基于改進(jìn)離散粒子群優(yōu)化的拓?fù)鋬?yōu)化方法研究.pdf

1、拓?fù)鋬?yōu)化是指在給定的載荷、邊界條件和其他約束條件下,尋找材料在設(shè)計(jì)區(qū)域內(nèi)的最優(yōu)分布,進(jìn)行輕量化設(shè)計(jì),提高材料利用率,從而提高結(jié)構(gòu)的性能。本文深入分析了當(dāng)前國(guó)內(nèi)外拓?fù)鋬?yōu)化的研究狀況,針對(duì)當(dāng)前研究中現(xiàn)存方法求解質(zhì)量不高、求解問(wèn)題規(guī)模較小、容易陷入局部最優(yōu)等缺點(diǎn),在連續(xù)體結(jié)構(gòu)拓?fù)鋬?yōu)化模型構(gòu)建方法,求解算法以及工程應(yīng)用等方面進(jìn)行了深入的研究。
　　首先,考慮到傳統(tǒng)的漸進(jìn)結(jié)構(gòu)優(yōu)化法(Bi-directionalEvolutionaryStr

2、ucturalOptimization,BESO)求解質(zhì)量不高,所得到的結(jié)果是局部最優(yōu)解;而離散粒子群優(yōu)化算法(BinaryParticleSwarmOptimization,BPSO)求解拓?fù)鋬?yōu)化問(wèn)題計(jì)算規(guī)模小、求解效率低,本文首次提出將離散粒子群優(yōu)化算法與雙向漸進(jìn)結(jié)構(gòu)優(yōu)化法相結(jié)合,采用雙重編碼方式對(duì)拓?fù)鋬?yōu)化問(wèn)題進(jìn)行模型構(gòu)建,提出了基于改進(jìn)離散粒子群優(yōu)化的雙向漸進(jìn)結(jié)構(gòu)優(yōu)化法(AHybridMethodCombiningImproved

3、BinaryParticleSwarmOptimizationwithBESOforTopologyOptimization,IBPSO-BESO),并且根據(jù)BESO方法能夠同時(shí)增刪材料的特點(diǎn),設(shè)置了改進(jìn)的BPSO操作用于求解,并對(duì)方法的關(guān)鍵參數(shù)進(jìn)行了討論。為解決結(jié)構(gòu)材料的連通性問(wèn)題,引入了懲罰函數(shù)機(jī)制。通過(guò)若干二維、三維拓?fù)鋬?yōu)化問(wèn)題的實(shí)例計(jì)算和結(jié)果對(duì)比,驗(yàn)證了本文所提出的方法能夠有效提高求解質(zhì)量。
　　其次,研究了多工況下的拓?fù)?/p>

4、優(yōu)化問(wèn)題。采用子工況目標(biāo)函數(shù)線性加權(quán)平均的方法構(gòu)造目標(biāo)函數(shù),構(gòu)建了基于IBPSO-BESO方法的多工況拓?fù)鋬?yōu)化模型,運(yùn)用IBPSO-BESO方法求解了若干二維和三維多工況下的拓?fù)鋬?yōu)化問(wèn)題,通過(guò)對(duì)結(jié)果的對(duì)比分析,驗(yàn)證了本文所提出的方法用于求解多工況下的拓?fù)鋬?yōu)化問(wèn)題的有效性和高效性。
　　最后,研究了模式重復(fù)約束下的拓?fù)鋬?yōu)化問(wèn)題。采用晶胞單元法構(gòu)建了基于IBPSO-BESO方法的模式重復(fù)約束拓?fù)鋬?yōu)化模型,進(jìn)一步改進(jìn)了IBPSO-BES