基于蝠鲼算法的散货货棚空间桁架轻量化设计.pdf

第 卷第期 年 月武汉理工大学学报(交通科学与工程版)J o u r n a l o fWu h a nU n i v e r s i t yo fT e c h n o l o g y(T r a n s p o r t a t i o nS c i e n c e&E n g i n e e r i n g)V o l N o O c t 基于蝠鲼算法的散货货棚空间桁架轻量化设计熊宏武)孙文)蔡大鹏)张立朝)肖佩弦)(中国铁建港航局集团有限公司)珠海 )(武汉理工大学土木工程与建筑学院)武汉 )摘要:针对 根杆构成的散货货棚空间桁架结构,在保证承载力不变的前提下,采用蝠鲼觅食优化算法(m a n t ar a yf o r a g i n go p t i m i z a t i o n,MR F O)对结构构件尺寸进行轻量化优化,并评估优化前后的结构用钢量进行评估在搜索过程中,采用改进的D e b规则过滤冗余的结构分析,提高搜索效率结果表明:采用MR F O算法和改进的D e b规则对散货货棚进行优化后,与原设计结构相比,材料节省了 关键词:MR F O算法;约束处理技术;空间桁架结构;优化设计中图法分类号:TU d o i:/j i s s n 收稿日期:第一作者:熊宏武(),男,工程师,主要研究领域为钢结构通信作者:孙文(),男,硕士,主要研究领域为结构优化设计基金项目:国家自然科学基金()引言空间桁架结构通过杆件之间传递轴力来抵抗外荷载,是一种能够采用较少材料而获得较大内部空间的结构形式,对桁架结构进行优化设计还可以进一步节省材料、改进设计质量桁架结构的优化包括构件尺寸优化、结构形状优化及结构拓扑优化文中将利用智能优化方法对一个 根杆件组成的空间桁架结构进行构件尺寸优化设计结构优化设计既通过不断调整方案找到最好的设计,但最优设计需要满足一定的条件,该条件被称为约束,寻找满足最优设计的过程就是结构优化相较于传统的基于梯度算法寻优的方法,结构智能优化基于群智能搜索算法,具有鲁棒性好、扩展性和广泛的适用性等特点在不存在集中控制并缺少局部信息和模型的情况下,为解决复杂分布式问题提供了思路,不要求目标问题是连续的凸函数随着结构智能优化学科的发展,大量元启发算法的提出或改进,诸如模拟退火算法、粒子群算法、樽海鞘种群算法、人工鱼群算法、蚁群优化算法等在结构优化设计领域都有大量的应用案例蝠鲼觅食算法Z h a o等提出的新型仿生群智能搜索算法,该算法模拟了大型海洋生物蝠鲼的觅食过程,蝠鲼通过链式觅食、旋风式觅食和翻筋斗式觅食三种策略捕获海洋中的浮游生物得益于三种搜索策略,蝠鲼觅食算法可以准确的在复杂解空间中搜索到群体最优解文中将蝠鲼觅食算法与I D e a t hp e n a l t y和I D e br u l e技术结合应用于钢制散货货棚的空间桁架结构优化中,并对优化前后的结构用钢量进行评估散货货棚工程概况 散货货棚空间结构原始设计图为一个 杆的空间桁架的初步结构设计和边界条件散货货棚由 片类似的钢网架组成,对一个标准单元进行优化,其余钢网架采用相同优化设计 根杆件被分为 组类,初始设计截面尺寸见表,结构的材料采用Q 钢材,原始设计整体用钢量为 k g 图散货货棚立面图和三维图表初始设计截面尺寸表截面截面面积/c m截面截面面积/c m截面 截面 截面 截面 截面 截面 截面 截面 截面 截面 施加在桁架上的荷载工况有五种,荷载取值见表表荷载工况表工况取值自重由程序计算取系数为 屋面恒载/k N上弦杆取、下弦杆取 屋面活载/k N上弦杆取、下弦杆取 风荷载/k N左弦杆取 雪荷载/k N上弦杆取 原始设计结构分析通过m i d a sC i v i l建模进行结构分析,原始设计在五种工况组合作用下,桁架单元应力图见图 图原始设计桁架单元应力图由图可知:各个杆件应力均未超过Q 钢材容许应力 MP a 在五种工况单独作用下,最大变形发生在风载单独作用时,最大变形为 mm原始设计是根据设计经验拟定的初步设计,并非最优设计,为了得到更为节省材料且受力更合理的结构,采用优化算法对原始设计进行尺寸优化 MR F O算法 仿生原理MR F O算法通过对蝠鲼觅食过程中所形成的奇妙而智能的觅食策略进行抽象成数学模型,从而实现仿生搜索过程算法共有三种策略:第一种觅食策略是链式觅食,见图当多条蝠鲼开始觅食时,它们首尾相连排成一条整齐的队伍当排在前面蝠鲼遗漏的食物会被后面的蝠鲼抓起通过相互合作,它们可以将最多的浮游生物吸入鳃中,提高食物捕获率图链式觅食示意图第二种觅食策略是旋风式觅食,见图当浮游生物的浓度很高时,几十条蝠鲼聚集在一起它们的尾部与头部呈螺旋状连接,在旋涡中心形成一个螺旋顶点,过滤后的水向表面移动这会把浮游生物拉进它们的口中图旋风式觅食示意图图为最后一种觅食策略是翻筋斗式觅食当蝠鲼找到食物来源时,它们会做一系列的逆流运动,围绕食物旋转,将其吸引到身边空翻是一种随机、频繁、局部和周期性的运动,有助于蝠鲼摄入食物图翻筋斗式觅食示意图前面两种觅食策略可以使蝠鲼不断靠近食物,最后一种策略有助于捕获食物,蝠鲼通过交替使用以上三种觅食策略,可以最大程度的捕获最多的食物 