CN115034015A - 一种办公塔楼结构系统多级优化方法 - Google Patents
一种办公塔楼结构系统多级优化方法 Download PDFInfo
- Publication number
- CN115034015A CN115034015A CN202210731780.1A CN202210731780A CN115034015A CN 115034015 A CN115034015 A CN 115034015A CN 202210731780 A CN202210731780 A CN 202210731780A CN 115034015 A CN115034015 A CN 115034015A
- Authority
- CN
- China
- Prior art keywords
- constraint
- component
- constraints
- optimization
- design
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
Landscapes
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Feedback Control In General (AREA)
Abstract
本发明涉及一种办公塔楼结构系统多级优化方法,包括:步骤1:针对办公塔楼结构建立多级分解模型;步骤2:确定最优摄动构件组;步骤3:设置驱动约束,通过驱动约束的冗余度将设计约束划分为约束过度、约束适度、约束平衡和约束不足四种状态;步骤4:计算各个构件组的敏感性系数;步骤5:根据相对敏感性系数的数值对构件组进行分类;步骤6:采用基于组合排序法的双驱动约束策略对分类后的构建组内的构件进行优化;步骤7:计算分析有限元模型,直至驱动约束状态调整为适度约束,完成优化。与现有技术相比,本发明具有能够减少办公塔楼材料用料、提升结构经济性以及整体性能等优点。
Description
技术领域
本发明涉及结构工程技术领域,尤其是涉及一种办公塔楼结构系统多级优化方法。
背景技术
随着近年来社会经济水平的快速提升以及科学技术的迅猛发展,各大城市不断兴建了越来越多的超高层建筑以解决人口不断增长和土地资源紧张的矛盾。根据国际高层建筑与人居环境协会(CTBUH)统计数据,全球已建成高度最高前100的超高层建筑中国占50栋,其中高度最高前10的超高层建筑中国占7栋(上海中心大厦632米、深圳平安金融中心599米、广州CTF金融中心530米、天津CTF金融中心530米、北京中信大厦528米和台北101大厦508米)。建筑物是全球能源消耗的主要贡献者(30-40%),对40-50%的温室气体排放负责。由于远高于普通建筑物的材料用量和能源消耗,超高建筑物对环境的影响已引起广泛关注,如何降低全生命周期资源和能源消耗是超高层建筑研究的重要主题。高性能结构系统是超高层建筑安全性的重要保障,结构系统在超高层建筑工程总体造价占比可达20%~30%,并且在运营阶段维护和改造费用庞大,提高结构性能、减少结构材料和优化全生命周期成本的要求贯穿超高层建筑设计的全过程。
优化技术一方面通过结构材料的高效利用有效提升了结构性能和可靠性,另一方面通过降低工程造价实现了较好的经济和环境效益,从而有利于实现高性能低成本的设计目标。土木工程基本上是单个发明材料及资源消耗大的定制化产品。由于社会总体的材料及资源消耗巨大,土木工程领域对优化设计技术有着更为迫切和广泛的应用需求。
敏感性系数是结构优化中一重要参数,表示约束条件关于优化变量的敏感程度。优化变量为构件体积时,敏感性系数表示构件单位体积变化对约束条件的影响。增加对约束条件敏感的构件尺寸,减小对约束条件不敏感的构件尺寸,可合理再分配材料。
高层建筑结构传统设计方法往往存在大量冗余,一方面消耗大量工程材料及能源,存在较大优化空间;另一方面由于未能合理有效利用结构材料,可能导致增加安全风险。此外,传统设计方法基于经验判断和人工迭代,设计工作量繁重,设计效率有待提升。目前高层建筑结构优化设计研究偏重于对以建造成本为目标的结构单一层级的优化研究,对实际工程涉及多个层级数万个设计变量和数百个工程约束条件的大规模工程系统优化问题研究较为薄弱,导致优化技术难以被工程设计人员掌握和运用。因此,亟需一种办公塔楼结构系统多级优化方法来指导对办公塔楼结构的多级优化。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种能够减少办公塔楼材料用料、提升结构经济性以及整体性能的办公塔楼结构系统多级优化方法。
