化,受到学术界和工业界的广泛关注。通过发展不同的拓扑优化算法,实现了众多具有卓越力学、热学和声学等多学科性能的最优拓扑构型创新设计。然而传统的拓扑优化方法在处理大规模的拓扑优化问题的迭代过程中往往需要多次大规模有限元分析,面临巨大计算量的挑战。近年来,以机器学习为代表的人工智能方法的迅猛发展,成为拓扑优化最具有发展前景的新学科方向。通过将人工智能算法与拓扑优化框架结合,使得拓扑优化的效率大幅提高,同时也为实时拓扑优化的实现提供了可能。本文通过回顾近十年来基于机器学习拓扑优化方法研究的一些重要进展,对截止目前的研究现状进行了简要介绍。由于论文篇幅有限,本综述不涉及该领域的全部文献,其综述范围有限,且与作者本人的研究兴趣密切相关。

基于PETSc的非线性逆向运动并行计算方法研究

在考虑几何非线性的有限元分析中,初始构型和变形构型是严格区分的,并且变形后的构型对结构性能和功能的实现往往具有重要意义。传统的非线性有限元分析主要面向变形前的初始构型为导向的设计问题,而对于变形后构型为导向的设计问题则有较大局限性。针对此问题,引入非线性逆向运动分析方法,为了保证大变形非线性分析迭代的收敛性和计算效率,基于PETSc函数库建立了并行分析框架,并对并行框架中的模块划分、数据并行存储以及通信锁死和负载平衡等进行了详细阐述。在算例部分,首先通过正向运动和逆向运动分析结果对比,阐述了两种分析方法的不同以及逆向运动分析方法对变形前构型求解的准确性;其次,采用不同MPI进程数对并行分析程序的效率进行了测试。结果表明,合理地选择MPI进程数目可显著提高非线性逆向运动分析的效率。