復(fù)雜結(jié)構(gòu)智能重分析技術(shù)的研究及其應(yīng)用.pdf

1、人工神經(jīng)網(wǎng)絡(luò)和遺傳算法是結(jié)構(gòu)優(yōu)化設(shè)計(jì)領(lǐng)域內(nèi)應(yīng)用較為成功的兩種智能算法。本文在對(duì)復(fù)雜結(jié)構(gòu)(包括結(jié)構(gòu)的拓?fù)浜图s束兩個(gè)方面)優(yōu)化設(shè)計(jì)問(wèn)題的研究中，提出了以人工神經(jīng)網(wǎng)絡(luò)和遺傳算法為智能計(jì)算主體的復(fù)雜結(jié)構(gòu)智能重分析技術(shù)。 復(fù)雜結(jié)構(gòu)智能重分析技術(shù)是建立在結(jié)構(gòu)有限元和實(shí)驗(yàn)分析理論基礎(chǔ)上，以對(duì)原型或相似模型試驗(yàn)結(jié)果的回歸分析來(lái)簡(jiǎn)化結(jié)構(gòu)約束并確定約束變量取值，以結(jié)構(gòu)力學(xué)特性和產(chǎn)品系列化思想為指導(dǎo)對(duì)結(jié)構(gòu)復(fù)雜拓?fù)鋮?shù)化為有限的結(jié)構(gòu)變量，從而建立滿足計(jì)

2、算硬件受限的結(jié)構(gòu)優(yōu)化設(shè)計(jì)模型；借助多隱層前饋型神經(jīng)網(wǎng)絡(luò)對(duì)多輸入多輸出的高度非線性函數(shù)的逼近能力來(lái)描述結(jié)構(gòu)在荷載作用下的響應(yīng)，即結(jié)構(gòu)優(yōu)化設(shè)計(jì)問(wèn)題；利用遺傳算法的內(nèi)在并行性和高效性來(lái)解決在多維度解空間中的搜索問(wèn)題，并將描述結(jié)構(gòu)優(yōu)化設(shè)計(jì)問(wèn)題的韻神經(jīng)網(wǎng)絡(luò)模型融于其適應(yīng)度函數(shù)中，而將神經(jīng)網(wǎng)絡(luò)的多輸出值綜合成一個(gè)在解空間。盡可能與其優(yōu)劣性一致的綜合適應(yīng)度值；最后用正交試驗(yàn)方法建立樣本集，以滿足訓(xùn)練檢驗(yàn)神經(jīng)網(wǎng)絡(luò)和遺傳算法初始種群的要求，從而解決神經(jīng)網(wǎng)

3、絡(luò)和遺傳算法的應(yīng)用基礎(chǔ)問(wèn)題：在此基礎(chǔ)上構(gòu)造具體優(yōu)化設(shè)計(jì)問(wèn)題的綜合適應(yīng)度函數(shù)和設(shè)置遺傳算法的各項(xiàng)參數(shù)并進(jìn)行遺傳操作得到優(yōu)化設(shè)計(jì)問(wèn)題的最優(yōu)解群，進(jìn)而用完整的結(jié)構(gòu)重分析技術(shù)(結(jié)構(gòu)有限單元法)以及綜合考慮各相關(guān)因素從最優(yōu)解群中進(jìn)行選擇和修正得到一組有效的設(shè)計(jì)值，從而有效地解決復(fù)雜結(jié)構(gòu)的優(yōu)化設(shè)計(jì)問(wèn)題。 文中進(jìn)一步應(yīng)用此技術(shù)，并結(jié)合MALTAB和ANSYS等軟件對(duì)具有21個(gè)設(shè)計(jì)變量(其中19個(gè)結(jié)構(gòu)變量和2個(gè)約束變量)的橡膠注壓成型機(jī)主要結(jié)構(gòu)