CN104239952B - 复合材料层合板纤维连续削层一维优化基础模型及方法 - Google Patents

Abstract

本发明提供一种复合材料层合板纤维连续削层一维优化基础模型及方法，模型包括以下设计变量：铺层组层数变量T；铺层组铺向角变量θ；铺层组铺层距离变量L：按优化目标在一定的约束条件下优化铺层组层数变量T、铺层组铺向角变量θ和铺层组铺层距离变量L，得到符合设计要求的复合材料层合板。可实现铺层厚度和铺层顺序的同步优化，并显著减少了设计变量的数目，提高了设计效率，非常适合大规模结构的复合材料结构优化；可保证沿截面划分的区域之间的纤维连续性，有效地减少应力集中现象，降低加工工艺的难度，具有易推广的优点。

Description

复合材料层合板纤维连续削层一维优化基础模型及方法

技术领域

本发明属于复合材料优化技术领域，具体涉及一种复合材料层合板纤维连续削层一维优化基础模型及方法。

背景技术

复合材料是指由两种或两种以上具有不同物理和化学性质的铺层单层以宏观或微观形式复合而成的多相材料，由于其具有较高的比强度和比刚度，因此，已广泛应用于汽车、航空航天和航海等众多领域。

复合材料结构突出的特点为：其力学及物理性能与铺层厚度和铺层顺序紧密相关，根据结构的受力状况和使用要求，对铺层进行优化设计，可充分发挥复合材料的优势和潜力。

现在技术中，对于大规模结构，对复合材料进行优化设计的方法主要为分级/多级优化方法，即：将待优化的复合材料层合板按截面方向划分为几个区域，然后对每个区域分别进行铺层厚度和铺层顺序的优化，最终在提升其结构性能的前提下还能适当达到减重效果。但是，该种分级/多级优化方法，易导致各个区域之间的铺层顺序不同，进而导致铺层纤维的不连续性，一方面，铺层纤维的不连续会切断传力路径，将原本由纤维传递的载荷转移到基体上，进而导致各个子区域连接处的应力集中；另一方面，也会增加连接件的数量，降低结构的整体性能。

例如，如图1所示，为采用现有分级/多级优化方法得到的一个复合材料层合板的优化结果示意图，优化过程为：将待优化的复合材料层合板划分为3个区域，分别为图1中第1列对应的第1区域，第2列对应的第2区域以及第3列对应的第3区域；然后，分别对第1区域、第2区域和第3区域进行铺层厚度和铺层顺序的优化。由图1可以看出，以第1区域为例，共包括5个铺层，按自下而上方向，各铺层的铺向角分别为：0°、-45°、45°、90°和0°。从图1可以看出，第2行第1列的铺层铺向角为-45°，第2行第1列的铺层铺向角为90°，第2行第3列的铺层铺向角为-45°，可见，同一行相邻区域间铺层铺向角不一致，这一现象即为纤维不连续现象。

因此，为防止纤维不连续现象的发生，许多研究人员长期研究纤维连续性模型，主要提出了以下几种纤维连续性模型：

Liu和Toropov在分级优化中，将纤维连续性作为约束条件。为了度量相邻区域间纤维的连续性，定义了两种连续性指标：材料组分连续(materialcompositioncontinuity)和铺层顺序连续(stackingsequencecontinuity)。Soremekun通过引入设计变量区域(designvariablezones，DVZ)和子区域(sub-laminates，SL)两个概念进行复合材料纤维连续性分级优化设计。Adams通过在并行环境中采用迁移分布式遗传算法进行复合材料多区域设计，对每个区域分别进行优化，从而实现连续性模型。

然而，上述纤维连续性模型应用于削层结构的优化设计时，主要存在以下问题：设计变量数量众多、从而导致设计效率低。

发明内容

针对现有技术存在的缺陷，本发明提供一种复合材料层合板纤维连续削层一维优化基础模型及方法，可有效解决上述问题。

本发明采用的技术方案如下：

本发明提供一种复合材料层合板纤维连续削层一维优化基础模型，包括：

初始参数设置模块，用于设置以下参数的初始值：层合板总铺层组数P：指按自下而上顺序排列的铺层组数量；每个铺层组层数以及需要优化的层合板沿截面从根部到梢部等间隔划分的优化区域的数量；

设计变量设置模块，用于设置以下设计变量：

铺层组层数变量T：各个铺层组包括的铺层单层数量；

铺层组铺向角变量θ：同一个铺层组中包括的各铺层单层具有相同的铺向角，各个铺层单层的铺向角即为其所在的铺层组铺向角；

铺层组铺层距离变量L：铺层组的长度；

优化参数设置模块，用于设置优化目标函数、约束条件以及优化算法；

优化处理模块，用于读取所述初始参数设置模块所设置的各个初始值，按所述优化参数设置模块所设置的各个优化参数，对所述设计变量设置模块所设置的各个设计变量进行优化运算，得到符合设计要求的铺层组层数值、各铺层组铺向角值以及各铺层组铺层距离值，进而得到最终的复合材料层合板。

优选的，所述初始参数设置模块通过以下方法设置所述需要优化的层合板沿截面从根部到梢部等间隔划分的优化区域的数量：

将需要优化的层合板沿截面从根部到梢部等间隔划分为n个区域，分别为区域1、区域2…区域n；其中，区域1为整个层合板的最厚区域，也称为关键区域，区域2…区域n为非关键区域；非关键区域的铺层均来源于关键区域，且距离关键区域距离越远铺层数越少；关键区域的任意铺层组，可以延伸至其他某一非关键区域，也可以在延伸到某一非关键区域后中止，当某一铺层组在某一区域中止后，在该区域之后的区域中，则不允许该铺层组重新出现；

所述设计变量设置模块在以上区域划分的基础上，还定义以下三个设计变量：

整数铺层组层数变量T：各个铺层组包括的铺层单层数量；

整数铺层组铺向角变量θ：整数铺层组铺向角变量θ的取值均为整数形式，各个整数形式的取值分别对应铺层组铺向角变量θ所取的铺向角的具体数值；

整数铺层组铺层距离变量L：将铺层组铺层距离变量L定义为整数铺层组铺层距离变量L，用以确定该铺层组铺到的区域，L＝q时，表示该铺层组从关键区域延伸到第q个区域。

优选的，在得到各设计变量的具体数值后，还包括复合材料层合板加工过程，即：

按优化后得到的各个铺层组层数值、铺层组铺向角值以及铺层组铺层距离值，分别得到各个铺层组对应铺向角所需的铺层单层长度；

将制备得到的各个铺层单层按铺层组顺序且使各铺层的根部区域对齐后胶接到一起，即加工得到最终符合设计要求的层削结构的复合材料层合板。

本发明还提供一种复合材料层合板纤维连续同级优化方法，包括以下步骤：

S1，初始时，将需要优化的层合板沿截面从根部到梢部等间隔划分为n个区域，分别为区域1、区域2…区域n；其中，区域1为整个层合板的最厚区域，也称为关键区域，区域2…区域n为非关键区域；非关键区域的铺层均来源于关键区域，且距离关键区域距离越远铺层数越少；关键区域的任意铺层组，可以延伸至其他某一非关键区域，也可以在延伸到某一非关键区域后中止，当某一铺层组在某一区域中止后，在该区域之后的区域中，则不允许该铺层组重新出现；

还设置层合板总铺层组数初始值P，以及每个铺层组层数的初始值；

S2，定义以下设计变量，包括：

铺层组层数变量T：各个铺层组包括的铺层单层数量；

铺层组铺向角变量θ：同一个铺层组中包括的各铺层单层具有相同的铺向角，各个铺层单层的铺向角即为其所在的铺层组铺向角；

铺层组铺层距离变量L：铺层组的长度；

S3，设定优化目标函数和约束条件，按照一定的优化算法对S2设计的各个设计变量进行优化，不断调整层合板总铺层组数的值和铺层顺序，最终得到符合设计要求的复合材料层合板。

优选的，S3中，所述优化算法为遗传算法，S3具体包括以下步骤：

S3.1，将需要优化的层合板沿截面从根部到梢部等间隔划分为n个优化区域，建立至少一个优化目标函数和至少一个约束条件；设置层合板总铺层组数初始值P，以及每个铺层组层数的初始值；

S3.2，采用混合整数编码方法，对以下设计变量分别进行编码，将铺层组层数、铺层组铺层距离和铺层组铺向角映射成基因串；

S3.3，随机产生N个基因串的初始种群；设计适应度函数；该适应度函数与S3.1建立的优化目标函数以及约束条件相关；

S3.4，使用所述适应性函数对所述初始种群中的每一个个体进行评估，得到适应度值最低的C个个体；其中，每个个体即是一个基因串；

S3.5，对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第二代种群；

S3.6，使用所述适应性函数对所述第二代种群中的每一个个体进行评估，得到适应度值最低的C个个体；对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第三代种群；依此类推，经过多代进化，得到最符合所述优化目标的个体，该个体即是搜索出的最优解。

优选的，S3.2中，通过以下方法对各设计变量编码：

每个基因串由两种类型的染色体组成：关键区域层合板染色体和控制染色体；

所述关键区域层合板染色体用于对层合板每个铺层组的铺向角进行编码，用不同的整数代表铺向角的具体数值；

所述控制染色体为两个，分别为铺层组层数控制染色体和铺层组铺层距离控制染色体；

其中，所述铺层组层数控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组层数不存在；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表对应的铺层组层数值；

所述铺层组铺层距离控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组铺层距离为0；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表从根部开始铺设的优化区域数值。

本发明提供的复合材料层合板纤维连续削层一维优化基础模型及方法，具有以下优点：

(1)可实现铺层厚度和铺层顺序的同步优化，并显著减少了设计变量的数目，提高了设计效率，非常适合大规模结构的复合材料结构优化；

(2)可保证沿截面划分的区域之间的纤维连续性，有效地减少应力集中现象，降低加工工艺的难度，具有易推广的优点。

附图说明

图1为采用现有分级/多级优化方法得到的一个复合材料层合板的优化结果示意图；

图2为复合材料层削结构平板的区域划分示意图；

图3为采用本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行优化设计所得到的复合材料层合板的具体示例图；

图4为采用本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行优化设计所得到的复合材料层合板的另一种具体示例图；

图5为图4设计图加工后得到的复合材料层合板示意图；

图6为本发明提供的主从式并行遗传算法的框架图；

图7为本发明提供的翼盒模型区域划分示意图；

图8为本发明提供的翼盒剖面几何形状详细参数示意图。

具体实施方式

以下结合附图对本发明进行详细说明：

为了减少复合材料结构优化时设计变量的数量以及提高设计效率，本发明提供一种复合材料层合板纤维连续削层一维优化基础模型，与传统的复合材料层削结构分级/多级优化方法相比，具有以下优点：(1)首次提出铺层组概念，以铺层组的铺层距离变量、铺层组的铺向角变量和铺层组的铺层组层数变量作为设计变量，从而大幅减少了设计变量的数量，并且，优化过程中设计变量与沿截面划分的区域数量大小无关，从而提高了设计效率，非常适合大规模结构的复合材料结构优化。(2)可实现铺层厚度和铺层顺序的同步优化，更容易找到全局最优解，加快结构优化速度。(3)可保证沿截面划分的区域之间的纤维连续性，有效地减少应力集中现象，降低加工工艺的难度，具有易推广的优点。

如图2所示，为复合材料层削结构平板的区域划分示意图，由图2可以看出，在将平板划分为若干优化区域后，根据层削结构受力特性可知，其根部为关键区域，即最厚区域，然后，距离关键区域越远的位置，其铺层厚度越小。本发明的设计构思即为：设计一种由多个铺层组按自下而上顺序排列的模式，并且，各个铺层组的一端均位于关键区域，通过控制各个铺层组的长度，即：位于关键区域的铺层组可延伸至位于边缘的较薄区域，也可以在中间的某一区域中止，从而实现在满足层削结构厚度减少的几何特征的情况下，又保证铺层的连续性。

基于上述设计构思，本发明提供的复合材料层合板纤维连续削层一维优化基础模型，包括以下设计变量：

铺层组层数变量T：各个铺层组包括的铺层单层数量；

铺层组铺向角变量θ：同一个铺层组中包括的各铺层单层具有相同的铺向角，各个铺层单层的铺向角即为其所在的铺层组铺向角；

铺层组铺层距离变量L：铺层组的长度；

按优化目标在一定的约束条件下优化铺层组层数变量T、铺层组铺向角变量θ和铺层组铺层距离变量L，得到符合设计要求的复合材料层合板。

参考图3，为采用本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行优化设计所得到的复合材料层合板的具体示例：

在图3中，复合材料层合板被划分为三个区域，分别为区域1、区域2和区域3；

优化后，层合板总层数P＝5；即：共由5个铺层组组成；

各设计变量的具体取值为：

铺层组铺向角变量θ＝{θ₁，θ₂，θ₃，θ₄，θ₅}＝{0°，-45°，45°，90°，0°}，其中，θ₁、θ₂、θ₃、θ₄、θ₅分别为第1铺层组、第2铺层组、第3铺层组、第4铺层组第5铺层组的铺向角值；

铺层组铺层距离变量L＝{L₁，L₂，L₃，L₄，L₅}＝{3，3，2，2，1}；其中，L₁、L₂、L₃、L₄和L₅分别为第1铺层组、第2铺层组、第3铺层组、第4铺层组第5铺层组的长度值；此处，铺层组铺层距离是按子区域单元距离计算的。

如果L取值为{3，2，3，1，2}，则得到如图4所示的复合材料层合板。

以图4为例，在得到各设计变量的具体数值后，复合材料层合板的加工方法为：

首先分别制备得到满足优化后得到的铺向角和铺层距离的各铺层单层；

然后，将各铺层单层组按铺层组顺序经过热加工或液压泵加压胶接到一起，即加工得到图5所示的复合材料层合板。在图5中，a代表根部区域，b代表较薄区域，c代表断掉铺层，d代表覆盖层，e代表树脂囊。

参考图3、图4和图5可以看出，由于以铺层组为设计变量进行优化设计，并且，各铺层组内各单层的铺向角均相同，因此，一方面，保证了纤维连续性；另一方面，在加工时，只需要直接将各铺层单层按铺层组顺序直接胶接到一起即可，具有加工工艺简单的优点。

下面介绍一种应用本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行优化设计的具体示例：

基本原理为：根据层削结构受力特性，即根部受力最大，因此，取根部为关键区域，即最厚区域，其他区域铺层来源于关键区域，且距离关键区域距离越远铺层数越少。关键区域的任意铺层组，也可以延伸至较薄区域，也可以在连接处断掉，从而在满足了层削结构厚度减少实际情况下又保证了铺层的连续性。

初始时，根据实际设计精度要求，假设将整个优化区域划分为n个区域，关键区域的铺层组数量为p＝z/4，此处需要说明的是，我们初始假设层合板总单层数为z，每个铺层组初始层数数量取4，但层合板总单层数和铺层组初始层数数量仅为一个初始值，在结构优化过程中，会不断调整其数量，从而最终得到符合设计要求的数量值。

则数学优化模型为：

minmass(T,θ,L)

T＝{t₁t₂…t_p}

θ＝{θ₁θ₂…θ_p}

L＝{l₁l₂…l_p}

s.t.g_i(T,θ,L)≤0(i＝1,2,…,k)

t_j∈[0,1,2,3,4](j＝1,2,…,p)

θ_j∈[0°,-45°,45°,90°](j＝1,2,…,p)

0≤l_j≤n(j＝1,2,…,p)

式中，minmass(T,θ,L)为层合板质量最小的目标函数，其为T、θ和L的函数；

T为层合板的每一个铺层组层数的数组变量，即为所有铺层组包括的铺层单层数量；变量T被定义为一个铺层组包括的铺层单层数量，用以表示铺层组中具有同一铺向角的铺层单层数量，t_j(j＝1，2，…，p)代表第j个铺层组的铺层单层数量。考虑复合制造工艺，同一铺向角的单层不宜过多地集中在一起，最多不超过4到6层，即t_max＝4～6，此例中取t_max＝4。因此，这里t_j定义域取值可以是0、1、2、3、4(根据实际情况有时也可以取5,6)，即t_j∈[0、1、2、3、4]，其中，t_j＝0代表不存在铺层组，t_j＝1表示铺层组中只有一个铺层单层，t_j＝2表示铺层组中有2个铺层单层，t_j＝3表示铺层组中有3个铺层单层，t_j＝4表示铺层组中有4个铺层单层。综上可知，使用铺层组层数变量可以有效地减少设计变量的数目。

θ为层合板的每一个铺层组铺向角的数组变量，θ_j代表第j个铺层组的铺向角，工程上，其定义域取值一般是0°，-45°，45°和90°；

L为层合板的每一个铺层组铺层距离的数组变量，l_j代表在第j个铺层组的铺层距离。取其定义域为0到n，n为人为划分的区域数量。

g_i(T，θ，L)(i＝1，2，…，k)是约束函数，k为约束函数的个数；约束函数的具体个数由实际问题决定，例如，可设定约束应力大小、应变大小、频率大小等约束；

在划分区域的基础上，所有的铺层组均来自关键区域(最厚区域，如图2中的区域1)，相邻区域之间的厚度可以延伸或在连接处断掉。一旦某铺层组在连接处断掉，则不允许该铺层组重新出现。在设计过程中，对任一铺层组，提出了三种设计变量用于描述该模型，从而实现纤维的连续性：

第一个优化变量为整数铺层组铺向角变量θ，其值分别对应铺层组铺向角为0°，45°，-45°，90°；

第二个优化变量是整数铺层组铺层距离变量L，用以确定该铺层组铺到的区域，如L＝2表示该铺层组铺在前两个区域，L＝0表示该铺层组不存在。L＝q时，表示该铺层组从关键区域延伸到第q个区域。因此，非关键区域的铺层情况只需要用设计变量L描述。

第三个优化变量是整数铺层组层数变量T：各个铺层组包括的铺层单层数量。

由此可见，本发明中，将铺层组铺向角和铺层组铺层距离，应用于每一个铺层组，而不是单独的单层；且只需定义关键区域的铺层组铺向角，非关键区域只需要铺层组铺层距离这一变量来判断是否延续关键区域的铺层组信息，从而减少设计变量的数目。

将应用本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行同级优化和传统的复合材料多级优化方法进行比较，结果见表1所示：

表1

由表1可以看出，本发明同级优化方法与复合材料多级优化方法相比，同级优化方法具有以下优点：

(1)通过定义应用于整个铺层组的铺层组距离变量、铺层组层数变量和铺层组铺向角变量，明显减少设计变量的数量；并且，同级优化过程与所划分的优化区域的数量没有关系，也就是说，无论整个优化区域被划分为多少区域，设计变量的数量是恒定的。因此，由于减少了设计变量的数量，本发明提供的优化方法降低了优化算法复杂度，减少优化时间，提高优化效率，非常适合于大规模组合结构。

(2)本发明可以非常方便地实现铺层厚度和铺层顺序的同步优化，提高优化结果的质量，显著改善了现有复合材料多级优化方法操作程序复杂、系统和组件之间的联系被削弱，优化结果质量低等缺点；

(3)现有的复合材料多级优化方法，由于分别对各区域的铺层进行优化，经常会出现相邻区域之间铺层顺序相冲突的情况，从而导致区域连接处的应力集中，也会增加连接件的数量，影响结构的整体性能，甚至工艺上的不可行。而本发明提供的优化方法，有效保证了相邻区域之间纤维的连续性。

另外，本发明创新之处为提供一种复合材料层合板纤维连续削层一维优化基础模型，在定义各设计变量后，可以使用现在技术提供的多种优化算法对各设计变量进行优化，作为一种优选方式，可以使用遗传算法进行优化，以下仅列举遗传算法优化过程，但需要强调的是，本发明对所使用的具体优化算法并不限制：

在工程制造中，考虑制造难度和成本，铺向角经常被选为0°、±45°和90°。当复合材料选定以后，连续的铺层厚度变为铺层组层数这一离散变量。遗传算法是一个针对离散变量设计问题的理想选择。

在本发明中，用整数编码控制每一个铺层组的铺向角θ，如用1代表0°，用2代表45°，用3代表-45°，用4代表90°。然后采用锦标赛选择算法，优秀个体将被选择进入下一代。适应度好的个体具有较大的生存机会，增加了在下一代获得更好的设计的机会。

采用并行遗传算法减少优化时间，目前并行遗传算法的实现大致可以分为三类:主从式模型、粗粒度模型和细粒度模型。主从式模型是遗传算法并行化的一种最直接的方式。主从式并行遗传算法系统分为一个主处理器和若干从处理器，主处理器监控整个染色体种群，并基于全局统计执行选择、交叉和变异操作，各个从处理器接受来自主处理器的个体进行适应度计算，再将结果传给主处理器。主从式并行遗传算法比较直观，并且针对适应度评价计算量大的问题，主从模式可以达到接近线性的加速比。

主从式并行遗传算法将每一代种群分成若干子种群，每一子种群分别在并行从处理器上同时计算。该方法可解决数据分配和收集的问题。图6所示为主从式并行遗传算法的框架。

具体优化步骤为：

S3.1，将需要优化的层合板沿截面从根部到梢部等间隔划分为n个优化区域，建立至少一个优化目标函数和至少一个约束条件；设置层合板总铺层组数初始值P，以及每个铺层组层数的初始值；

S3.2，采用混合整数编码方法，对以下设计变量分别进行编码，将铺层组层数、铺层组铺层距离和铺层组铺向角映射成基因串；

通过以下方法对各设计变量编码：

每个基因串由两种类型的染色体组成：关键区域层合板染色体和控制染色体；

所述关键区域层合板染色体用于对层合板每个铺层组的铺向角进行编码，用不同的整数代表铺向角的具体数值；例如，以{1,2,3,4}代表{-45°,0°,45°,90°}；

所述控制染色体为两个，分别为铺层组层数控制染色体和铺层组铺层距离控制染色体；

其中，所述铺层组层数控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组层数不存在；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表对应的铺层组层数值；

所述铺层组铺层距离控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组铺层距离为0；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表从根部开始铺设的优化区域数值。

如沿展向划分为N个区域，混合整数编码方式举列如下：

1、铺层组铺向角变量θ：将离散铺向角转化为整数处理，如：设各铺层组铺向角的取值范围为[-67.5,112.5]，在生成个体时，在该范围内产生一个随机数，如果该随机数的数值在[-67.5,-22.5]之间时，铺层组铺向角的值为-45°；当产生的随机数在[-22.5,22.5]之间时，铺层组铺向角的值为0°；当产生的随机数在[22.5,67.5]之间时，铺层组铺向角的值为45°；而当产生的随机数在[67.5,112.5]之间时，铺层组铺向角的值为90°。在实际优化中，以{1,2,3,4}代表{-45°,0°,45°,90°}；

2、铺层组层数变量T：该变量本身即为离散值，故用整数对层合板各个铺层组层数进行编码，T的定义域取值可以是0、1、2、3、4(根据实际情况有时也可以取5,6)；设置其取值为0还包含了一个开关作用。如取0(开关关，值为0)，表示关键区域不包含该铺层组，取非0值(开关开，值为非0)，表示关键区域包含该铺层组，并且，非0值的具体数值，代表铺层组层数的具体值。例如，当T取1时，表示铺层组中有一个铺层单层；T取2时，表示铺层组中有2个铺层单层；T取3时，表示铺层组中有3个铺层单层；T取4时，表示铺层组中有4个铺层单层。

3、铺层组铺层距离变量L：与铺层组铺向角变量处理方式同理，如存在N个优化区域，铺层组铺层距离的取值范围为[0,N+1]，如果生成的随机数在[i,i+1]范围内，则该铺层组铺设前i个区域，即L的取值为i。如随机数在[0,1]范围内，则该铺层组不存在，即L的取值为0；若在[1,2]范围内，该铺层组只铺设第一个区域；如随机数在[N,N+1]范围内，则铺层组铺设所有N个区域，即L的取值为N。

例如，对于如下形式的编码方式：

关键区域1层合板的铺层为[0₄/-45₄/45₄/90₄/0₄]_S，区域2层合板的铺层为[0₄/-45₄/45₄//0₄]_S，区域3层合板的铺层为[0₄/45₄]_S，可见，符合广义连续性纤维模型的定义。

S3.3，随机产生N个基因串的初始种群；设计适应度函数；该适应度函数与S3.1建立的优化目标函数以及约束条件相关；

S3.4，使用所述适应性函数对所述初始种群中的每一个个体进行评估，得到适应度值最低的C个个体；其中，每个个体即是一个基因串；

S3.5，对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第二代种群；

S3.6，使用所述适应性函数对所述第二代种群中的每一个个体进行评估，得到适应度值最低的C个个体；对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第三代种群；依此类推，经过多代进化，得到最符合所述优化目标的个体，该个体即是搜索出的最优解。

数值验证例

本验证例用于将本发明提供的复合材料层合板纤维连续削层一维优化基础模型应用于复合材料翼盒优化过程中，从而验证本发明提供的复合材料层合板纤维连续削层一维优化基础模型进行优化时的优化效率。

复合材料翼盒优化过程为：在一些约束条件下，如全局刚度约束、局部强度约束、屈曲约束和复合制造工艺约束等，实现复合材料翼盒轻量化。上下蒙皮是目标设计面板，如图7所示，翼盒模型从根部向梢部，厚度逐渐变小，从根部到梢部被划分为6个区域。如图8所示，为翼盒剖面几何形状详细参数示意图。为了简化优化过程，在上下蒙皮同一区域取相同的铺层顺序，设计面板的铺向角取值为0°、±45°和90°，两侧面板是固定为[0₄/45₄/0₄/-45₄/90₄]_s的设计。表2给出了铺层材料T300/N5208的材料属性。ρ是材料密度，t_ply是铺层单层的厚度。

表2T300/N5208材料属性

用上述提供的主从式并行遗传算法对翼盒进行优化。上下蒙皮的最初设计铺层单层均是100层，且每个铺层组的铺层顺序均相对中间层对称。

传统多级优化方法解决这一问题所需设计变量的数量为606个，而本发明提供的优化方法，设计变量的数目是75个，其中25个铺层组层数变量，25个铺层组铺向角变量，25个铺层组铺层距离变量，设计变量的数量减少近90％。

此外，传统的多级优化方法是将每个区域独立优化设计，难以保证相邻区域之间的铺层纤维连续性。

本发明中，遗传算法代码取了400个体，0.9的交叉概率和0.05的变异概率。最大的演化代数被定义为300。并行遗传算法在高性能刀片系统上执行。设置了21个进程用于优化，1个主进程和20个从进程。使用并行遗传算法，优化时间已经从20小时减少到大约1小时，近乎获得线性加速比。

表3给出了本发明提供的同级优化方法得到的复合材料优化设计结果。

表3优化后的铺层顺序

区域	铺层顺序	层数
			1	[45/-45/04/452/90/03/45/90/-452/03/902/-45/02]S	48
2	[45/-45/03/45/03/90/-45/02/90/-45/02]S	34
			3	[45/-45/04/90/02/-45/02]S	24
4	[45/-45/03/90/02/-45/02]S	22
			5	[45/-45/04/-45/02]S	18
6	[45/-45/04/-45]S	14

结果表明，翼根(关键地区，即区域1)是最大厚度，向较薄区域铺层数量逐渐减少，满足了生产需求。因此，对大型组合结构，本发明提供的同级优化方法，即能满足纤维连续性，又可以有效减少设计变量的数目。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (1)

1.一种复合材料层合板纤维连续同级优化方法，其特征在于，应用于复合材料层合板纤维连续削层一维优化基础模型；所述复合材料层合板纤维连续削层一维优化基础模型包括：

初始参数设置模块，用于设置以下参数的初始值：层合板总铺层组数P：指按自下而上顺序排列的铺层组数量；每个铺层组层数以及需要优化的层合板沿截面从根部到梢部等间隔划分的优化区域的数量；

设计变量设置模块，用于设置以下设计变量：

整数铺层组层数变量T：各个铺层组包括的铺层单层数量；

铺层组铺向角变量θ：同一个铺层组中包括的各铺层单层具有相同的铺向角，各个铺层单层的铺向角即为其所在的铺层组铺向角；

铺层组铺层距离变量L：铺层组的长度；

优化参数设置模块，用于设置优化目标函数、约束条件以及优化算法；

优化处理模块，用于读取所述初始参数设置模块所设置的各个初始值，按所述优化参数设置模块所设置的各个优化参数，对所述设计变量设置模块所设置的各个设计变量进行优化运算，得到符合设计要求的铺层组层数值、各铺层组铺向角值以及各铺层组铺层距离值，进而得到最终的复合材料层合板；

复合材料层合板纤维连续同级优化方法包括以下步骤：

S1，初始时，将需要优化的复合材料层合板沿截面从根部到梢部等间隔划分为n个区域，分别为区域1、区域2…区域n；其中，区域1为整个层合板的最厚区域，也称为关键区域，区域2…区域n为非关键区域；非关键区域的铺层均来源于关键区域，且距离关键区域距离越远铺层数越少；关键区域的任意铺层组，可以延伸至其他某一非关键区域，也可以在延伸到某一非关键区域后中止，当某一铺层组在某一区域中止后，在该区域之后的区域中，则不允许该铺层组重新出现；

还设置层合板总铺层组数初始值，以及每个铺层组层数的初始值；

S2，定义以下设计变量，包括：

整数铺层组层数变量T：各个铺层组包括的铺层单层数量；

铺层组铺向角变量θ：同一个铺层组中包括的各铺层单层具有相同的铺向角，各个铺层单层的铺向角即为其所在的铺层组铺向角；铺层组铺向角变量θ的取值均为整数形式，各个整数形式的取值分别对应铺层组铺向角变量所取的铺向角的具体数值；

铺层组铺层距离变量L：铺层组的长度；将铺层组铺层距离变量L定义为整数铺层组铺层距离变量，用以确定该铺层组铺到的区域，L＝q时，表示该铺层组从关键区域延伸到第q个区域；

S3，设定优化目标函数和约束条件，按照一定的优化算法对S2中定义的各个设计变量进行优化，不断调整层合板总铺层组数的值和铺层顺序，最终得到符合设计要求的复合材料层合板；

其中，S3中，所述优化算法为遗传算法，S3具体包括以下步骤：

S3.1，将需要优化的层合板沿截面从根部到梢部等间隔划分为n个优化区域，建立至少一个优化目标函数和至少一个约束条件；设置层合板总铺层组数初始值，以及每个铺层组层数的初始值；

S3.2，采用混合整数编码方法，对以下设计变量分别进行编码，将铺层组层数、铺层组铺层距离和铺层组铺向角映射成基因串；

S3.3，随机产生N个基因串的初始种群；设计适应度函数；该适应度函数与S3.1建立的优化目标函数以及约束条件相关；

S3.4，使用所述适应度函数对所述初始种群中的每一个个体进行评估，得到适应度值最低的C个个体；其中，每个个体即是一个基因串；

S3.5，对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第二代种群；

S3.6，使用所述适应度函数对所述第二代种群中的每一个个体进行评估，得到适应度值最低的C个个体；对所述C个个体进行交叉和变异操作，产生更接近优化目标的新的个体；从而得到第三代种群；依此类推，经过多代进化，得到最符合所述优化目标的个体，该个体即是搜索出的最优解；

其中，S3.2中，通过以下方法对各设计变量编码：

每个基因串由两种类型的染色体组成：关键区域层合板染色体和控制染色体；

所述关键区域层合板染色体用于对复合材料层合板每个铺层组的铺向角进行编码，用不同的整数代表铺向角的具体数值；

所述控制染色体为两个，分别为铺层组层数控制染色体和铺层组铺层距离控制染色体；

其中，所述铺层组层数控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组层数不存在；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表对应的铺层组层数值；

所述铺层组铺层距离控制染色体功能为：包含了二进制“开关”染色体功能的整数编码功能，具体为：当其二进制“开关”为关状态时，代表对应的铺层组铺层距离为0；当其二进制“开关”为开状态时，具有一个非0值，该非0值代表从根部开始铺设的优化区域数值；

其中，在得到符合设计要求的复合材料层合板的各设计变量的具体数值后，还包括S4：复合材料层合板加工过程，即：

按优化后得到的各个铺层组层数值、铺层组铺向角值以及铺层组铺层距离值，分别得到各个铺层组对应铺向角所需的铺层单层长度；

将制备得到的各个铺层单层按铺层组顺序且使各铺层的根部区域对齐后胶接到一起，即加工得到最终符合设计要求的层削结构的复合材料层合板。