算法更新公式第一阶段,随机采用前两种策略进行更新,若武汉理工大学学报(交通科学与工程版)年第 卷认为群体最优既为食物的位置,该阶段则以食物和前一条蝠鲼为目标更新位置先生成一个随机数r,当r 时,采用链式策略公式进行更新xxi(t)r(xb e s txi(t)(xb e s txi(t)ixi(t)r(xi(t)xi(t)(xb e s txi(t)i,N()式中:t为当前迭代步数;r|l g(r)|;xi(t)、xi(t)、xb e s t分别为当前位置、更新后位置和全局最优位置否则采取旋风式更新当前位置,旋风式搜索又分为xi(t)xr a n dr(xb e s txi(t)(xr a n dxi(t)ixr a n dr(xi xi(t)(xr a n dxi(t)i,N()xr a n dxr a n d(xuxl)()xi(t)xb e s tr(xb e s txi(t)(xb e s txi(t)ixb e s tr(xi xi(t)(xb e s txi(t)i,N()当t/Tr时,采用式否则式T为最大迭代次数;erTtTs i n(r);其余同上第二阶段则采用翻筋斗策略公式更新位置,该更新过程只与上一次以及食物的位置有关,蝠鲼将围绕食物的位置作翻转运动xi(t)xi(t)S(rxb e s trxi(t)()式中:每一只蝠鲼的位置代表一种设计方案,食物的位置代表当前目标值最优的设计S为翻转系数,一般取定常数;(rxb e s trxi(t)为第i个设计与当前最优设计的距离,式()的物理含义为以倍该设计与当前最优设计的距离为半径进行翻转,并以随机数r、r进行扰动 约束处理技术 两种约束处理技术无约束化处理的思路就是将有约束优化问题转化为等价的无约束优化问题 罚函数法是最常用的约束处理技术,实现方便,对问题本身没有苛刻要求,其思想是给违反约束的解施加一个惩罚系数加入目标函数中(x)f(x)(x)()式中:f(x)为优化目标函数;(x)为约束函数;为惩罚因子常用的设置方法有定常罚函数法、动态罚函数法、适应性罚函数法等本文选用的D e a t hp e n a l t y方法是罚函数法的一个变种,要求初始解均为可行解,并在迭代过程中认为惩罚因子取为无穷大从而淘汰所有的非可行解此外,可行性规则D e br u l e是一种常用的无参数约束处理技术,它给出了三条挑选可行解的规则:可行解优于不可行解;目标函数值小的可行解优于目标函数值大的可行解;两个不可行解之间,违反约束程度更小的解为优可行性规则给出的三条规则中,引导搜索向可行域进行,引导搜索向更满足目标的方向进行 改进的两种约束处理技术基于结构优化的特点,对于一个设计,优先计算其目标函数值,当目标函数值优于当前最优时,才计算其约束函数值再做进一步判断,可以达到提高搜索效率,避免在冗余步骤上浪费计算资源的效果改进后的可行性规则,其伪代码如下初始化优化参数及种群,更新xi(t),计算xi(t)的目标函数值f(xi(t),如果f(xi(t)f(xi(t)则计算xi(t)的约束函数值(xi(t),如果(xi(t)满足约束条件,则保留xi(t),否则舍弃该解,保留原解xi(t)重复上述过程,直至满足迭代条件散货货棚优化设计 散货货棚空间结构优化模型钢材Q 的材料密度和弹性模量分别为 k g/m和 G P a 施加在桁架上的荷载工况有五种,取值与布置方式与原始设计保持一致约束条件包括桁架的刚度和强度要求,所有杆件的拉压应力不应超过Q 钢材的容许应力 MP a 根据原设计结构分析的结果,限制所有自由节点在各个方向上的容许位移不大于 mm设计变量为十组桁架构件的横截面积,取值范围由 c m为了得到重量最轻的设计,采用MR F O算法对其进行尺寸结构优化设计第期熊宏武,等:基于蝠鲼算法的散货货棚空间桁架轻量化设计 优化结果讨论基于MR F O算法分别采用四种约束处理技术,对该散货货棚桁架结构进行 次优化,每次优化最大迭代步数为 步,初始种群大小取,得到 次优化结果的均值见表,图为收敛曲线表 杆桁架优化结果设计变量/c mD e a t hP e n a l t yD e bR u l eI D e a t hP e n a l t yI D e bR u l e截面 截面 截面 截面 截面 截面 截面 截面 截面 截面 平均重量/k g 标准差/k g 有限元计算次数 图 杆桁架优化收敛曲线图对优化后的设计用m i d a sC i v i l进行结构分析,桁架应力图见图最大与最小应力为出现在屋面活载工况时为 和 MP a,均低于材料容许应力,最大变形为屋面活载作用下节点向下的 mm,可知该结构最终截面尺寸是由强度和刚度要求共同控制图优化后设计桁架单元应力图结论)优化数据结果显示,采用蝠鲼觅食优化算法(MR F O)优化后散货货棚结构的重量较原有设计减轻了约 ,结构的材料分配更复合力学原理)通过 次在桁架优化问题上的测试结果表明,蝠鲼觅食优化算法是非常有效和可靠的,具有稳定的收敛性能和搜索精度)改进后的两种约束处理技术(I D e a t hp e n a l t y与I D e br u l e),将算法的搜索效率提高了近,剔除了一半不必要的有限元计算,节省了计算资源)虽然改进后的约束处理技术加快了算法的收敛速度,但未对搜索结果的精度起到太多的作用,后续值得进一步研究参 