CN116541975B - 一种基于代理模型的核电用塔机结构系统动态优化设计方法 - Google Patents
一种基于代理模型的核电用塔机结构系统动态优化设计方法 Download PDFInfo
- Publication number
- CN116541975B CN116541975B CN202310379576.2A CN202310379576A CN116541975B CN 116541975 B CN116541975 B CN 116541975B CN 202310379576 A CN202310379576 A CN 202310379576A CN 116541975 B CN116541975 B CN 116541975B
- Authority
- CN
- China
- Prior art keywords
- design
- tower crane
- dynamic
- sigma
- rod
- 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.)
- Active
Links
- 238000013461 design Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000005457 optimization Methods 0.000 title claims abstract description 52
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 238000010206 sensitivity analysis Methods 0.000 claims abstract description 9
- 238000005070 sampling Methods 0.000 claims abstract description 8
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 7
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 230000003068 static effect Effects 0.000 claims description 14
- 230000004044 response Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 8
- 238000012795 verification Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 230000002068 genetic effect Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 3
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 5
- 238000012827 research and development Methods 0.000 abstract description 5
- 238000004088 simulation Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 abstract description 4
- 230000008878 coupling Effects 0.000 abstract description 3
- 238000010168 coupling process Methods 0.000 abstract description 3
- 238000005859 coupling reaction Methods 0.000 abstract description 3
- 230000033001 locomotion Effects 0.000 abstract description 3
- 230000007246 mechanism Effects 0.000 abstract description 3
- 239000003795 chemical substances by application Substances 0.000 description 14
- 230000009471 action Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000002715 modification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
- B66C23/62—Constructional features or details
-
- 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
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- 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
- G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
-
- 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
