[发明专利]一种基于遗传算法的索杆张力结构质量优化方法和系统

权利要求书

1.一种基于遗传算法的索杆张力结构质量优化方法，其特征在于，包括以下步骤：

(1)数据预处理：获取待优化索杆张力结构的三维结构模型，所述三维结构模型包括结构杆件类型及各类杆件的几何参数和力学参数；对于每一类杆件，确定其搜索参数为根据其几何参数和力学参数计算获取的截面积搜索空间；

(2)在步骤(1)中获取的截面积搜索空间内以结构各类杆件截面积为优化变量，以结构质量最小值为优化目标，采用遗传算法进行优化计算；

所述优化计算的约束条件为：结构的鲁棒性优于或相当于待优化索杆张力结构的鲁棒性：所述鲁棒性计算方法如下：

其中，n为结构的节点总数；m是指将索杆张力结构的干扰荷载w(t)在正态分布区间进行分段后得到的数量；F₀为索杆张力结构所承受的常规荷载；α(k)为第k区间内干扰荷载w(t)与常规荷载F₀的比值；Q(k)为第k区间干扰荷载w(t)与常规荷载F₀之和F_k的概率分布函数；u_xi、u_yi、u_zi分别为结构在常规荷载F₀作用下第i节点沿x、y、z三个方向的位移分量；u'_kxi、u'_kyi、u'_kzi分别为结构在第k区间干扰荷载w(t)与常规荷载F₀之和F_k作用下第i节点沿x、y、z三个方向的位移分量；

(2-1)遗传算法参数初始化；

(2-2)初始化种群：对步骤(1)中获取的截面积搜索空间进行编码以生成初始种群；

(2-3)解码计算适应度：以结构质量倒数为适应度，对步骤(2-2)中获取的初始种群进行解码以计算每个个体对应的适应度值；

(2-4)选择：对步骤(2-3)中获取的适应度值，根据适应度规则，选择将进入下一代的个体以生成优胜劣汰后的种群；

(2-5)交叉：对步骤(2-4)中生成的优胜劣汰后的种群进行交叉；

(2-6)变异：对步骤(2-5)交叉生成的种群进行变异；

(2-7)输出结构质量最小值：重复步骤(2-3)～(2-6)，直到达到指定迭代次数。

2.如权利要求1所述的基于遗传算法的索杆张力结构质量优化方法，其特征在于，步骤(2-3)中所述解码计算如下：

其中，b为结构的杆件类型总数，i＝1,2,3,…,b；c为结构对称榀数；A_i、L_i和ρ_i分别为索杆张力结构中第i类杆件截面积、长度和结构密度；I_R为结构鲁棒性指标，I_R0为结构鲁棒性指标初始值；所述鲁棒性指标用于表征结构鲁棒性，当鲁棒性指标越大时表明结构鲁棒性越差；A_imin、A_imax分别待索杆张力结构中第i类杆件截面积搜索范围下限和上限。

3.如权利要求1所述的基于遗传算法的索杆张力结构质量优化方法，其特征在于，步骤(2-4)中所述适应度规则为适应度高的个体被选入下一代，适应度低的个体被淘汰。

4.如权利要求1所述的基于遗传算法的索杆张力结构质量优化方法，其特征在于，步骤(1)中所述截面积搜索空间下限计算方法如下：

A_min＝max{T₀,T}/f_u

式中：T₀为结构在初始预应力P状态下各杆件的内力；T为结构在荷载状态下的杆件内力；f_u为杆件屈服强度。

5.如权利要求1所述的基于遗传算法的索杆张力结构质量优化方法，其特征在于，步骤(1)中所述截面积搜索空间以结构各类杆件初始截面积的2.5倍为上限A_max。