考 文 献姜冬菊,王德信桁架结构智能布局优化设计J工程力学,():刘爱军,杨育,李斐,等混沌模拟退火粒子群优化算法研究及应用J浙江大学学报(工学版),():李东改进 粒 子 群 算 法 及 结 构 优 化 设 计 应 用 研 究D杭州:浙江工业大学,康俊涛,邹立,曹鸿猷,等基于樽海鞘群算法的桁架结构优化设计J空间结构,():,李彦苍,程芳萌,杨贝贝,等基于人工鱼群算法的桁架结构的优化J河北工程大学学报(自然科学版),():,段海滨,王道波,于秀芬蚁群算法的研究现状及其展望J中国工程科学,():Z HA O W,Z HAN GZ,WANG LM a n t ar a yf o r a g i n go p t i m i z a t i o n:a ne f f e c t i v eb i o i n s p i r e do p t i m i z e rf o r e n g i n e e r i n ga p p l i c a t i o n sJ E n g i n e e r i n gA p p l i c a t i o n so fA r t i f i c i a l I n t e l l i g e n c e,():陈义军,杨博,郭正勋,等基于A E O MR F O的固体氧化物燃料电池参数 辨识 J电 网技 术,():李智勇,黄滔,陈少淼,等约束优化进化 算法 综述J软件学报,():康俊涛,柯志涵,胡佳基于K r i g i n g模型和模拟退火粒子群算法的结构有限元模型修正J武汉理工大学学报(交通科学与工程版),():(下转第 页)武汉理工大学学报(交通科学与工程版)年第 卷路,():陈思贤温拌 再 生 混 合 料 沥 青集 料 黏 附 性 能 研 究D重庆:重庆交通大学,罗蓉,郑松松,张德润,等基于表面能理论的沥青与集料黏附性能评价J中国公路学报,():中华人民共和国交 通部公路 工程 集料 试 验规 程:J T GE S北京:人民交通出版社,中华人民共和国交通部公路工程沥青及沥青混合料试验规程:J T GE S北京:人民交通出版社,E S P I NOGCU,MA R T I N E ZM W,A L ON S OGEM,e t a l A s p h a l tm i x e sp r o c e s s e dw i t hr e c y c l e dc o n c r e t ea g g r e g a t e(R C A)a sp a r t i a lr e p l a c e m e n to ft h en a t u r a l a g g r e g a t eJM a t e r i a l s,():李仁君集料化学组分与表观特性对其表面能的影响研究D武汉:武汉理工大学,苗强,刘安刚,刘青海,等集料与填料比表面积对其表面能参数的影响研究J武汉理工大学学报(交通科学与工程版),():S t u d yo nt h e I n f l u e n c eo fA d h e s i o nB e t w e e nR e c y c l e dA g g r e g a t ea n dA s p h a l tB a s e do nS u r f a c eE n e r g yT h e o r yF E N GH a o h a o,)M I A OQ i a n g,)L IZ h e n g a n g,)L U OR o n g,)(S c h o o l o fT r a n s p o r t a t i o n,W u h a nU n i v e r s i t yo fT e c h n o l o g y,W u h a n ,C h i n a)(H u b e iH i g h w a yE n g i n e e r i n gR e s e a r c hC e n t e r,W u h a n ,C h i n a)A b s t r a c t:B yt e s t i n gt h ea p p a r e n tp r o p e r t i e sa n ds u r f a c ee n e r g yp a r a m e t e r so fr e c y c l e da g g r e g a t ea n dn e wa g g r e g a t e,i t i sc l e a r t h a t t h e f u n d a m e n t a l r e a s o n f o r t h ed i f f e r e n c e i ns u r f a c ee n e r g yb e t w e e nr e c y c l e da g g r e g a t ea n dn e wa g g r e g a t e i s t h ea p p a r e n tp r o p e r t y i n d e x B a s e do nt h es u r f a c ee n e r g yt