CN108920782A - 一种基于蚁群算法的输电钢管塔结构优化设计方法 - Google Patents
一种基于蚁群算法的输电钢管塔结构优化设计方法 Download PDFInfo
- Publication number
- CN108920782A CN108920782A CN201810616910.0A CN201810616910A CN108920782A CN 108920782 A CN108920782 A CN 108920782A CN 201810616910 A CN201810616910 A CN 201810616910A CN 108920782 A CN108920782 A CN 108920782A
- Authority
- CN
- China
- Prior art keywords
- steel pipe
- power transmission
- tower
- ant
- transmission steel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Artificial Intelligence (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Structural Engineering (AREA)
- Civil Engineering (AREA)
- Architecture (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Analysis (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Electric Cable Installation (AREA)
Abstract
一种基于蚁群算法的输电钢管塔结构优化设计方法。首先建立输电钢管塔结构优化数学模型,该数学模型以输电钢管塔结构的材料质量最轻为结构优化设计的目标函数;结合输电钢管塔的实际工作状态,确定结构优化设计的设计变量以及约束条件;采用蚁群算法来寻找蚁群位置和信息素浓度的全局最优解;当满足结束条件后输出全局最优解,将蚁群位置和信息素浓度的全局最优解转化为的输电钢管塔结构设计方案的相应结构参数,最后输出钢管杆的截面优选方案。本发明通过有限元法力学分析,满足《架空输电线路杆塔结构设计技术规定》(DL/T5154-2012)的使用要求,优化过程中具有不需要灵敏度、计算效率高和全局收敛性能好等优点。
Description
【技术领域】
本发明涉及输电钢管塔结构优化技术领域,具体涉及一种基于蚁群算法的钢管杆截面及输电钢管塔材料成本优化方法。
【背景技术】
随着我国社会经济快速发展,国家推进城镇化建设步伐加快,城镇规划区以及城郊地区的线路走廊日益紧张,线路多经过城市绿化带,人行道等路径拥挤地段,与角钢塔相比,输电线路钢管塔具有风压小、刚度大、结构简洁、传力清晰,能够充分发挥材料的承载性能等优势,适合在荷载较大的铁塔中采用,在大荷载杆塔中推广应用钢管塔可有效降低塔重、基础重量及造价,减小杆塔根开,压缩线路走廊宽度,减少拆迁、植被破坏和林木砍伐,有利于节约资源和环境保护,具有显著的综合经济效益和社会效益。
但是钢管杆的钢材用量比较大,其材料费用在整个线路工程中所占的比例较高,怎样在保证钢管塔的承载性能的前提下,优化钢管杆的截面形式,即在保证安全性的前提下寻找最大的经济性是个诚需解决的问题。
现有输电塔结构优化设计方法还存在如下两种缺陷:
1)现有的输电塔结构优化设计方法对于多工况、多荷载下输电塔的优化设计结果收敛速度慢,优化速度慢,优化效率低。
2)现有的输电塔结构优化设计方法,优化步骤繁琐,对于塔型较为固定的输电塔,如钢管塔,缺乏操作简单、优化方式简洁又可在一定程度上满足工程实际要求的优化设计方法。
【发明内容】
针对上述问题,本发明的主要目的在于提供一种基于蚁群算法的输电钢管塔结构优化设计方法。
为实现上述目的,本发明采取的技术方案为:
一种基于蚁群算法的输电钢管塔结构优化设计方法,步骤如下:
1)首先建立输电钢管塔结构优化数学模型,该蚁群算法数学模型以输电钢管塔结构的材料质量最轻为目标函数,以输电钢管杆的强度和刚度为约束条件,以钢管杆的截面尺寸为设计变量;
2)将用于确定输电钢管塔设计方案的对应参数组负载于蚁群上,使蚁群的位置与信息素浓度由该参数组来表示,蚁群的位置与信息素浓度对应的不同参数组可以确定不同的钢管杆截面尺寸设计方案,每个位置和信息素浓度对应一种输电塔设计方案;
3)采用蚁群算法进行优化分析,通过对蚁群位置和信息素浓度的更新,来达到在解空间中搜寻全局最优解的目的;
4)当搜寻结束后输出全局最优解,该最优解由一组参数表示,将该组参数中的数据转化为确定输电塔设计方案的相应结构参数,该结构参数确定的输电塔设计方案即为需要的的输电钢管塔结构材料质量最轻的方案,最后输出钢管杆的截面尺寸优化设计方案。
进一步的,第3)步采用蚁群算法来搜寻蚁群的全局最优解,具体优化公式为:
s.t.
