[发明专利]一种基于PSO-BP神经网络的梁单元结构优化方法

说明书

本发明公开了一种PSO‑BP神经网络的梁单元结构优化方法，所述方法包括：先使用ABAQUS确定梁单元结构在所需刚度强度条件下的尺寸界限，在根据所需优化参数的组合中提取出一部分作为PSO的初始化粒子，使用PSO对BP神经网络进行初始权值和阈值的优化。并对梁单元结构进行参数化建模，通过Anaconda Jupyter进行二次开发的编程，批量生成*.inp文件，通过批处理文件格式*.bat批量提交文件到求解器进行求解，最后提取结果中的所需数据作为BP神经网络的初始输入数据。通过ABAQUS二次开发及优化算法的联合使用可对梁单元结构进行快速高效的结构优化，同时算法的改进可提高BP神经网络的收敛速度，提高了梁单元结构的优化效率。

技术领域

本发明涉及工业软件设计的技术领域，尤其设计一种基于PSO-BP神经网络的梁单元结构优化方法。

背景技术

随着现代科学技术的不断发展，工业软件及优化设计方法都在不断增加，其中优化设计是以数学的优化理论为基础，通过计算机工业软件及二次开发编程来达到优化的目的。

现有技术将ABAQUS与BP神经网络进行联合优化仿真。首先对梁单元结构进行初始结构设计，并将设计参数组合的一部分作为PSO的初始化粒子，对 BP神经网络的初始权值和阈值进行优化。通过ABAQUS软件宏录制功能对梁单元结构进行参数化建模。在Jupyter中进行python二次开发编程，快速批量的修改所需优化参数的*.inp文件，经批量提交CAE求解器之后提取所需要的仿真数据。在确定BP神经网络各层结构之后就可将数据导入神经网络进行训练并进行预测。且使用PSO-BP优化时所需的时间短且效率高。

发明内容

本发明的目的在于，提供一种基于PSO-BP的梁单元结构优化方法以解决优化效率低、重复性较高的问题。

为实现上述目的，本发明提供一种基于PSO-BP神经网络的梁单元结构优化方法。

根据梁单元结构初始结构参数确定PSO初始粒子群。采用PSO算法优化BP 神经网络初始权值和阈值。根据所得初始最优权值和阈值，构建PSO-BP神经网络的预测模型。对所需优化的梁单元结构进行参数化建模，并以TXT文本格式输入设计参数后建立相对应的梁单元结构有限元模型。

根据ABAQUS宏录制功能所得的文件进行二次开发，并结合相应的GUI界面实现批量生成ABAQUS所需*.inp文件及数据提取的功能。在确定BP神经网络各层参数后将所得数据输入BP神经网络进行训练以提高BP预测模型的准确率。同时在SW中进行二次开发，实现梁单元结构的三视图及工程图的快速生成功能。

本发明还提供一种计算机终端设备，包括一个或多个处理器和存储器。存储器与所述处理器耦接，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的基于PSO-BP的梁单元结构优化方法。

本发明还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如上述任一实施例所述的基于PSO-BP 的梁单元结构优化方法。

附图说明

为了更清楚地说明本发明的技术方案，下面将对实施方式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一些实施方式，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，还可以根据这些附图获得其他的附图。

图1为本发明某一实施例提供的基于PSO-BP的梁单元结构优化方法的流程示意图；

图2为本发明另一实施例提供的PSO算法流程示意图

图3为本发明某一实施例提供PSO-BP神经网络优化梁单元结构流程示意图具体

实施方式