h e o r y,t h ew a t e rd a m a g er e s i s t a n c eo f r e c y c l e da s p h a l tm i x t u r ew a sq u a n t i f i e d,a n dt h eE Rv a l u eo fa s p h a l t a g g r e g a t em a t c h i n g i n d e xo f s e v e nd i f f e r e n t r e c y c l e da g g r e g a t em i x i n gr a t i o sw a sc a l c u l a t e da n di t sr e l i a b i l i t yw a sv e r i f i e db yw a t e r s t a b i l i t y t e s t C o m b i n e dw i t h t h e e c o n o m i c c o s t,t h eo p t i m u mp r o p o r t i o no f r e c y c l e da g g r e g a t e i sd e t e r m i n e dt ob e K e yw o r d s:a s p h a l tp a v e m e n t;s u r f a c ee n e r g y;r e c y c l e da g g r e g a t e;m a t c h i n g i n d e x;w a t e rs t a b i l i t y(上接第 页)L i g h t w e i g h tD e s i g no fS p a c eT r u s so fB u l kC a r g oS h e dB a s e do nMR F OA l g o r i t h mX I O N GH o n g w u)S U N W e n)C A ID a p e n g)Z H A N GL i c h a o)X I A OP e i x i a n)(C h i n aR a i l w a yP o r tB u r e a uG r o u pC oL t d,Z h u h a i ,C h i n a)(S c h o o l o fC i v i lE n g i n e e r i n g&A r c h i t e c t u r e,W u h a nU n i v e r s i t yo fT e c h n o l o g y,W u h a n ,C h i n a)A b s t r a c t:A i m i n ga t t h es p a c e t r u s s s t r u c t u r eo f b u l kc a r g os h e dc o m p o s e do f p o l e s,t h em a n t a r a yf o r a g i n go p t i m i z a t i o n(MR F O)w a su s e dt oo p t i m i z et h ed i m e n s i o n so fs t r u c t u r a lm e m b e r s,a n dt h es t e e l c o n s u m p t i o no f t h e s t r u c t u r eb e f o r ea n da f t e ro p t i m i z a t i o nw a s e v a l u a t e d I nt h e s e a r c hp r o c e s s,t h e i m p r o v e dD e br u l ew a su s e d t o f i l t e r r e d u n d a n t s t r u c t u r a l a n a l y s i s a n d i m p r o v e t h e s e a r c he f f i c i e n c y T h er e s u l t ss h o wt h a tt h eb u l kc a r g os h e di so p t i m i z e db y MR F Oa l g o r i t h ma n di m p r o v e dD e br u l e,a n dc o m p a r e dw i t ht h eo r i g i n a l d e s i g ns t r u c t u r e,t h em a t e r i a l i ss a v e db y K e yw o r d s:MR F O;c o n s t r a i n t h a n d l i n gt e c h n i q u e s;s p a c e t r u s ss t r u c t u r e;o p t i m a l d e s i g n武汉理工大学学报(交通科学与工程版)年第 卷