本发明的目的可以通过以下技术方案来实现:
一种办公塔楼结构系统多级优化方法,所述的优化方法包括:
步骤1:针对办公塔楼结构建立多级分解模型;
步骤2:确定最优摄动构件组;
步骤3:设置驱动约束,通过驱动约束的冗余度将设计约束划分为约束过度、约束适度、约束平衡和约束不足四种状态;
步骤4:计算各个构件组的敏感性系数;
步骤5:根据相对敏感性系数的数值对构件组进行分类;
步骤6:采用基于组合排序法的双驱动约束策略对分类后的构建组内的构件进行优化;
步骤7:计算分析有限元模型,直至驱动约束状态调整为适度约束,完成优化。
作为优选的技术方案,所述的多级分解模型具体为:
针对抗侧力系统和竖向承重系统分别构建多级分解子模型,每个模型均包括系统层、组件层和构件层三层物理层;
抗侧力系统多级分解子模型的系统层包括巨型框架核心筒系统,组件层包括框架、核心筒和嵌固层,构件层包括柱、梁、剪力墙和楼板;
竖向承重系统多级分解子模型的系统层包括竖向承重系统,组件层包括楼盖和基础,构件层包括柱、剪力墙、板、梁、筏板和桩。
作为优选的技术方案,所述的多级分解模型的优化目标为:全生命周期成本;
设计变量为:构件成本;
约束条件包括:
整体约束,包括周期、层间位移角、剪重比、刚重比和舒适度;
组件约束,包括外框架承担剪力比例和环带桁架与巨柱的刚度比;
构件约束,包括应力比、挠度和轴压比。
作为优选的技术方案,所述设计约束冗余度的计算方法为:
作为优选的技术方案,所述的步骤4具体为:
采用虚功敏感性系数分析法或等增量敏感性分析法计算各个构件组的敏感性系数。
作为优选的技术方案,所述步骤6中组合排序法的表达式为:
其中,ga和gb分别表示驱动约束a和驱动约束b的数值;和分别表示约束a关于设计变量k和设计变量l的敏感性系数;和分别表示约束b关于设计变量k和设计变量l的敏感性系数;Δk和Δl分别表示设计变量k和设计变量l的改变量;Limita和Limitb分别表示驱动约束a和驱动约束b的限值。
作为优选的技术方案,所述的步骤6具体为:
步骤6-1:对不同的构建组合k和l求出其变化量Δk和Δl,使驱动约束a和驱动约束b达到限值;
步骤6-2:求解每个组合的Δk+Δl,通过排序,根据预设阈值筛选Δk+Δl数值最低的若干构件组;
步骤6-3:更新模型,计算更新后驱动约束a和驱动约束b的数值;
步骤6-4:判断是否满足停止迭代条件,若是,则执行步骤6-5,否则,返回步骤6-1;
停止迭代条件为驱动约束达到限值或设计变量达到限值;
步骤6-5:验证其余约束,结束优化。
作为优选的技术方案,所述的步骤6-2具体为:
作为优选的技术方案,所述的步骤6还包括:
针对构件组单步变化量设置如下约束:
各构件组单步变化量限值为原设计变量的10%。
作为优选的技术方案,所述的步骤6还包括:
针对构件组累计变化量设置如下约束:
各构件组的累计变化量限值为原设计变量的30%。
与现有技术相比,本发明具有以下有益效果:
本发明中的办公塔楼结构系统多级优化方法以全生命周期成本为优化目标,采用敏感性系数将构件组分类,并采用基于组合排序法的双驱动优化设计的方式,可以有效减少办公塔楼材料用料,提升办公塔楼的结构经济性,有效提高其整体性能。
附图说明
图1为本发明实施例中办公塔楼系统多级优化方法的流程示意图;
图2为本发明实施例中抗侧力系统多级分解子模型的结构示意图;
图3为本发明实施例中竖向承重系统多级分解子模型的结构示意图;
图4为本发明实施例中基于组合排序法的双驱动约束优化设计流程示意图;
图5为本发明实施例中基于约束状态-敏感性判别法双驱动约束优化设计策略示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都应属于本发明保护的范围。
此处所称的“一个实施例”或“实施例”是指可包含于本申请至少一个实现方式中的特定特征、结构或特性。在本申请的描述中,需要理解的是,术语“上”、“下”、“左”、“右”、“顶”、“底”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本申请和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本申请的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含的包括一个或者更多个该特征。而且,术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
实施例1
图1是本申请实施例中提供的一种办公塔楼结构系统多级优化方法的流程图。本申请提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。该方法应可以由软件和/或硬件的方式实现。请参见图1,所述方法可以包括:
S101:针对办公塔楼结构建立多级分解模型;
S102:确定最优摄动构件组;
S103:设置驱动约束,通过驱动约束的冗余度将设计约束划分为约束过度、约束适度、约束平衡和约束不足四种状态;
S104:计算各个构件组的敏感性系数;
S105:根据相对敏感性系数的数值对构件组进行分类;
S106:采用基于组合排序法的双驱动约束策略对分类后的构建组内的构件进行优化;
S107:计算分析有限元模型,直至驱动约束状态调整为适度约束,完成优化。
可选的,多级分解模型具体为:
针对抗侧力系统和竖向承重系统分别构建多级分解子模型,每个模型均包括系统层、组件层和构件层三层物理层;
如图2所示,抗侧力系统多级分解子模型的系统层包括巨型框架核心筒系统,组件层包括框架、核心筒和嵌固层,构件层包括柱、梁、剪力墙和楼板;
如图3所示,竖向承重系统多级分解子模型的系统层包括竖向承重系统,组件层包括楼盖和基础,构件层包括柱、剪力墙、板、梁、筏板和桩。
可选的,多级分解模型的优化目标为:全生命周期成本;
设计变量为:构件成本;
约束条件包括:
整体约束,包括周期、层间位移角、剪重比、刚重比和舒适度;
组件约束,包括外框架承担剪力比例和环带桁架与巨柱的刚度比;
构件约束,包括应力比、挠度和轴压比。
可选的,设计约束冗余度的计算方法为:
可选的,S104具体为:
采用虚功敏感性系数分析法或等增量敏感性分析法计算各个构件组的敏感性系数。
可选的,S106中组合排序法的表达式为:
其中,ga和gb分别表示驱动约束a和驱动约束b的数值;和分别表示约束a关于设计变量k和设计变量l的敏感性系数;和分别表示约束b关于设计变量k和设计变量l的敏感性系数;Δk和Δl分别表示设计变量k和设计变量l的改变量;Limita和Limitb分别表示驱动约束a和驱动约束b的限值。
可选的,如图4所示,S106具体为:
S106-1:对不同的构建组合k和l求出其变化量Δk和Δl,使驱动约束a和驱动约束b达到限值;
S106-2:求解每个组合的Δk+Δl,通过排序,根据预设阈值筛选Δk+Δl数值最低的若干构件组;
S106-3:更新模型,计算更新后驱动约束a和驱动约束b的数值;
S106-4:判断是否满足停止迭代条件,若是,则执行步骤6-5,否则,返回步骤6-1;
停止迭代条件为驱动约束达到限值或设计变量达到限值;
S106-5:验证其余约束,结束优化。
可选的,S106-2具体为:
可选的,S106还包括:
针对构件组单步变化量设置如下约束:
各构件组单步变化量限值为原设计变量的10%。
可选的,S106还包括:
针对构件组累计变化量设置如下约束:
各构件组的累计变化量限值为原设计变量的30%。
现对敏感性系数的准确性作出说明,一是用敏感性系数的初始值估算约束数值的改变量是否准确,二是优化过程将敏感性系数当作常量是否准确。对于第一点,通过敏感性分析表明,设计变量改变量的大小会影响敏感性系数的绝对值,但对相对值影响不大。若对敏感性系数都乘以同一个系数,可以看出Δk,Δl的解将改变,但Δk/Δl不会改变。由于设置了各构件组调整幅度的上限,Δk和Δl的数值不影响优化结果,Δk/Δl影响优化结果,故可用敏感性系数的初始值估算约束数值的改变量。对于第二点,敏感性系数在优化过程中会发生变化,但变化不大,故将敏感性系数当作常量处理。
再对区分多个优化步的必要性作出说明。组合排序法成立的前提条件是,用敏感性系数、设计变量改变量估算约束数值,与模型分析出的约束数值相等。但实际上,估算的约束数值与模型实际数值会产生误差,随着优化的进程加深,误差逐渐积累。为消除估算约束数值与实际约束数值之间的误差,优化一定构件组后需设置新的优化步,更新约束数值。
实施例2
区别于实施例1所采用的双驱动约束优化,本实施例采用三驱动优化的方式,具体为:
双驱动约束的情况极易推广到三个及以上驱动约束,本节仅列出三驱动约束的情况。假设对于三驱动约束,每个优化步只调整3个构件组,组合排序法的原理可用下式表示:
式中,ga,gb,gc分别表示驱动约束a,驱动约束b,驱动约束c的数值; 分别表示约束a关于设计变量k,设计变量l,设计变量m的敏感性系数; 分别表示约束b关于设计变量k,设计变量l,设计变量m的敏感性系数; 分别表示约束c关于设计变量k,设计变量l,设计变量m的敏感性系数;Δk,Δl,Δm分别表示设计变量k,设计变量l,设计变量m的改变量;Limita,Limitb,Limitc分别表示驱动约束a,驱动约束b,驱动约束c的限值。
通过结构分析和敏感性分析,上式中ga,gb,gc, Limita,Limitb,Limitc都为已知量,通过解方程可求出未知量Δk,Δl和Δm(k=1,2,...,P,l=1,2,...,P,m=1,2,...,P且k≠l≠m,P为构件组的总数)。构件组k,l和m的组合共有组,求出每个组合的Δk+Δl+Δm,对其进行排序,Δk+Δl+Δm最小的组合,即使三驱动约束达到约束平衡状态时花费造价最小的组合。
考虑工程的可实施性,在每个优化步,设定各构件组可调整的幅度上限为原造价的10%,设调整的构件组造价为Δ′k,Δl′,Δ′m,则Δ′k/Δ′l/Δ′m=Δk/Δl/Δm,且Δ′k,Δl′,Δ′m都不超过构件组原造价的10%,如此调整排序前5的构件组合。重新分析模型,更新驱动约束a,b和c的数值,代入上式重新计算Δk+Δl+Δm,开始新的优化步。在整个优化设计阶段,设定各构件组可调整的幅度上限为原造价的30%。约束a,b和c达到约束平衡或构件组调整幅度全部达到原造价的30%时,验证其余约束,结束优化。
实施例3
区别于实施例1所采用的基于组合排序法的双驱动约束策略,本实施例采用基于约束-敏感性判别法的约束策略,具体为:
约束状态-敏感性判别法是设计者基于各约束状态和各约束敏感性,定性分析构件改变与约束数值改变的关系,制订优化策略的多驱动约束优化设计方法。以双驱动约束为例,选取驱动约束a和b,分析约束a和b的冗余度,将设计约束分为十六种状态如表1所示,由于表1关于斜对角线对称(此处对称指交换a、b后约束状态相同),故只需讨论十种约束状态。
表1双驱动约束条件下约束状态分类
将构件组根据敏感性系数分为16类如表2所示,其中对a和b敏感和不敏感根据构件的相对敏感性系数区分。相对敏感性系数的取值范围为-100~100,本节将相对敏感性系数绝对值大于30的构件定义为设计约束的敏感构件,其余为不敏感构件。
表2双驱动约束条件下构件组分类
根据约束条件的冗余度状态进行构件尺寸调整,各约束状态下,构件调整策略如图5所示。图中箭头的数目表示优先级,箭头数目越多,表示优先级越高。
优化策略可分为三个优化步。应当注意的是,在每个优化步结束后,都应验算约束a和b的数值,若约束状态改变,应根据最新的约束状态改变优化策略。
1)对于状态,第一个优化步降低对约束a和b敏感性都为负的构件,约束a和b数值增加,冗余度增大;第二个优化步减小对某一约束敏感性为负,对另一约束敏感性为正且不敏感的构件,和对约束a和b敏感性都为正且不敏感的构件尺寸;第三个优化步减小对某一约束敏感性系数为正且不敏感,对另一约束敏感性为正且敏感的构件,和对约束a和b敏感性都为正且敏感的构件尺寸,约束a和b数值减小,冗余度减小至0。
2)对于状态,第一个优化步降低对约束b敏感性为负且不敏感的构件,约束b数值增加,接近限值;第二个优化步减小对约束b敏感性为负且敏感的构件,约束b数值增加,接近限值;第三个优化步减小对约束b敏感性系数为正且不敏感的构件,增加对约束b敏感性系数为正且敏感的构件,使约束b达到限值。对于约束a,减小了敏感性为正和敏感性为负的构件尺寸,为使约束a冗余度减小至0,在构件调整过程中应把握好对约束a敏感性为负、敏感性为正且不敏感、敏感性为正且敏感的构件比例。
3)对于状态,第一个优化步降低对约束a敏感性为正、对约束b敏感性都为负的构件,约束a数值降低,约束b数值增加,冗余度都增大;第二个优化步减小对约束a敏感性为正,对约束b敏感性为正且不敏感的构件,对约束a敏感性为负且不敏感,对约束b敏感性为负的构件,和对约束a敏感性为负且不敏感,对约束b敏感性为正且不敏感的构件;第三个优化步减小对约束a敏感性为负且不敏感,对约束b敏感性为正且敏感的构件,对约束a敏感性为负且敏感,对约束b敏感性为正且不敏感的构件,和对约束a敏感性为负且敏感,对约束b敏感性为正且敏感的构件,约束a数值增加,约束b数值减小,冗余度减小至0。
