基于改進遺傳算法的連續(xù)體結構拓撲優(yōu)化研究.pdf_第1頁
已閱讀1頁,還剩91頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、結構優(yōu)化在工程技術領域日益發(fā)揮著重要的作用,本文對結構優(yōu)化中較高層次的拓撲優(yōu)化進行了深入研究。針對目前拓撲優(yōu)化方法中存在的易陷入局部最優(yōu)解、優(yōu)化結構的質量低以及求解大規(guī)模結構時效率低等問題深入地進行了分析和研究,并將傳統(tǒng)的結構拓撲優(yōu)化方法作了改進,提高了結構優(yōu)化效果。
  首先,本文將雙向漸進性結構優(yōu)化方法(Bi-directional Evolutionary Structural Optimization,BESO)與遺傳算法

2、(Genetic Algorithm,GA)相結合,提出一種基于改進遺傳算法的雙向漸進性結構優(yōu)化方法( Combing Improved Genetic Algorithm with BESO for Topology Optimization,IGA-BESO)。該方法不僅解決了BESO方法優(yōu)化結構時易出現(xiàn)局部最優(yōu)解的缺陷,而且改善了GA算法優(yōu)化結構時的低效性和復雜性。改進后的帶有懲罰因子的交叉與變異操作解決了優(yōu)化過程中易出現(xiàn)的單元非

3、連通現(xiàn)象的問題。
  其次,本文將IGA-BESO方法拓展應用于多工況載荷約束下的結構優(yōu)化問題。該方法通過將所有子工況的目標函數(shù)值線性加權平均來構建結構優(yōu)化總的目標函數(shù),很好的處理了各個工況之間的關系。利用α-方法解決了各個工況權值確定的問題,分層優(yōu)化技術有效地避免了“載荷病態(tài)”現(xiàn)象的發(fā)生。
  同時,將IGA-BESO方法拓展應用于求解受周期性約束的結構優(yōu)化問題。該方法通過將整個結構劃分為晶胞單元的形式,滿足了周期性約束的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論