集装箱龙门起重机结构系统多目标动态优化研究

摘要

由于多目标优化技术在工程、经济、管理和军事等领域中具有重要的应用价值，多目标优化的研究越来越受到广泛的关注和重视，它已发展成为一门新兴的学科并在应用中显示出强大的生命力。遗传算法是借鉴生物的自然选择和遗传机制而开发出的一种全局优化自适应概率搜索算法，它在解决复杂系统优化时所表现出的独特的优越性和健壮性，使其成为解决多目标优化问题的一个非常有效的手段。 由于龙门起重机结构系统的动态特性很难用设计变量精确显式表达，本文利用多层人工神经网络极强的非线性映射功能，来描述和处理动态系统中设计变量及其动态参数之间的关系。人工神经网络模型一旦建立，可取代有限元模型进行结构动态特性重分析，其分析过程简单而直接，且远比有限元模型计算速度快，尤其适用于工程技术人员使用。因此，利用遗传算法对所建立的神经网络模型寻优，可以得到可行区域内动态特性最优时的设计变量及目标值。 本文在有限元分析的基础上，结合正交试验法，利用BP神经网络建立了振动系统快速重分析的数学模型，并利用遗传算法对神经网络模型寻优，最终得到多目标优化的部分Pareto最优解。

目录

文摘

英文文摘

声明

第1章绪论

1.1论文研究的背景和意义

1.2多目标优化中的遗传算法

1.2.1多目标优化问题

1.2.2多目标优化问题的遗传算法

1.3神经网络在遗传算法中的应用

1.4论文的主要研究内容

第2章集装箱龙门起重机结构系统静态及动态性能分析

2.1集装箱龙门起重机结构系统有限元参数化模型的建立

2.2集装箱龙门起重机结构系统的静态分析

2.2.1集装箱龙门起重机静态分析中的计算载荷

2.2.2集装箱龙门起重机静态分析中的计算工况

2.2.3集装箱龙门起重机结构系统静态有限元计算结果

2.2.4有限元计算结果分析

2.3集装箱龙门起重机结构系统的模态分析

2.4集装箱龙门起重机结构系统的谐响应分析

2.5集装箱龙门起重机结构系统的瞬态动力学分析

2.6集装箱龙门起重机结构系统的灵敏度分析

第3章集装箱龙门起重机结构系统动态优化设计的数学模型

3.1多目标优化问题的数学描述

3.2集装箱龙门起重机结构系统动态优化设计的数学模型

3.2.1目标函数

3.2.2设计变量

3.2.3约束条件(状态变量)

3.3利用正交试验法确定神经网络的训练样本

第4章BP神经网络模型的建立

4.1常用人工神经网络模型

4.2 BP神经网络

4.2.1网络信息容量与训练样本数

4.2.2训练样本集的准备

4.2.3初始权值的设计

4.2.4多层感知器结构设计

4.2.5网络的训练与测试

4.3 BP神经网络模型的建立

4.3.1以结构自重为输出变量的神经网络

4.3.2以第七阶固有频率为输出变量的神经网络

第5章遗传算法及神经网络的协同优化

5.1遗传算法概述

5.2遗传算法的基本操作

5.3遗传算法运行参数的选择

5.4基于遗传算法和神经网络的结构系统动态优化

5.5遗传算法优化结果与ANSYS优化结果的比较

结 论

致谢

参考文献

攻读硕士学位期间发表的论文及科研成果