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/086—Learning methods using evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Mechanical Engineering (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Monitoring And Testing Of Nuclear Reactors (AREA)
Abstract
本发明提出一种基于代理模型的核电用塔机结构系统动态优化设计方法。因考虑塔式起重机工作时，在起升、运行、回转和变幅等过程中，各个机构需频繁启动、制动并进行复杂的耦合运动，使结构承受强烈的冲击和振动，因此设计时需要考虑塔机的动态性能。本发明所述方法主要涉及对核电用塔机结构振动特性分析及结构设计变量灵敏度分析，尤其涉及到通过最优拉丁超立方设计OPLHD进行采样并获取设计参数初始样本，采用数值模拟方法计算初始样本点的固有频率，建立代理模型后采用NSGA‑II算法在设计空间内自动搜索最优解，从而对塔机系统进行动态优化设计。本发明优化周期短，优化效果好，研发成本小，且结果可信度高。
Description
技术领域
本发明属于塔吊技术领域，涉及塔机结构系统动态优化设计，特别是涉及一种基于代理模型的核电用塔机结构系统动态优化设计方法。
背景技术
因考虑到核电用塔式起重机(以下简称塔机)在工作时，起升、运行、回转、变幅等过程中各机构需要进行频繁启动、制动以及复杂的耦合运动，使得结构承受强烈的冲击和振动，并且会产生持续时间较长的衰减振动。严重的振动不仅影响塔机的工作效率，而且也会造成主要结构件的疲劳破坏。由于近些年来高强度钢材的普遍使用，使结构的强度以及稳定性能够得到很好的满足，然而结构的静、动刚度问题则更显著，塔机的动态性能在设计时必须加以考虑。目前，塔机的优化设计大多是以最小结构质量作为优化目标，对塔机动态特性方面的研究也是局限于模态分析及动态响应分析，而对于比较复杂的振动系统，结构的设计变量与其动态特性参数之间多是高度非线性关系，对于这类结构的动态优化设计，则主要以基于灵敏度分析的结构动力修改为主，但是对设计变量维数较高的系统，由于变量间相互制约关系，这种动力修改方法无法取得良好结果。对于绝大多数的工程设计问题，需要进行试验或数值模拟来确定采用不同参数时的目标函数和约束函数，例如设计优化、设计空间搜索、灵敏度分析等问题，需要进行数千甚至数万次的模拟任务，直接对原模型进行求解是不可能的，因此需要建立代理模型。代理模型可以把离散的试验设计数据连续化，得到试验设计样本响应值，进而建立一种近似的输入输出关系，在代理模型建立完成后再利用多目标非支配排序遗传算法NSGA-II寻找最优解。与基于CAE的试验设计法相比较，基于代理模型的优化方法能够使实际工程优化问题的优化周期大大缩短，研发成本大幅缩小，而且结果的可信度较高。因此本发明提出一种基于代理模型的核电用塔机结构系统动态优化设计方法。
发明内容
本发明目的是为了解决现有技术中的问题，提出了一种基于代理模型的核电用塔机结构系统动态优化设计方法。本发明所述基于代理模型的动态优化设计方法，可有效提高塔机的动态性能，且本发明优化周期短，优化效果好，研发成本小，且结果可信度高。
本发明是通过以下技术方案实现的，本发明提出一种基于代理模型的核电用塔机结构系统动态优化设计方法，所述方法具体为：
步骤一、采用ANSYS软件建立有限元模型，进而进行模态分析以及简谐振动响应分析，以确定对塔机结构动态性能影响最大的固有频率，并将最大固有频率和最小结构质量作为目标函数；
步骤二、利用有限元模型进行灵敏度分析，确定对优化目标影响大的一部分参数作为设计参数；
步骤三、确定约束条件；
步骤四、通过最优拉丁超立方设计OPLHD在设计参数空间内采样并获取设计参数的初始样本，采用FEM分析初始样本点的固有频率及结构最小质量；
步骤五、基于初始样本的输入和输出关系建立人工神经网络代理模型，然后按照一定比例分配训练集、验证集和测试集，对代理模型进行训练；
步骤六、以最大固有频率和最小结构质量为目标函数，基于代理模型采用多目标非支配排序遗传算法NSGA-II在设计空间内寻优，得到最优解集后选取其中若干进行FEM验证，评价代理模型精度，若满足，则进行下一步骤，否则返回步骤五；
步骤七、代理模型精度满足后，则基于代理模型进行寻优，得到最优结果。
进一步地，所述约束条件包括静强度、静刚度、动位移、杆件刚度、杆件稳定承载力和设计参数上、下限。
进一步地，所述约束条件静强度具体为：σmax≤[σ]，其中，[σ]为材料的许用应力、σmax为构件的最大应力。
进一步地，所述约束条件静刚度具体为：且/>其中，δb为空载状态下塔身与起重臂连接处节点的水平位移，δf为吊载状态下塔身与起重臂连接处节点的水平位移，H为塔身底部支座距塔身与起重臂连接点的垂直距离。
进一步地，所述约束条件动位移具体为：其中，δd为塔身顶部产生的最大动位移。
进一步地，所述约束条件杆件刚度具体为：其中，lk为杆件的计算长度、rk为杆件截面的惯性半径、[λ]为许用长细比。
进一步地，所述约束条件杆件稳定承载力具体为：其中，N为杆件的轴向压力，A为杆件的截面面积，/>为轴心压杆稳定系数，σMx和σMy为截面绕x轴和y轴的弯矩引起的应力。
进一步地，所述约束条件设计参数上、下限具体为：xjL≤xj≤xjU，其中，xjL和xjU分别为设计参数xj的下限与上限。