4)对于状态,第一个优化步降低对约束a敏感性为正且不敏感的构件,约束a数值减小,接近限值;第二个优化步减小对约束a敏感性为正且敏感的构件,约束a数值减小,接近限值;第三个优化步减小对约束a敏感性系数为负且不敏感的构件,增加对约束a敏感性系数为负且敏感的构件,使约束a达到限值。对于约束b,减小了敏感性为正和敏感性为负的构件尺寸,为使约束b冗余度减小至0,在构件调整过程中应把握好对约束b敏感性为负、敏感性为正且不敏感、敏感性为正且敏感的构件比例。
5)对于状态,第一个优化步降低对约束a和b敏感性为负且不敏感的构件,约束a和b数值增加,接近限值;第二个优化步减小对某一约束敏感性为负且不敏感,对另一约束敏感性为负且敏感的构件,和对约束a和b敏感性为负且敏感的构件,约束a和b数值增加,接近限值;第三个优化步增加对约束a和b敏感性为正且敏感的构件,约束a和b数值增加,达到限值。
6)对于状态,第一个优化步降低对约束b敏感性为负且不敏感的构件,约束b数值增加,接近限值;第二个优化步减小对约束b敏感性为负且敏感的构件,约束b数值增加,接近限值;第三个优化步减小对约束b敏感性系数为正且不敏感的构件,增加对约束b敏感性系数为正且敏感的构件,使约束b达到限值。对于约束a,减小了敏感性为正和敏感性为负的构件尺寸,为使约束a冗余度减小至0,在构件调整过程中应把握好对约束a敏感性为正、敏感性为负且不敏感、敏感性为负且敏感的构件比例。
7)对于状态,第一个优化步降低对约束a敏感性为正且不敏感,对约束b敏感性为负且不敏感的构件,约束a数值减小,约束b数值增加,约束a和b接近限值;第二个优化步减小对约束a敏感性为正且不敏感,对约束b敏感性为负且敏感的构件,对约束a敏感性为正且敏感,对约束b敏感性为负且不敏感的构件,和对约束a敏感性为正且敏感,对约束b敏感性为负且敏感的构件,约束a数值减小,约束b数值增加,约束a和b接近限值;第三个优化步增加对约束a敏感性为负且敏感,对约束b敏感性为正且敏感的构件,约束a数值减小,约束b数值增加,约束a和b达到限值。
8)对于状态,第一个优化步降低对约束a和b敏感性都为正的构件,约束a和b数值减小,冗余度增大;第二个优化步减小对某一约束敏感性为正,对另一约束敏感性为负且不敏感的构件,和对约束a和b敏感性都为负且不敏感的构件尺寸;第三个优化步减小对某一约束敏感性系数为负且不敏感,对另一约束敏感性为负且敏感的构件,和对约束a和b敏感性都为负且敏感的构件尺寸,约束a和b数值增加,冗余度减小至0。
9)对于状态,第一个优化步降低对约束a敏感性为正且不敏感的构件,约束a数值减小,接近限值;第二个优化步减小对约束a敏感性为正且敏感的构件,约束a数值减小,接近限值;第三个优化步减小对约束a敏感性系数为负且不敏感的构件,增加对约束a敏感性系数为负且敏感的构件,使约束a达到限值。对于约束b,减小了敏感性为正和敏感性为负的构件尺寸,为使约束b冗余度减小至0,在构件调整过程中应把握好对约束b敏感性为正、敏感性为负且不敏感、敏感性为负且敏感的构件比例。
10)对于状态,第一个优化步降低对约束a和b敏感性为正且不敏感的构件,约束a和b数值减小,接近限值;第二个优化步减小对某一约束敏感性为正且不敏感,对另一约束敏感性为正且敏感的构件,和对约束a和b敏感性为正且敏感的构件,约束a和b数值减小,接近限值;第三个优化步增加对约束a和b敏感性为负且敏感的构件,约束a和b数值减小,达到限值。
对于双驱动约束的情况,约束状态有16种,可简化为10种,构件按敏感性系数可分为16类,制定优化策略已较为困难;对于三驱动约束的情况,约束状态有64种,构件按敏感性系数可分为64类,制定优化策略极为困难且容易出错。且约束状态-敏感性判别法虽然考虑了双驱动约束的约束状态,但没有考虑驱动约束a和b数值离约束限值的距离,在优化过程中容易出现约束状态改变,需要重新制定优化策略。例如某结构初始状态为驱动约束a和b约束不足,且驱动约束a离限值极为接近,驱动约束b离限值较远,可能经过第一个优化步的调整后,约束a约束过度,约束b仍约束不足,需要重新制定优化策略。且约束状态-敏感性判别法只是定性指出了应该调整的构件组,需要多次试算才能达到双驱动约束都约束平衡或极为接近平衡状态,如果能定量确定构件的改变量以达到约束平衡状态,将极大提高优化设计效率。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到各种等效的修改或替换,这些修改或替换都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种办公塔楼结构系统多级优化方法,其特征在于,所述的优化方法包括:
