[发明专利]一种新型复合材料结构高承载力轻量化设计方法

权利要求书

1.一种新型复合材料结构高承载力轻量化设计方法，其特征在于，该方法包括以下步骤：

1)新型复合材料结构参数化，确定结构设计参数及其取值范围。

2)采用随机场描述考虑空间相关不确定性的新型复合材料结构的材料属性：

其中，x为新型复合材料结构中面上的点坐标，θ为随机场的样本集合，E(x,θ),ν(x,θ)分别为新型复合材料结构的杨氏模量和泊松比，分别为表征存在空间相关不确定性的新型复合材料结构的杨氏模量和泊松比的对数正态随机场。

3)根据新型复合材料结构的高承载力与轻量化设计需求，给出基于随机场的结构优化设计目标函数和约束函数的表达式，建立新型复合材料结构的高承载力轻量化设计模型：

s.t.G(k)≤G₀；

k_min≤k≤k_max

其中，k为新型复合材料结构的设计向量，包括多个结构设计参数；r＝{E(x,θ),ν(x,θ)}为随机场向量；μ_λ(k,r)为新型复合材料结构随机临界屈曲载荷的平均值，为随机临界屈曲载荷为平均值时结构屈曲模态的最大位移；G(k)为新型复合材料结构的质量；G₀为优化前的新型复合材料结构质量；k_min，k_max分别为结构设计向量取值的下限和上限。

4)采用多目标布谷鸟搜索算法计算得到新型复合材料结构高承载力轻量化设计模型的最优解，具体包括以下子步骤：

4.1)设置算法参数，初始化鸟窝位置。

4.2)将随机等几何分析方法与克里金增强人工神经网络模型相结合，计算当前各鸟窝所对应的新型复合材料结构随机临界屈曲载荷平均值和屈曲模态，具体步骤包括：

4.2.1)根据当前鸟窝所对应的结构设计参数值，建立基于NURBS函数或T样条函数的新型复合材料结构CAD模型；

4.2.2)应用Karhunen-Loève展开得到结构材料属性随机场的离散型表达式，将每个随机场离散成为M个标准高斯随机变量的函数之和；

4.2.3)对全部高斯随机变量进行抽样设计，确定训练样本数量，生成结构材料属性随机场的小规模样本；

4.2.4)对每一个样本，获得其材料属性，设置边界条件，应用等几何分析方法计算其临界屈曲载荷；

4.2.5)重复子步骤4.2.4)，直至遍历所有训练样本；

4.2.6)根据获得的所有训练样本的临界屈曲载荷值，建立克里金增强人工神经网络模型；

4.2.7)对结构材料属性进行大规模样本的采样，通过训练好的克里金增强人工神经网络模型输出每个样本的临界屈曲载荷；

4.2.8)根据所得的大规模样本的临界屈曲载荷值计算当前位置鸟窝对应的新型复合材料结构随机临界屈曲载荷的平均值；

4.2.9)通过随机临界屈曲载荷的平均值反求结构材料属性的高斯随机变量值，根据对应的高斯随机变量值计算得到随机临界屈曲载荷为平均值时结构屈曲模态的最大位移。

4.3)计算各鸟窝位置的目标函数值，判断各鸟窝所对应的结构质量是否满足约束条件，不满足则对该鸟窝的目标函数值增加罚函数。

4.4)对当前解进行非支配排序，得到当代非支配解集，更新Pareto最优解。

4.5)判断是否满足终止条件，不满足则继续执行步骤4.6)，满足则输出最优解。

4.6)根据莱维飞行机制生成新的鸟窝位置，重复步骤4.2)和4.3)，若新鸟窝位置的解支配旧鸟窝位置的解，则更新鸟窝位置。

4.7)生成随机数与鸟窝主人发现概率进行比较，判断各鸟窝是否被淘汰，被淘汰的鸟窝更新位置，返回步骤4.2)。

5)根据步骤4)获得的新型复合材料结构高承载力轻量化设计模型的Pareto最优解，确定最优结构设计参数值，得到优化后的新型复合材料结构。

2.根据权利要求1所述的一种新型复合材料结构高承载力轻量化设计方法，其特征在于，所述步骤4.2.6)中，建立克里金增强人工神经网络模型，包括以下步骤：

1)对输入数据进行标准化处理，得到均值为0、标准差为1的训练数据。

2)建立克里金增强人工神经网络模型：设置人工神经网络参数，将人工神经网络的输出层激活函数设置为克里金模型。

3)训练克里金增强人工神经网络模型：

3.1)计算当前网络的损失函数值，记录最优网络参数。

3.2)根据梯度下降算法训练网络，更新各层神经元的权值及偏差。

3.3)重复步骤3.1)及3.2)，直至满足条件结束训练。

3.4)根据最优网络参数获得训练好的克里金增强人工神经网络模型。