本发明提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种基于代理模型的核电用塔机结构系统动态优化设计方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种基于代理模型的核电用塔机结构系统动态优化设计方法的步骤。
与现有的塔机优化方法相比，本发明所述一种基于代理模型的核电用塔机结构系统动态优化设计方法先利用ANSYS建模进行模态分析、简谐振动响应分析确定对结构动态性能影响最大的固有频率，进而将最大固有频率和最小结构质量作为目标函数，接着利用灵敏度分析确定对优化目标影响较大的一部分参数作为设计变量，约束函数除常规优化方法中的强度、刚度等外，还考虑了动载荷作用下的动位移响应。除此之外，本发明所述一种基于代理模型的核电用塔机结构系统动态优化设计方法中在确定设计变量、约束及优化目标之后建立代理模型进行优化，这种基于代理模型的动态优化设计方法，可有效提高塔机的动态性能，且本发明优化周期短，优化效果好，研发成本小，且结果可信度高。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1是本发明所述一种基于代理模型的核电用塔机结构系统动态优化设计方法的流程示意图。
图2是采用ANSYS建立的塔机有限元模型示意图。
图3是最优拉丁超立方设计相对于拉丁超立方设计在数据采样方面的优势效果图，图中，左侧为拉丁超立方设计，右侧为最优拉丁超立方设计。
图4是基于代理模型的优化流程图。
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，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。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前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明旨在提出一种基于代理模型的核电用塔机结构系统动态优化设计方法。通过建立代理模型对塔机结构进行动态优化设计，利用模态分析以及简谐振动响应分析确定对结构动态性能影响最大的固有频率，将最大固有频率和最小结构质量作为目标函数，利用灵敏度分析确定对优化目标影响较大的部分参数作为设计变量，确定约束函数，除常规优化方法中的强度、刚度等外，还考虑了动载荷作用下的动位移响应，通过最优拉丁超立方设计OPLHD在设计参数空间内进行采样并获取设计参数初始样本，采用FEM数值模拟计算初始样本点的固有频率，根据输入输出关系建立代理模型进行优化，这种基于代理模型的动态优化设计方法，可有效提高塔机的动态性能。
结合图1-图4，本发明提出一种基于代理模型的核电用塔机结构系统动态优化设计方法，所述方法具体为：
步骤一、采用ANSYS软件建立有限元模型，进而进行模态分析以及简谐振动响应分析，以确定对塔机结构动态性能影响最大的固有频率，并将最大固有频率和最小结构质量作为目标函数；
步骤二、利用有限元模型进行灵敏度分析，确定对优化目标影响大的一部分参数作为设计参数；
步骤三、确定约束条件；
步骤四、通过最优拉丁超立方设计OPLHD在设计参数空间内采样并获取设计参数的初始样本，采用FEM分析初始样本点的固有频率及结构最小质量；
步骤五、基于初始样本的输入和输出关系建立人工神经网络代理模型，然后按照一定比例分配训练集、验证集和测试集，对代理模型进行训练；
步骤六、以最大固有频率和最小结构质量为目标函数，基于代理模型采用多目标非支配排序遗传算法NSGA-II在设计空间内寻优，得到最优解集后选取其中若干进行FEM验证，评价代理模型精度，若满足，则进行下一步骤，否则返回步骤五；
步骤七、代理模型精度满足后，则基于代理模型进行寻优，得到最优结果。
所述约束条件包括静强度、静刚度、动位移、杆件刚度、杆件稳定承载力和设计参数上、下限。
所述约束条件静强度具体为：σmax≤[σ]，其中，[σ]为材料的许用应力、σmax为构件的最大应力。
所述约束条件静刚度具体为：且/>其中，δb为空载状态下塔身与起重臂连接处节点的水平位移(后倾)，δf为吊载状态下塔身与起重臂连接处节点的水平位移(前倾)，H为塔身底部支座距塔身与起重臂连接点的垂直距离。
所述约束条件动位移具体为：其中，δd为塔身顶部产生的最大动位移。
所述约束条件杆件刚度具体为：其中，lk为杆件的计算长度、rk为杆件截面的惯性半径、[λ]为许用长细比。
所述约束条件杆件稳定承载力具体为：其中，N为杆件的轴向压力，A为杆件的截面面积，/>为轴心压杆稳定系数，σMx和σMy为截面绕x轴和y轴的弯矩引起的应力。
所述约束条件设计参数上、下限具体为：xjL≤xj≤xjU，其中，xjL和xjU分别为设计参数xj的下限与上限。
所述步骤四中最优拉丁超立方设计OPLHD相较于拉丁超立方设计LHD方法有所改进，使得采样点在设计空间中的分布更加均匀，具有很好的空间填充性和均衡性。
所述评价模型精度是以最大固有频率和最小结构质量为目标函数，基于代理模型采用多目标非支配遗传算法在设计空间内寻优，得到最优解集后选取其中若干进行FEM验证。
因考虑塔式起重机工作时，在起升、运行、回转和变幅等过程中，各个机构需频繁启动、制动并进行复杂的耦合运动，使结构承受强烈的冲击和振动，因此设计时塔机的动态性能需要考虑。本发明所述一种基于代理模型的核电用塔机结构系统动态优化设计方法主要涉及对塔机结构振动特性分析及结构设计变量灵敏度分析，尤其涉及到通过最优拉丁超立方设计OPLHD进行采样并获取设计参数初始样本，采用数值模拟方法计算初始样本点的固有频率，建立代理模型后采用NSGA-II算法在设计空间内寻找最优解，对塔机系统进行动态优化设计。本发明所述一种基于代理模型的核电用塔机结构系统动态优化设计方法优化周期短，优化效果好，研发成本小，且结果可信度高。