步骤1:针对办公塔楼结构建立多级分解模型;
步骤2:确定最优摄动构件组;
步骤3:设置驱动约束,通过驱动约束的冗余度将设计约束划分为约束过度、约束适度、约束平衡和约束不足四种状态;
步骤4:计算各个构件组的敏感性系数;
步骤5:根据相对敏感性系数的数值对构件组进行分类;
步骤6:采用基于组合排序法的双驱动约束策略对分类后的构建组内的构件进行优化;
步骤7:计算分析有限元模型,直至驱动约束状态调整为适度约束,完成优化。
2.根据权利要求1所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的多级分解模型具体为:
针对抗侧力系统和竖向承重系统分别构建多级分解子模型,每个模型均包括系统层、组件层和构件层三层物理层;
抗侧力系统多级分解子模型的系统层包括巨型框架核心筒系统,组件层包括框架、核心筒和嵌固层,构件层包括柱、梁、剪力墙和楼板;
竖向承重系统多级分解子模型的系统层包括竖向承重系统,组件层包括楼盖和基础,构件层包括柱、剪力墙、板、梁、筏板和桩。
3.根据权利要求1所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的多级分解模型的优化目标为:全生命周期成本;
设计变量为:构件成本;
约束条件包括:
整体约束,包括周期、层间位移角、剪重比、刚重比和舒适度;
组件约束,包括外框架承担剪力比例和环带桁架与巨柱的刚度比;
构件约束,包括应力比、挠度和轴压比。
5.根据权利要求1所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的步骤4具体为:
采用虚功敏感性系数分析法或等增量敏感性分析法计算各个构件组的敏感性系数。
7.根据权利要求6所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的步骤6具体为:
步骤6-1:对不同的构建组合k和l求出其变化量Δk和Δl,使驱动约束a和驱动约束b达到限值;
步骤6-2:求解每个组合的Δk+Δl,通过排序,根据预设阈值筛选Δk+Δl数值最低的若干构件组;
步骤6-3:更新模型,计算更新后驱动约束a和驱动约束b的数值;
步骤6-4:判断是否满足停止迭代条件,若是,则执行步骤6-5,否则,返回步骤6-1;
停止迭代条件为驱动约束达到限值或设计变量达到限值;
步骤6-5:验证其余约束,结束优化。
9.根据权利要求7所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的步骤6还包括:
针对构件组单步变化量设置如下约束:
各构件组单步变化量限值为原设计变量的10%。
10.根据权利要求7所述的一种办公塔楼结构系统多级优化方法,其特征在于,所述的步骤6还包括:
针对构件组累计变化量设置如下约束:
各构件组的累计变化量限值为原设计变量的30%。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210731780.1A CN115034015A (zh) | 2022-06-25 | 2022-06-25 | 一种办公塔楼结构系统多级优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210731780.1A CN115034015A (zh) | 2022-06-25 | 2022-06-25 | 一种办公塔楼结构系统多级优化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115034015A true CN115034015A (zh) | 2022-09-09 |
Family
ID=83126538