gj(Ai)≤0j=1,2,L,NG
其中,W为结构的总质量;ρi和Li分别为杆件的密度和长度;Ai为杆件截面设计变量;gj为约束函数;S为截面变量离散域;M为杆件数;NG为约束函数数量;NS为离散截面型号数量。
与现有的优化设计方法比,本发明具有如下有益效果:
1、本发明通过有限元法力学分析,满足《架空输电线路杆塔结构设计技术规定》(DL/T5154-2012)的使用要求,具有概念简单,流程清晰、需要调整的参数少、不需要灵敏度、计算效率高和全局收敛性能好的优势。
2、本发明操作简单,收敛速度快,只需简单修改钢管杆截面尺寸及与待优化输电塔结构即可对其它此类问题进行优化,适合于一线技术人员对钢管塔的截面优化设计。
3、本发明适合含有多个设计变量、多个复杂工况下的输电钢管塔结构的优化设计。
【附图说明】
图1为本发明SSFG2双杆钢管塔结构示意图。
【具体实施方式】
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
一种基于蚁群算法的输电钢管塔结构优化设计方法,步骤如下:
1)首先建立输电钢管塔结构优化数学模型,该蚁群算法数学模型以输电钢管塔结构的材料质量最轻为目标函数,以输电钢管杆的强度和刚度为约束条件,以钢管杆的截面尺寸为设计变量;
2)将用于确定输电钢管塔设计方案的对应参数组负载于蚁群上,使蚁群的位置与信息素浓度由该参数组来表示,蚁群的位置与信息素浓度对应的不同参数组可以确定不同的钢管杆截面尺寸设计方案,每个位置和信息素浓度对应一种输电塔设计方案;
3)采用蚁群算法进行优化分析,通过对蚁群位置和信息素浓度的更新,来达到在解空间中搜寻全局最优解的目的,具体优化公式为:
s.t.
gj(Ai)≤0 j=1,2,L,NG
其中,W为结构的总质量;ρi和Li分别为杆件的密度和长度;Ai为杆件截面设计变量;gj为约束函数;S为截面变量离散域;M为杆件数;NG为约束函数数量;NS为离散截面型号数量,由于所有杆件都采用钢材,所以选择结构重量作为目标函数,而约束条件为所用杆件材料的强度和刚度。
第3)步采用蚁群算法来搜寻蚁群的全局最优解,涉及启发式函数和信息素调整两个概念,涉及如下概念:
1)启发式函数:
表示在t时刻i节点至j节点的期望值,反映了环境中的信息素浓度对路径选择概率的影响,是蚂蚁群体协作紧密程度的一个表征;
2)信息素调整
τij(t+n)=(1-ρ)·τij(t)+Δτij(t)
其中ρ为挥发系数,表现环境中信息素衰减的速度,可认为选取(0,1)中的任何值;Δτij(t)为i-j路径信息素增量,为蚂蚁k在i-j路径上的信息素增量。
第3)步采用蚁群算法来搜寻蚁群的全局最优解,所采用约束条件为强度约束条件和挠度约束条件。
4)当搜寻结束后输出全局最优解,该最优解由一组参数表示,将该组参数中的数据转化为确定输电塔设计方案的相应结构参数,该结构参数确定的输电塔设计方案即为需要的的输电钢管塔结构材料质量最轻的方案,最后输出钢管杆的截面尺寸优化设计方案。
如图1所示为某一110kV混压输电双杆钢管杆SSFG2,主杆截面为十六边形,分为7段,稍径为850mm,根径为1900mm,两主杆之间的中心距为3.2m,总高度为62.5m,呼高27m,主体结构采用Q420钢,局部采用Q345钢,钢管杆总质量为88663kg,下面采用本发明提供方法进行截面优化设计,具体过程如下:
1.采用有限元法ANSYS软件建立钢管塔有限元分析模型:
双杆钢管杆由两根主杆(每根主杆分为7段),16根横担以及8根连接杆组成,主杆与主杆、主杆与横担、主杆与连接杆之间的连接均采用法兰盘连接,故将此处连接视为刚接,考虑到此类输电塔的结构形式简单,采用梁单元模拟过于简化,因此钢管塔的各构件均采用壳单元模拟,忽略主杆与连接杆、横担之间的法兰盘连接。
表1SSFG2塔结构优化的设计变量
荷载工况:
在对铁塔进行有限元法力学分析过程中,高压输电线铁塔所承受的荷载主要可分为两部分:第一部分是铁塔自身产生的载荷,比如自重、风载、雪载等;第二部分是导线对铁塔的作用,在本次计算中导线对铁塔的作用将作为节点集中载荷直接施加在模型节点上。
表2SSFG2塔结构荷载工况
2.运用MATLAB设计蚁群算法的参数,初始化蚁群位置和信息素浓度,给出设计变量(钢管壁厚尺寸)上下界。
3.通过MATLAB软件与ANSYS软件的相互调用,计算各个工况下各个杆件的最大Mises应力。
对于双杆钢管杆SSFG2塔蚁群算法的种群为50,代数为200,即双杆钢管杆SSFG2塔的有限元分析次数为10000次,每次结构分析和启动ANSYS的总时间大约5秒,共计计算时间14个小时,表3-表5中分别给出了双杆钢管杆SSFG2初始方案、优化方案的设计变量取值、重量以及其八种工况下的最大应力和位移。
表3SSFG2塔初始值和最优值结果比较
表4SSFG2塔最大Mises应力/MPa
表5SSFG2塔最大位移/mm
在满足约束条件下,分析对比表3-表5的数据可知:
(1)采用初始方案设计的SSFG2塔的结构质量达88663kg,经过构件截面尺寸优化设计后,结构的质量下降到75967kg,减重率达14.32%。
(2)SSFG2双杆钢管塔经优化后位移由初始值333.2mm增加到636.9mm,虽然增加了303.7mm,但是优化后的位移值未超过规范值15h/1000=937.5mm,满足规范要求。
(3)SSFG2双杆钢管塔经优化后最大Mises应力由初始值351.4MPa增加到380.8MPa,略大于Q420钢材的许用应力380MPa,可认为结构强度满足规范要求。
4.更新蚁群的位置和信息素浓度,重新赋值设计变量。
5.判定迭代结果是否收敛,如果收敛,则进入下一步,否则,返回到步骤2继续迭代。
6.对所有的设计变量进行后处理,选择适当的钢管壁厚尺寸。
7.对处理后的结果进行校核。
8.计算结束,输出最优解结果。
其中步骤7需要满足以下约束条件:
1)强度约束
σmax≤[σ]
式中:σmax—钢管塔最大Mises应力值;[σ]—钢材构件应力设计强度,对于Q420钢材,强度设计值为380MPa。
2)挠度约束
umax≤[u]
式中:umax—钢管塔最大位移值;[u]—挠度限值,依据规范[17]章节6.2规定钢管杆塔在长期荷载作用下位移限值为15h/1000。
采用本发明提供的基于蚁群算法的输电钢管塔结构优化设计方法,对SSFG2双杆钢管塔进行优化,优化过程简单便捷、需要调整参数少、收敛快,且SSFG2双杆钢管塔优化后构件的最大应力均小于材料的设计强度,且塔顶最大位移值小于规范要求,满足设计要求,相对于初始设计的杆件总重量,经过结构优化,SSFG2塔实现了减重14.32%,达到节约制造成本的目标。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围内。
Claims (3)
1.一种基于蚁群算法的输电钢管塔结构优化设计方法,其特征在于,步骤如下:
1)首先建立输电钢管塔结构优化数学模型,该蚁群算法数学模型以输电钢管塔结构的材料质量最轻为目标函数,以输电钢管杆的强度和刚度为约束条件,以钢管杆的截面尺寸为设计变量;
2)将用于确定输电钢管塔设计方案的对应参数组负载于蚁群上,使蚁群的位置与信息素浓度由该参数组来表示,蚁群的位置与信息素浓度对应的不同参数组可以确定不同的钢管杆截面尺寸设计方案,每个位置和信息素浓度对应一种输电塔设计方案;
3)采用蚁群算法进行优化分析,通过对蚁群位置和信息素浓度的更新,来达到在解空间中搜寻全局最优解的目的;
4)当搜寻结束后输出全局最优解,该最优解由一组参数表示,将该组参数中的数据转化为确定输电塔设计方案的相应结构参数,该结构参数确定的输电塔设计方案即为需要的的输电钢管塔结构材料质量最轻的方案,最后输出钢管杆的截面尺寸优化设计方案。
2.根据权利要求1所述的方法,其特征在于,所述第3)步采用蚁群算法来搜寻蚁群的全局最优解,具体优化公式为:
s.t.