本发明提出一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述一种基于代理模型的核电用塔机结构系统动态优化设计方法的步骤。
本发明提出一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时实现所述一种基于代理模型的核电用塔机结构系统动态优化设计方法的步骤。
本申请实施例中的存储器可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(read only memory，ROM)、可编程只读存储器(programmable ROM，PROM)、可擦除可编程只读存储器(erasablePROM，EPROM)、电可擦除可编程只读存储器(electrically EPROM，EEPROM)或闪存。易失性存储器可以是随机存取存储器(random access memory，RAM)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(static RAM，SRAM)、动态随机存取存储器(dynamic RAM，DRAM)、同步动态随机存取存储器(synchronousDRAM，SDRAM)、双倍数据速率同步动态随机存取存储器(double data rate SDRAM，DDRSDRAM)、增强型同步动态随机存取存储器(enhanced SDRAM，ESDRAM)、同步连接动态随机存取存储器(synchlink DRAM，SLDRAM)和直接内存总线随机存取存储器(direct rambusRAM，DRRAM)。应注意，本发明描述的方法的存储器旨在包括但不限于这些和任意其它适合类型的存储器。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如，软盘、硬盘、磁带)、光介质(例如，高密度数字视频光盘(digital video disc，DVD))、或者半导体介质(例如，固态硬盘(solid state disc，SSD))等。
在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。结合本申请实施例所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。为避免重复，这里不再详细描述。
应注意，本申请实施例中的处理器可以是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法实施例的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
以上对本发明所提出的一种基于代理模型的核电用塔机结构系统动态优化设计方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种基于代理模型的核电用塔机结构系统动态优化设计方法，其特征在于：所述方法具体为：
步骤一、采用ANSYS软件建立有限元模型，进而进行模态分析以及简谐振动响应分析，以确定对塔机结构动态性能影响最大的固有频率，并将最大固有频率和最小结构质量作为目标函数；
步骤二、利用有限元模型进行灵敏度分析，确定对优化目标影响大的一部分参数作为设计参数；
步骤三、确定约束条件；
步骤四、通过最优拉丁超立方设计OPLHD在设计参数空间内采样并获取设计参数的初始样本，采用FEM分析初始样本点的固有频率及结构最小质量；
步骤五、基于初始样本的输入和输出关系建立人工神经网络代理模型，然后按照一定比例分配训练集、验证集和测试集，对代理模型进行训练；
步骤六、以最大固有频率和最小结构质量为目标函数，基于代理模型采用多目标非支配排序遗传算法NSGA-II在设计空间内寻优，得到最优解集后选取其中若干进行FEM验证，评价代理模型精度，若满足，则进行下一步骤，否则返回步骤五；
步骤七、代理模型精度满足后，则基于代理模型进行寻优，得到最优结果；
所述约束条件包括静强度、静刚度、动位移、杆件刚度、杆件稳定承载力和设计参数上、下限。
2.根据权利要求1所述的方法，其特征在于：所述约束条件静强度具体为：σmax≤[σ]，其中，[σ]为材料的许用应力、σmax为构件的最大应力。
3.根据权利要求1所述的方法，其特征在于：所述约束条件静刚度具体为：且/>其中，δb为空载状态下塔身与起重臂连接处节点的水平位移，δf为吊载状态下塔身与起重臂连接处节点的水平位移，H为塔身底部支座距塔身与起重臂连接点的垂直距离。
4.根据权利要求1所述的方法，其特征在于：所述约束条件动位移具体为：其中，δd为塔身顶部产生的最大动位移，H为塔身底部支座距塔身与起重臂连接点的垂直距离。
5.根据权利要求1所述的方法，其特征在于：所述约束条件杆件刚度具体为：其中，lk为杆件的计算长度、rk为杆件截面的惯性半径、[λ]为许用长细比。
6.根据权利要求1所述的方法，其特征在于：所述约束条件杆件稳定承载力具体为：其中，N为杆件的轴向压力，A为杆件的截面面积，/>为轴心压杆稳定系数，σMx和σMy为截面绕x轴和y轴的弯矩引起的应力，[σ]为材料的许用应力。
7.根据权利要求1所述的方法，其特征在于：所述约束条件设计参数上、下限具体为：xjL≤xj≤xjU，其中，xjL和xjU分别为设计参数xj的下限与上限。
8.一种电子设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7任一项所述方法的步骤。
