[发明专利]基于神经网络和遗传算法的拱梁优化设计方法

说明书

技术领域

本发明涉及一种基于神经网络和遗传算法的拱梁优化设计方法，属于机械设计与自动化领域。

背景技术

拱结构由于外型美观、受力明确，在建筑、桥梁等工程实践中得到广泛应用。现有技术中，有的拱梁运用在天文观测中用来支撑天文观测设备，这种拱梁是由型材焊接而成，其结构和受力基本恒定不变。这种结构适合于参数化设计，即设计时只要根据拱梁的半径和变形要求改变其跨度和型材的截面尺寸。传统的设计方法是根据经验进行类比分析，在满足设计要求的情况下，很难达到最佳的结果。

发明内容

本发明的目的是提供一种基于神经网络和遗传算法的拱梁优化设计方法，该方法用均匀设计的思想采集样本训练BP神经网络，并且用BP网络代替有限元分析计算遗传算法的适应度对拱梁结构进行优化，提高了优化速度而且精度高。

为解决上述问题，本发明所采用的技术方案是提供一种基于神经网络和遗传算法的拱梁优化设计方法，其特征在于，包含以下步骤：

(1)建立拱梁优化模型

跨度和所受载荷一定的拱梁优化准则为就是要求在满足刚度、强度的情况下使得重量最轻。拱梁结构中包括等边角钢和扁铁，其优化的数学模型表达为：

X=[B1,B2,t1,t2]TminW(X)σmax≤[σ]dmax≤[d]Xmin≤X≤Xmax---(1)]]>

其中，X为设计变量；B₁、t₁为拱梁中等边角钢的边长和厚度；B₂、t₂为拱梁中扁铁的宽度和厚度；d_max、[d]为拱梁变形时竖直方向的最大位移和允许位移；σ_max、[σ]为拱梁最大应力和许用应力；X_min、X_max为设计变量的上、下限；W(X)为BP网络计算的重量值。

由上面的数学模型可以看出，这种拱梁的优化问题是单目标多约束的优化。用遗传算法对约束问题进行优化时需要设计惩罚函数，即约束条件函数：