基于蚁群算法的桁架结构布局离散变量优化方法

提出的布局优化方法是将桁架结构的截面变量、拓扑变量及形状变量统一为离散变量.将离散变量转化为适应于蚁群算法求解TSP问题的离散变量,应用MATLAB语言编写求解桁架结构布局优化程序,最终实现对问题的分析与求解.通过对几个经典的平面、空间桁架结构布局优化算例的验算表明:本文设计的基于蚁群算法的桁架结构布局离散变量优化方法较单独处理截面优化、拓扑优化及形状优化问题具有更大的效益,相对于其他布局优化方法也展现出更好的优化效果.“基于蚁群算法的桁架结构布局离散变量优化方法”在程序设计、求解速度、求解空间及其方法通用性等方面都表现出良好的性能,并且简单、实用,适应于实际工程应用.     

一种基于应力的双方向结构拓扑优化算法

基于传统的渐进结构优化方法,提出了一种基于应力的双方向渐进拓扑优化算法。该方法是对传统方法和目前的双方向法的改进和完善。算例表明该方法能避免目前的双方向法具有的解的振荡问题,具有更高的可靠性,能获得更佳的拓扑结构。     

基于应力及其灵敏度的结构拓扑渐进优化方法

在导出应力灵敏度的基础上，建立了一种改进的基于应力及其灵敏度的结构拓扑双方向渐进优化算法．该方法是对传统ESO和BESO方法的改进和完善．算例表明该方法能较大程度减少解的振荡状态数，获得更佳的拓扑结构．具有概念上的简洁性和应用上的有效性。     

连续体结构拓扑优化

对连续体结构的拓扑优化，给出一种工程实用方法：将拓扑优化分两步进行，首先解决在弹性体内哪些区域需要删除的问题，然后再确定删除区的边界，这种方法适用于各种约束条件的问题，而且拓扑清晰。     

平面桁架结构拓扑优化方法研究

利用满应力设计准则法(FSD)对桁架结构截面优化的优势,将其引入基于形状语法规则的结构拓扑模拟退火优化算法(STSA)的随机搜索过程,探索两者的结合方式,形成了基于力学原理的优化算法和随机搜索数学优化方法相结合的杂交算法.受应力和欧拉屈曲约束的平面桁架结构拓扑优化算例表明:根据形状语法规则(尺寸、形状和拓扑规则)的"最有效规则选择"原理,当迭代步内所统计的尺寸规则最有效则结构趋于稳定,此时可引入FSD使结构趋于满应力状态,从而使数学随机搜索得到的结构更加符合力学受力原理,所形成的杂交算法使STSA的寻优搜索过程更为稳定,并改善了STSA搜索效率和最优解.     

结构优化的GA算法

本文提出了一种用于结构优化的具有动态种源空间的ＧＡ算法，这种ＧＡ算法可以与其它结构优化方法如齿行法结合起来处理结构优化问题。这种ＧＡ具有很好的鲁棒性和较高的效率，可作为一个黑箱处理相当广泛的结构优化问题。     

基于应力分析的桁架结构双向拓扑优化方法

结构拓扑优化问题的研究多是采用基结构的思路,通过删除在设计区域内的不必要单元来得到结构的最优拓扑构型。本文探索了一种增加单元与删除单元相结合的双向拓扑优化方法,采用了网格与杆件两类单元对桁架进行分析:在高应力杆件单元周围生成新网格单元,并且删除低应力的杆单元,结构逐渐进化,从而得到优化的拓扑构型。文章最后通过数值算例,表明该方法是可行的。     

基于蚁群算法的复合材料缠绕壳体铺层顺序优化

为了提高纤维复合材料缠绕壳体结构的屈曲稳定性,本文将蚁群算法(ACA)求解旅行商问题(TSP)的方法引入到缠绕层顺序优化的计算中.阐明铺层顺序优化的本质是调整沿板厚方向的刚度分布以提高版的抗弯刚度,同时改善荷载的传递路径,以降低由偏心而产生的附加弯矩,从而提高结构的抗屈曲能力;扩展了经典蚁群算法,提出一种分组编解码方法...     

基于结构拓扑随机变异的水平集优化方法

基于结构拓扑导数的水平集优化方法,利用结构拓扑导数信息和通过不断减少结构体积的方式来确定需开孔的结构位置,需选用最大设计区域结构作为初始优化结构.该方法不适合求解结构体积等式约束的优化问题.为了解决上述问题和克服水平集方法不能在结构内产生新孔洞的困难,提出了一种基于结构拓扑随机变异的水平集优化方法.引进了以小概率随机方式进行结构拓扑变异的结构优化方案.设计了变异算子,讨论了提出方法的收敛性情况.最后,结合考虑结构最大设计区域限制的结构拓扑优化的水平集方法,建立了一套新的涉及结构柔顺度作为目标函数,体积作约束条件的水平集演化算法.给出的算例验证了该方法的正确性和有效性.     