9.一种计算机可读存储介质，用于存储计算机指令，其特征在于，所述计算机指令被处理器执行时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310379576.2A CN116541975B (zh) | 2023-04-11 | 2023-04-11 | 一种基于代理模型的核电用塔机结构系统动态优化设计方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310379576.2A CN116541975B (zh) | 2023-04-11 | 2023-04-11 | 一种基于代理模型的核电用塔机结构系统动态优化设计方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116541975A CN116541975A (zh) | 2023-08-04 |
| CN116541975B true CN116541975B (zh) | 2024-01-30 |
Family
ID=87449678
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310379576.2A Active CN116541975B (zh) | 2023-04-11 | 2023-04-11 | 一种基于代理模型的核电用塔机结构系统动态优化设计方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116541975B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202731A (zh) * | 2016-07-12 | 2016-12-07 | 南京理工大学 | 桥式起重机多柔体动力学结构优化方法 |
| CN106951610A (zh) * | 2017-03-06 | 2017-07-14 | 安徽农业大学 | 一种基于近似模型的插秧机秧箱结构优化方法 |
| CN110222424A (zh) * | 2019-06-08 | 2019-09-10 | 太原科技大学 | 基于rbf-nn的桥式起重机主梁可靠性优化方法 |
| WO2020160099A1 (en) * | 2019-01-29 | 2020-08-06 | Siemens Aktiengesellschaft | System for machine learning-based acceleration of a topology optimization process |
| CN112836318A (zh) * | 2021-03-08 | 2021-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于代理模型的海上风机支撑结构优化设计方法及系统 |
| CN113343545A (zh) * | 2021-08-02 | 2021-09-03 | 中国人民解放军国防科技大学 | 结构自适应优化设计方法、装置、设备和介质 |
| CN114048547A (zh) * | 2021-11-18 | 2022-02-15 | 汉思科特(盐城)减震技术有限公司 | 一种基于自适应代理模型的车用空气弹簧工程优化设计方法 |
| CN114386188A (zh) * | 2021-12-24 | 2022-04-22 | 大连理工大学 | 一种基于克里金代理模型的核电蒸汽安全阀阀瓣的优化设计方法 |
| CN114996880A (zh) * | 2022-07-11 | 2022-09-02 | 湖南大学 | 一种基于ansys二次开发的复合装甲结构优化方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110852011B (zh) * | 2019-11-08 | 2022-09-20 | 大连理工大学 | 一种基于序列Kriging代理模型的结构非梯度拓扑优化方法 |
-
2023
- 2023-04-11 CN CN202310379576.2A patent/CN116541975B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106202731A (zh) * | 2016-07-12 | 2016-12-07 | 南京理工大学 | 桥式起重机多柔体动力学结构优化方法 |
| CN106951610A (zh) * | 2017-03-06 | 2017-07-14 | 安徽农业大学 | 一种基于近似模型的插秧机秧箱结构优化方法 |
| WO2020160099A1 (en) * | 2019-01-29 | 2020-08-06 | Siemens Aktiengesellschaft | System for machine learning-based acceleration of a topology optimization process |
| CN110222424A (zh) * | 2019-06-08 | 2019-09-10 | 太原科技大学 | 基于rbf-nn的桥式起重机主梁可靠性优化方法 |
| CN112836318A (zh) * | 2021-03-08 | 2021-05-25 | 中国华能集团清洁能源技术研究院有限公司 | 基于代理模型的海上风机支撑结构优化设计方法及系统 |
