[发明专利]基于RBF-NN的桥式起重机主梁可靠性优化方法

摘要

本发明公开了一种基于RBF‑NN的桥式起重机主梁可靠性优化方法，包括：1）确定输入变量与输出变量；2）拉丁超立方获取输入/输出训练样本数据；3）样本数据归一化处理；4）建立RBF‑NN模型；5）随机抽取测试样本数据进行模型精度验证；6）基于建立的RBF‑NN模型对桥式起重机主梁进行可靠性优化。本发明建立了输入与输出的显式数学模型，减少了运用有限元模型进行可靠性优化过程中的模型调用次数，大大缩短了迭代过程中计算响应值的时间，极大地提高了可靠性优化设计的效率。

主权项

1.一种基于RBF‑NN的桥式起重机主梁可靠性优化方法，其特征是包括以下步骤：1）确定输入变量与输出变量定义可靠性优化问题，以主梁截面面积最小为优化目标，以静强度可靠度、水平静刚度可靠度、垂直静刚度可靠度、动刚度可靠度为约束条件，随机变量为主梁截面尺寸、起重量及材料弹性模量；以随机变量为输入变量，静强度、垂直静刚度、水平静刚度、动刚度为输出变量建立主梁可靠性优化模型；其中，所述主梁截面尺寸具有双重性，在可靠度计算时作为随机变量，在优化时作为设计变量；2）拉丁超立方获取输入/输出训练样本数据根据步骤1）确定的输入变量与输出变量，运用拉丁超立方调用桥式起重机主梁有限元模型，获取输入/输出训练样本数据；3）样本数据归一化处理将步骤2）得到的训练样本归一化；4）建立桥式起重机主梁的RBF‑NN模型通过步骤3）获得的归一化训练样本，分别建立由步骤1）确定的输入变量与输出变量之间的RBF‑NN模型，所述RBF‑NN采用高斯函数作为径向基神经元传递函数，以实现非线性关系的映射；5）随机抽取测试样本数据进行模型精度验证通过调用有限元仿真模型，随机抽取一定数量的测试样本，利用拟合优度R²对步骤4）建立的RBF‑NN模型进行精度验证；如R²大于0.9则进行下一步，否则返回到步骤2）重新更新代理模型；6）基于建立好的RBF‑NN模型对桥式起重机主梁进行可靠性优化求解步骤1）中定义的主梁可靠性优化问题，可靠度计算运用蒙特卡洛法结合RBF‑NN模型，即在极限状态函数求解时，通过调用RBF‑NN模型而非有限元模型进行计算。