人工神经网络在结构近似重分析中的应用研究

简述传统的结构近似重分析技术的缺点与不足,介绍BP网络的原理、算法,利用BP网络能够实现从n维设计空间到m维任意非线形映射的特点,通过不同设计变量的训练样本集对BP网络进行训练,然后输出拟合值。经过分析,证明在结构近似重分析中,采用BP神经网络能很好地实现从设计变量到结构响应之间的映射。

基于Lanczos算法的模态重分析法及其在车身结构设计中的应用

模态重分析是指在结构修改之后不需要重新求解广义特征值方程,仅需要根据初始计算结果对修改后的问题进行求解,并能够在保证精度的前提下,提高计算速度。随着结构复杂度和修正量的增加,传统重分析方法的求解精度和稳定性随之下降。为此,利用初始结构模态分析结果,结合Lanczos算法和投影技术,采用缩减基方法求解修改结构的特征值和特征向量,使其同时具备了Lanczos向量快速收敛的优点和基于全局近似的缩减基向量的高精度。为了验证该方法的性能和准确性,对本文方法基于扩展基向量和瑞利-里兹分析的模态重分析法以及改进的单步摄动瑞利商逆迭代法进行了测试。测试结果表明,该方法具有最高的计算精度。同时,将该方法成功用于车架和车门的前期设计中,计算结果表明,该方法具备处理计算规模大、拓扑修改变化量大的结构分析问题的潜力。

结构可靠度计算的近似重要性抽样方法及其应用

本文提出一种近似重要性抽样方法来计算结构可靠度。该方法将结构可靠度计算中的重要性抽样方法与结构优化中的近似重分析技术相结合，并引入误差带的技巧，显著减少了蒙特卡罗方法的计算量。运用该方法于结构正常使用极限状态可靠度分析的实例。

大型结构大修改下的静力重分析方法

对于大型结构发生参数大修改时,采用组合近似算法进行结构位移重分析会使所得的近似解与真实解误差较大.为了解决组合近似算法在大型结构发生参数大修改时的求解精度不足缺陷,提出了3种改进的结构静力重分析方法.该3种改进算法都是基于组合近似算法,并分别通过位移迭代修正、刚度逐步逼近等措施使求解精度不断提高.通过2个算例验证了3种改进算法的有效性和高效性,并对3种改进算法之间的求解效率进行了比较.

组合近似方法在结构优化中的应用

针对结构优化中结构分析计算量大的问题,基于组合近似重分析方法,提出了自适应近似重分析策略,即在满足指定近似精度时采用近似重分析,否则采用完全重分析。通过拓扑优化和形状优化算例,对自适应近似重分析和完全重分析优化结果进行了比较,结果表明,该策略在连续体拓扑优化和形状优化中具有可行性和通用性。

热结构稳态响应下的敏度分析方法和形状优化

形状优化中的差分敏度分析计算量随设计变量数目的增加而快速增大,为减少结构分析的计算量,提出一种近似一差分敏度计算方法。该方法采用组合近似法对扰动结构进行近似重分析,并运用差分法计算结构响应量的敏度值。由于组合近似法在结构小扰动的情况下具有较好的近似精度,故而近似一差分敏度分析在保证敏度精度的前提下克服了计算量大的缺点。以可动边界关键点的虚拟位移为设计变量,建立热结构稳态响应的形状优化模型。通过数值对所提出的敏度分析方法和形状优化模型进行验证。结果表明,所提出的方法和模型在热结构稳态响应的形状优化设计中具有可行性和有效性。

基于高效差分敏度分析的谐响应形状优化

基于谐响应组合近似重分析方法,提出了近似-差分敏度求解策略.数值算例表明,在结构小扰动下,近似-差分结果具有足够的精度反映敏度信息,并克服了差分敏度求解计算量大的缺点.以结构体积最小为目标,自由度振幅为约束,建立了谐响应下的连续体形状优化模型,实现了结构形状优化设计;通过数值算例对不同结构参数和激励下的优化结果进行了对比分析,结果验证了方法和模型的可行性和有效性.

基于高效差分敏度的连续体静动态形状优化

总结归纳了连续体形状优化中的敏度分析方法,提出了近似—差分的敏度求解策略。该策略通过近似重分析对扰动结构进行快速分析,运用差分法进行计算得到结构响应量敏度值,从而克服了差分敏度求解计算量大的缺点,同时在结构小扰动情况下可保证近似结果精度。以可动边界关键点的虚拟位移为设计变量,建立连续体静动态形状优化模型。考察了不同类型约束下的形状优化算例,结果表明,所提方法和模型具有可行性和通用性。

空间映射与响应面法相结合的结构优化

应用空间映射与响应面方法实现了由低保真模型到高保真模型的响应面映射,在原有空间映射方法的基础上将一类结构优化问题构造为标准二次规划模型,有利于高保真模型的优化求解,且解决了空间映射方法中低保真模型设计变量更新困难的问题。此方法可大大减少应用序列RSM方法进行结构多学科优化时的重分析计算量。数值算例表明此方法可获得较好的求解效率和精度。