gj(Ai)≤0 j=1,2,L,NG
其中,W为结构的总质量;ρi和Li分别为杆件的密度和长度;Ai为杆件截面设计变量;gj为约束函数;S为截面变量离散域;M为杆件数;NG为约束函数数量;NS为离散截面型号数量。
3.根据权利要求1所述的方法,其特征在于,所示第3)步采用蚁群算法来搜寻蚁群的全局最优解,涉及启发式函数和信息素调整两个概念,涉及如下概念:
1)启发式函数:
表示在t时刻i节点至j节点的期望值,反映了环境中的信息素浓度对路径选择概率的影响,是蚂蚁群体协作紧密程度的一个表征;
2)信息素调整
τij(t+n)=(1-ρ)·τij(t)+Δτij(t)
其中ρ为挥发系数,表现环境中信息素衰减的速度,可认为选取(0,1)中的任何值;Δτij(t)为i-j路径信息素增量,为蚂蚁k在i-j路径上的信息素增量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810616910.0A CN108920782A (zh) | 2018-09-30 | 2018-09-30 | 一种基于蚁群算法的输电钢管塔结构优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810616910.0A CN108920782A (zh) | 2018-09-30 | 2018-09-30 | 一种基于蚁群算法的输电钢管塔结构优化设计方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108920782A true CN108920782A (zh) | 2018-11-30 |
Family
ID=64420323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810616910.0A Pending CN108920782A (zh) | 2018-09-30 | 2018-09-30 | 一种基于蚁群算法的输电钢管塔结构优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108920782A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851904A (zh) * | 2019-11-12 | 2020-02-28 | 武汉理工大学 | 一种外框内筒电视塔结构参数灵敏度快速分析方法及系统 |
CN111859733A (zh) * | 2020-06-19 | 2020-10-30 | 江西五十铃汽车有限公司 | 一种基于蚁群算法的汽车排气系统可靠性优化方法 |
CN112380645A (zh) * | 2020-11-09 | 2021-02-19 | 上海海事大学 | 一种基于蚁群算法的螺旋输送机优化设计方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105243460A (zh) * | 2015-11-12 | 2016-01-13 | 重庆大学 | 一种基于改进人工鱼群算法的输电塔塔腿辅材拓扑结构优化方法 |
CN105887913A (zh) * | 2015-09-10 | 2016-08-24 | 安徽华电工程咨询设计有限公司 | 一种浅水区杆塔基础施工用钢构平台与栈桥结构设计方法 |
CN107016196A (zh) * | 2017-04-10 | 2017-08-04 | 合肥工业大学 | 一种基于萤火虫算法的窄基角钢输电塔结构优化设计方法 |
-
2018
- 2018-09-30 CN CN201810616910.0A patent/CN108920782A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105887913A (zh) * | 2015-09-10 | 2016-08-24 | 安徽华电工程咨询设计有限公司 | 一种浅水区杆塔基础施工用钢构平台与栈桥结构设计方法 |
CN105243460A (zh) * | 2015-11-12 | 2016-01-13 | 重庆大学 | 一种基于改进人工鱼群算法的输电塔塔腿辅材拓扑结构优化方法 |
CN107016196A (zh) * | 2017-04-10 | 2017-08-04 | 合肥工业大学 | 一种基于萤火虫算法的窄基角钢输电塔结构优化设计方法 |
Non-Patent Citations (5)
Title |
---|
