基于改进自适应混沌控制的逆可靠度分析方法

自适应混沌控制方法是一种高效、稳健的逆可靠度分析方法,但在求解强非线性凹功能函数时,计算效率仍然有待提高,且可能会陷入局部最优.通过对混沌控制因子更新策略进行改进,提出了基于改进自适应混沌控制的逆可靠度分析方法.数值算例分析表明:该方法能够有效地改善混沌控制因子自适应选取时的合理性,具有更好的收敛性和更高的计算效率,为结构可靠度分析和可靠度优化问题提供了更加高效、稳健的求解途径.     

Optimization Design of Holding Poles Based on the Response Surface Methodology and the Improved Arithmetic Optimization Algorithm北大核心CSCD

抱杆优化设计需要耗费大量有限元分析计算时间,难以确定可行域.该文采用响应面法(response surface method,RSM)来模拟抱杆结构的真实响应,提出了改进的算术优化算法(improved arithmetic optimization algorithm,IAOA)对抱杆结构进行优化设计.将分数阶积分引入算术优化算法(arithmetic optimization algorithm,AOA),改善了算法的开发能力.采用拉丁超立方抽样,选取抱杆结构杆件截面试验样本,利用最小二乘法对样本点进行分析,构建了抱杆结构应力和位移关于杆件截面尺寸的二阶响应面代理模型.建立以抱杆质量最小化为优化目标,许用应力和位移为约束条件的优化模型,采用IAOA对其进行求解.结果表明:二阶响应面模型能够准确预测抱杆结构的响应值,IAOA的求解精度得到显著提升,代理模型可大幅降低有限元分析所需的计算代价,优化后抱杆结构质量减轻了8.2%.联合使用RSM和IAOA可有效求解大型空间杆系结构的优化设计问题.     

基于RBF神经网络模型的结构可靠度优化方法

在结构构件尺寸、材料属性以及外部载荷等不确定性因素影响下,基于可靠度的优化给出了兼顾结构的成本和安全性能的安全设计方案.由于传统的可靠度优化方法采用嵌套的双层优化列式求解,因此导致计算量过大.为了克服这个问题,学者们相继提出了解耦方法和单循环方法等方法.该文采用RBF神经网络模型用于可靠度优化问题的求解中,通过拉丁超立方方法构造代理模型,并用误差指标来验证代理模型的精确程度,同时自适应更新代理模型直至满足需求.通过与现有可靠度优化4种主流算法的比较,说明了该文提出算法的高效性和稳健性.