多功能结构拓扑形态优化数值方法

对建筑结构设计的多功能要求,以平面问题为研究对象,对改进进化论方法进行了功能上的改进,增强了方法对复杂空间条件的适应性,提高了计算效率和所生成结构体的质量。针对建筑对空间的限制,将方法的允许空间拓展为自由边界允许空间,并引进临时允许空间的概念;针对结构功能需求,研究了能够适应支座改变、荷载组合等多工况情况的合理结构形态创构方法;考虑到材料的受力特性,研究了相应（如指定构件纯受压或纯受拉）的结构拓扑形态优化方法。文中还通过算例分析了方法的特点,探讨了方法所得到结构形态的一些力学特性。该方法所得结构为以均匀拉压应力形式来抵抗荷载,其形式可为结构概念设计提供参考。     

基于拓扑描述函数的连续体结构拓扑优化方法

提出了一种利用拓扑描述函数(TDF)作为拓扑设计变量求解连续体结构拓扑优化问题 的新方法. 优化问题的目标函数是结构的整体柔顺性，约束条件为对于可利用材料的体积限 制. 这种方法不仅可以消除拓扑优化中经常出现的棋盘格式等数值不稳定现象，而且能够有 效地抑制传统算法处理此类优化问题时所引发的边界扩散效应. 与其它的基于水平集描述函 数的拓扑优化方法相比，所提出的算法不仅无需求解控制水平集函数演化的双曲守恒方 程，而且合理地考虑了目标函数的拓扑导数信息，因而使得算法的计算效率有了显著的提高.     

考虑平稳随机响应的显式结构拓扑优化

随机载荷是工程结构在服役中经常承受的一种复杂的载荷形式,通常采用统计学特性对其进行描述。对随机载荷作用下的结构进行拓扑优化设计是一项极具挑战性的工作,其主要难点在于,(1) 传统隐式拓扑优化方法的设计变量数巨大,且用于结构动态性能拓扑优化问题时存在虚假模态等数值不稳定问题; (2) 对结构的随机动力响应统计量及其灵敏度进行计算需要极大的计算量; (3) 隐式拓扑优化框架下的分析模型与优化模型强耦合,导致结构有限元模型具有极高的自由度,进一步加剧了上述困难。本文基于移动可变形组件框架和虚拟激励法理论,提出了一种平稳随机载荷作用下结构的显式拓扑优化设计方法。通过将一系列可移动和可变形的结构组件作为优化的基础单元,实现了使用少量设计变量描述结构拓扑构型的目的。采用虚拟激励法、自由度删除技术和模态位移法有效降低了对结构进行随机振动分析和灵敏度分析的计算量。在此基础上,以结构柔顺度的标准差为目标函数、以设计域内实体材料的体积为约束条件,实现了限带白噪声作用下结构的拓扑优化设计,并通过数值算例验证了本文方法的有效性。     

基于无网格数值求解技术的二维连续体结构拓扑优化设计

将无网格径向点插值法(RPIM)引入到连续体结构拓扑优化设计中。在优化问题中,选取节点的相对密度作为设计变量,以结构的柔度最小化作为目标函数,基于带惩罚的各向同性固体材料模型(SIMP)建立了结构拓扑优化的数学模型,推导了目标函数和体积约束的灵敏度,利用优化准则法进行求解。算例表明了应用无网格径向点插值法进行结构拓扑优化设计的可行性和有效性,同时表明选取节点的相对密度作为设计变量可以有效地克服拓扑优化中的棋盘格现象。     

基于SIMP插值模型的渐进结构优化方法

在传统渐进结构优化算法(ESO)及带惩罚的变密度法(SIMP)的基础上,本文提出将二者相结合的基于SIMP插值模型的渐进结构优化算法.该方法通过缩小传统ESO算法中的进化步长,从而缩小了由于进化步长过大而导致的敏度评估误差,使得ESO算法在合理性及通用性上获得了较大改善.数值算例表明,该方法在保持了常规ESO方法的优点的同时,拥有更高的稳定性和可靠性.     

基于深度学习的跨分辨率结构拓扑优化设计方法

在传统拓扑优化设计中,随着结构单元增加,迭代计算过程消耗了大量的时间.本文提出了一种基于深度学习的方法来加速拓扑优化设计过程,缩短了结构拓扑优化设计的迭代过程,并生成了高分辨率拓扑优化结构.利用深度学习方法,在低分辨率中间构型与高分辨率拓扑构型之间创建高维映射关系,利用独立、连续和映射(ICM)方法建立深度学习网络所需...     

基于CA的结构拓扑优化中变量更新规则研究

针对连续体结构拓扑优化中数值不稳定问题,借鉴控制系统中反馈控制和误差放大器的原理,构建了一种无梯度约束的变量更新规则,以结构应变能密度均匀分布为优化目标,建立了基于元胞自动机的拓扑优化模型,进行了二维连续体结构的拓扑优化设计,得到材料在设计域内的最优分布。通过求解三个经典的算例,探讨了不同的误差放大系数对优化结果的影响,试验结果表明,该更新规则能够有效地抑制棋盘格和网格依赖性问题。     

渐进密度AESO方法及其在热传导结构拓扑优化中的应用

研究用于结构拓扑优化的基于材料添加策略的进化算法(AESO方法).基于进化算法的思想,利用单元材料相对密度的变化描述材料的添加(从O到1)或删除(从1到O).当某些单元满足进化准则时,单元的相对密度进行O-1交化.研究发现.基于一步变化策略的AESO方法往往不能获得正确的拓扑形式,其原因可能是,进化后的响应量是基于密度为O或很小时的敏度经线性近似获得的,与实际相差很大.这种敏度的计算误差问题在ESO、BESO等硬杀算法中都存在.本文提出将进化过程分成多步,以软杀的思想进行硬杀优化,即使材料密度逐渐由O变化到1,实现材料的逐步添加.基于该策略,提出了渐进密度AESO方法,并比较分析了这种逐步添加的做法对结果的影响.算例验证了该方法的正确性和有效性.渐进密度AESO方法为双向进化算法(BESO)提供了有效的进化(材料添加)策略.