张卓群: "基于蚁群算法的输电塔结构离散变量优化", 《万方数据》 * |
张卓群等: "基于蚁群算法的输电塔结构局部优化设计", 《建筑科学与工程学报》 * |
林友新等: "输电塔结构的拓扑优化设计方法", 《沈阳建筑大学学报(自然科学版)》 * |
罗正帮等: "新型双回路窄基角钢塔的结构优化设计", 《特种结构》 * |
金树等: "输电塔结构离散变量优化设计方法", 《工程力学》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110851904A (zh) * | 2019-11-12 | 2020-02-28 | 武汉理工大学 | 一种外框内筒电视塔结构参数灵敏度快速分析方法及系统 |
CN111859733A (zh) * | 2020-06-19 | 2020-10-30 | 江西五十铃汽车有限公司 | 一种基于蚁群算法的汽车排气系统可靠性优化方法 |
CN111859733B (zh) * | 2020-06-19 | 2023-06-27 | 江西五十铃汽车有限公司 | 一种基于蚁群算法的汽车排气系统可靠性优化方法 |
CN112380645A (zh) * | 2020-11-09 | 2021-02-19 | 上海海事大学 | 一种基于蚁群算法的螺旋输送机优化设计方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768573A (zh) | 基于多目标差分灰狼算法的配电网无功优化方法 | |
CN107169631B (zh) | 基于改进加权Voronoi图的有源配电网变电站规划方法 | |
CN109886468A (zh) | 基于改进的自适应遗传算法的充电站规划方法 | |
CN110119888A (zh) | 一种基于分布式电源接入的有源网格化规划方法 | |
CN107016196A (zh) | 一种基于萤火虫算法的窄基角钢输电塔结构优化设计方法 | |
CN109599894B (zh) | 一种基于改进遗传算法的dg并网优化配置方法 | |
CN104682405A (zh) | 一种基于禁忌粒子群算法的配电网无功优化方法 | |
CN110334391A (zh) | 一种多维度约束风电场集电线路自动规划方法 | |
CN108920782A (zh) | 一种基于蚁群算法的输电钢管塔结构优化设计方法 | |
CN110912200B (zh) | 一种梯级水电站优化调度系统、方法及安全电网系统 | |
CN108717608A (zh) | 百万千瓦级滩涂光伏电站接入电网综合决策方法及系统 | |
CN105243460A (zh) | 一种基于改进人工鱼群算法的输电塔塔腿辅材拓扑结构优化方法 | |
CN112668129B (zh) | 基于空间负荷聚类的配电网多级网格智能划分方法 | |
CN105574681A (zh) | 一种多时间尺度社区能源局域网能量调度方法 | |
CN105704741A (zh) | 一种异构网络接入选择策略 | |
CN105896573B (zh) | 一种用于能源互联网复合储能系统的功率控制方法 | |
CN102946610A (zh) | 一种微波网络规划的方法及系统 | |
CN115879742B (zh) | 配电网改造方法、系统、电子设备及存储介质 | |
CN105787814A (zh) | 一种用于确定配电网降损潜力大小的方法以及装置 | |
CN105701735A (zh) | 一种配电网降损潜力评估方法及装置 | |
CN109447307A (zh) | 一种基于改进帝国殖民竞争算法的分布式电源选址模型优化方法 | |
CN115146939A (zh) | 一种电网工程项目综合技术水平预评价方法 | |
CN104377689A (zh) | 配电网降损方法和装置 | |
Li et al. | Optimal partition of power distribution network service areas based on improved K-Means algorithm | |
CN117436222B (zh) | 一种配电网最大供电能力计算方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20181130 |
|
WD01 | Invention patent application deemed withdrawn after publication |