| CN113343545A (zh) * | 2021-08-02 | 2021-09-03 | 中国人民解放军国防科技大学 | 结构自适应优化设计方法、装置、设备和介质 |
| CN114048547A (zh) * | 2021-11-18 | 2022-02-15 | 汉思科特(盐城)减震技术有限公司 | 一种基于自适应代理模型的车用空气弹簧工程优化设计方法 |
| CN114386188A (zh) * | 2021-12-24 | 2022-04-22 | 大连理工大学 | 一种基于克里金代理模型的核电蒸汽安全阀阀瓣的优化设计方法 |
| CN114996880A (zh) * | 2022-07-11 | 2022-09-02 | 湖南大学 | 一种基于ansys二次开发的复合装甲结构优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| Multi-objective structural optimization of the aluminum alloy subway car body based on an approximate proxy model;Li, YN等;《ADVANCES IN MECHANICAL ENGINEERING》;第14卷(第5期);正文1-9 * |
| STL760动臂塔式起重机有限元分析及塔身轻量化设计;周长安;《CNKI中国优秀硕士毕业论文全文库（基础科学辑）》(第2期);A002-2022 * |
| 基于代理模型的方形凹角截面超高层建筑气动外形优化;王兆勇等;《土木工程学报》;第56卷(第04期);正文1-10 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116541975A (zh) | 2023-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110059449B (zh) | 基于改进应力场强法的曲轴疲劳极限载荷预测方法 | |
| CN115391926A (zh) | 基于代理模型的海上风机支撑结构优化设计方法及系统 | |
| CN116541975B (zh) | 一种基于代理模型的核电用塔机结构系统动态优化设计方法 | |
| CN110309622B (zh) | 一种输电塔结构倒塌分析方法 | |
| CN109783918B (zh) | 基于切换序贯采样模式的减速器优化设计实现方法 | |
| CN112861261A (zh) | 车身接附点动刚度后处理方法、装置及电子设备 | |
| CN116541976B (zh) | 一种基于ga-grnn代理模型的核电用塔机结构系统静态优化方法 | |
| CN114330043A (zh) | 一种多自由度多功能高负载液压机械臂刚柔耦合分析方法 | |
| CN113420370A (zh) | 一种高度静不定结构的强度设计载荷获取方法 | |
| CN112115616A (zh) | 一种输电塔的动力学特性分析方法及装置 | |
| Tian et al. | Vibration Characteristics of Heavy‐Duty CNC Machine Tool‐Foundation Systems | |
| CN110837705B (zh) | 一种悬索桥拉索找力分析方法 | |
| CN110765319B (zh) | 一种提高Janusgraph路径探索性能的方法 | |
| CN112100747A (zh) | 车身骨架拓扑优化方法、装置、设备及介质 | |
| CN109766637B (zh) | 基于Krigng代理模型的桥式起重机结构可靠性优化方法 | |
| CN113987690B (zh) | 飞机起落架疲劳应力分析方法、系统、设备及存储介质 | |
| LU502236B1 (en) | Structured data parsing method and apparatus, electronic device and storage medium | |
| Soroushian et al. | Simultaneous Reduction in Time and Space for Dynamic Finite Element Models of Beam–Column Assemblies | |
| CN115982626A (zh) | 一种基于压缩感知的无重构模态参数获取方法及检测方法 | |
| CN114676479A (zh) | 一种随机车辆荷载作用下桥梁损伤识别方法及计算系统 | |
| CN111339390A (zh) | 一种基于固定电话爬取信息的方法、计算设备及存储介质 | |
| CN110222424A (zh) | 基于rbf-nn的桥式起重机主梁可靠性优化方法 | |
| CN116818246B (zh) | 地震模拟振动台模型预测控制方法、系统、介质及终端 | |
| CN117473669A (zh) | 船舶机舱设备布局敏感性确定方法、装置和电子设备 | |
| Lu et al. | Multi-points assisted surrogate-based design and optimization of forklift key components |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |