人工神经网络结合智能算法 在结构优化中的应用

杨利霞

人工神经网络结合智能算法

在结构优化中的应用

结构优化设计属于一种离散变量的优化设计问题，由于需要考虑位移、应力等多种
约束条件，采用传统的优化算法有时难以搜索到全局最优解。本文用API接口将第三方
有限元分析软件与自编智能算法程序相结合，进行了析架结构优化设计方法研究，主要
工作和创新之处包括:
      (1)将人工神经网络技术与智能优化算法相结合，大大提升了优化迭代运算的速
度。本文先采集设计变量样本进行有限元分析，将所得结果代入即神经网络进行预测
并创建网络。其次，在运用优化算法进行迭代运算时，回避大量个体的有限元重分析过
程，而代之以BP神经网络的预测结果，从而大量节省了计算时间。通过对24层框架案
例的单变量和多变量进行优化设计，验证了所用优化理论的正确性和高效性，案例研究
的结果还表明该方法适用于多变量优化问题。此外，还进行17杆平面析架结构和42杆、
72杆空间结构的截面面积优化。分析结果表明，采用本文方法的计算耗时分别比原始的
遗传算法节省80%以上，且优化迭代过程能够稳定收敛。
      (2)为进一步提升析架结构优化收敛速度，创建Matlab分布式集群，采用自编程
序实现两台计算机并行连接，使得两台计算机的SAP2000 API有限元同时进行计算，从
而减少优化迭代过程的计算耗时。对比3个析架案例在考虑位移约束与位移、应力约束
的情况下的优化结果，分析表明Matlab分布式集群的引用比起单纯遗传算法优化平均
减少50%以上的有限元计算时长，并在增加约束条件的情况下，优化收敛速度基本不会
受到影响，因而该方法具有很好地适用性。此外，还根据3个析架算例建立了离散变量
结构优化问题的数学模型，使设计变量在固定的离散集和连续区间内选择。结果表明，
优化迭代过程能够稳定收敛，并且保持了较高的运算效率，因而该方法也适用于离散变
量优化问题。
关键词:结构优化设计;BP神经网络;Matlab分布式集群;离散变量优化