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210731780.1A Pending CN115034015A (zh) | 2022-06-25 | 2022-06-25 | 一种办公塔楼结构系统多级优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115034015A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738803A (zh) * | 2023-08-14 | 2023-09-12 | 北京东方广厦模块化房屋有限公司 | 一种用于集成房屋设计的房屋性能分析方法和系统 |
-
2022
- 2022-06-25 CN CN202210731780.1A patent/CN115034015A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116738803A (zh) * | 2023-08-14 | 2023-09-12 | 北京东方广厦模块化房屋有限公司 | 一种用于集成房屋设计的房屋性能分析方法和系统 |
CN116738803B (zh) * | 2023-08-14 | 2023-11-03 | 北京东方广厦模块化房屋有限公司 | 一种用于集成房屋设计的房屋性能分析方法和系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102867101B (zh) | 一种确定桁架结构参数的方法 | |
CN108595728A (zh) | 一种蜂窝材料的铺层等效有限元模型构建方法 | |
CN104866692A (zh) | 一种基于自适应代理模型的飞行器多目标优化方法 | |
CN108416083B (zh) | 一种高耸电视塔结构二维动力模型分析方法及系统 | |
CN106650125A (zh) | 一种离心压气机叶轮的优化方法和系统 | |
CN115034015A (zh) | 一种办公塔楼结构系统多级优化方法 | |
CN102682175B (zh) | 基于屈曲模态组合的网格结构施工误差可靠性分析方法 | |
CN109445906A (zh) | 一种虚拟机需求数量预测方法 | |
CN102493569B (zh) | 一种建筑结构基于抗震性能的优化方法和系统 | |
CN107395704A (zh) | 一种Spark云计算平台下的结构物理参数辨识方法 | |
CN113221278B (zh) | 一种车载光电平台照准架轻量化方法 | |
CN102129242A (zh) | 基于两层混合智能优化的批处理生产过程产品质量控制方法 | |
CN106096183B (zh) | 一种基于特征线法的多重并行方法 | |
CN102707623A (zh) | 一种预应力网格结构张拉全过程的反馈控制方法 | |
CN113836625A (zh) | 一种基于能力谱法的输电塔抗震性能等级划分方法及系统 | |
CN106056305A (zh) | 一种基于状态聚类的发电系统可靠性快速评估方法 | |
CN111985845A (zh) | 一种异构Spark集群的节点优先级调优方法 | |
Hoseini et al. | Structural design optimization of all-steel buckling-restrained braces using intelligent optimizers | |
Wang et al. | Utility of evolutionary design in architectural form finding: an investigation into constraint handling strategies | |
CN109324953A (zh) | 一种虚拟机能耗预测方法 | |
CN115221582A (zh) | 一种商业裙房结构系统多级优化方法 | |
CN111222738B (zh) | 一种风电集群功率预测及参数优化的方法 | |
CN111723418B (zh) | 预应力张拉控制方式的精确性判别方法 | |
CN102184316A (zh) | 一种自动选定变力弹簧型号及确定该型号信息的方法 | |
CN113722947B (zh) | 一种基于多目标粒子群算法的重型机床基础设计方法 |
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 |