欢迎来到天天文库
浏览记录
ID:35016055
大小:4.75 MB
页数:88页
时间:2019-03-16
《基于粒子群算法和近似模型的结构多目标优化研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、上海交通大学硕士学位论文基于粒子群算法和近似模型的结构多目标优化研究硕士研究生:夏昊学号:1120109184导师:王德禹教授申请学位:工学硕士学科:船舶与海洋工程所在单位:船舶海洋与建筑工程学院答辩日期:2015年1月授予学位单位:上海交通大学DissertationSubmittedtoShanghaiJiaoTongUniversityfortheDegreeofMasterStudyonStructuralMulti-ObjectiveOptimizationBasedonParticleSwarmOptimizationandAppr
2、oximationModelCandidate:XiaHaoStudentID:1120109184Supervisor:Prof.WangDeyuAcademicDegreeAppliedfor:MasterofEngineeringSpeciality:NavalArchitecture&OceanEngineeringSchoolofNavalArchitecture,Ocean&Affiliation:CivilEngineeringDateofDefence:January,2015Degree-Conferring-Institut
3、ion:ShanghaiJiaoTongUniversity上海交通大学硕士学位论文基于粒子群算法和近似模型的结构多目标优化研究摘要结构优化是结构设计的重要方面。以大型的实际工程结构系统为例,质量轻量化要求苛刻、静动力学条件复杂、高性能要求指标众多,使得开展结构优化方面的研究与应用变得日益迫切。在结构优化过程中,一方面需要寻求有良好搜索能力的优化算法,并采取合理的策略来处理复杂结构优化过程中的各种问题,以有效的寻求结构优化问题的最优解;另一方面需要在结构优化过程中构造近似模型,利用近似模型来预测结构响应,代替耗时长的有限元分析,简化优化过程并降
4、低优化时间成本。本文首先提出了多目标粒子群算法,其以标准粒子群算法为基础,采用惯性权重递减策略,对违反约束的粒子给予不同的惩罚,并在算法后期引入变异算子,增强种群的多样性,使算法更好地进行全局寻优。本文总结了常用的近似模型技术,重点阐述了支持向量机的理论基础并研究了建立支持向量机近似模型的方法,提出了基于多目标粒子群算法和支持向量机的组合优化方法。本文接下来建立了卫星结构多目标优化模型,以结构质量和动力响应为目标,结合多目标粒子群算法,在Matlab平台对卫星进行结构优化;比较粒子群算法和遗传算法的优化结果,分析近似模型与有限元计算在最优解处的
5、值;分析多目标粒子群算法与支持向量机组合优化方法的优化效率。最后,本文针对某船舶液舱结构建立了多目标优化模型,根据晃荡载荷规范,考虑不同加载位置和装载率,确定十六个计算工况;以结构质量和钢材总价为目标,结合多目标粒子群算法,在Matlab平台对船舶舱段进行结构优化。通过对卫星结构和船舶舱段结构的优化设计,表明多目标粒子群算法是一种高效的结构优化算法,同时结合支持向量机技术不仅能显著提高优化效率,而且计算精度良好,为大型复杂工程结构的优化问题提供了一种有效的解决思路和方法。关键词:粒子群算法,近似模型,支持向量机,多目标优化I上海交通大学硕士学位
6、论文AStudyonStructuralMulti-ObjectiveOptimizationBasedonParticleSwarmOptimizationandApproximationModelAbstractStructuraloptimizationisanimportantfieldofstructuraldesign.Forlarge-scaleengineeringstructure,thedemandingoflighteningtheweight,thecomplexstaticanddynamicconditionsand
7、numeroushighperformanceindexes,makingiturgenttocarryouttheresearchandapplicationofstructuraloptimization.Throughstructuraloptimization,ontheonehand,itneedstofindanoptimizationalgorithmwithgoodsearchingcapability,whichcantakereasonablestrategytodealwithcomplexproblemsinthepro
8、cessofstructuraloptimization,effectivelyseekingtheoptimalsolutions.Ontheoth
此文档下载收益归作者所有