【技术实现步骤摘要】
一种基于赋权图的结构拓扑优化方法、系统以及可读存储介质
本专利技术属于拓扑优化方法，具体涉及一种基于赋权图与双重自适应微分进化算法的结构拓扑优化方法、系统以及可读存储介质。
技术介绍
拓扑优化技术一直以来是结构优化问题中的热点话题。自上世纪80年代以来，相关学者已开发出多种不同类型的拓扑优化方法。其中主要包括变密度法(SIMP)、渐进拓扑优化方法(ESO)及其衍生方法双向渐进拓扑优化方法(BESO)、水平集方法(Level-set)等。通过借助有限元技术对设计空间进行离散，使用上述方法对设计空间内的部分单元进行属性调整(密度、厚度)，实现对材料分布的改变，进而实现结构拓扑构型的优化。上述方法有一个共同的不足之处在于，对单元属性的调整过程，需要计算单元属性变化对优化目标的梯度信息，根据梯度最速下降原理，来确定该单元的属性调整方向以及幅度。因此梯度的计算是上述方法的核心步骤。然而，梯度计算是基于每一个独立的单元单独进行的，并不会考虑单元与单元之间的属性值连续性，因此往往会造成优化结果的边界模糊，有时甚至是非连续的...
【技术保护点】
1.一种基于赋权图的结构拓扑优化方法，其特征在于：包括如下步骤：/nS1：设置目标体的赋权图模型所需的设计变量以及部分可调设计变量的上、下界；/nS2：根据设计变量的上、下界随机生成第一代个体的数学模型，并基于所述第一代个体的数学模型并利用所述微分进化算法进行迭代运算得到最优数学模型；/n其中，数学模型是基于上、下界限定范围内随机取值得到的一组设计变量表示；/nS3：将所述最优数学模型转换为目标体对应的最优结构拓扑构型。/n
【技术特征摘要】 【专利技术属性】
1.一种基于赋权图的结构拓扑优化方法，其特征在于：包括如下步骤：
S1：设置目标体的赋权图模型所需的设计变量以及部分可调设计变量的上、下界；
S2：根据设计变量的上、下界随机生成第一代个体的数学模型，并基于所述第一代个体的数学模型并利用所述微分进化算法进行迭代运算得到最优数学模型；
其中，数学模型是基于上、下界限定范围内随机取值得到的一组设计变量表示；
S3：将所述最优数学模型转换为目标体对应的最优结构拓扑构型。
2.根据权利要求1所述的方法，其特征在于：所述设计变量包括节点个数、节点位置、节点间的边数以及边的宽度，所述节点位置以及所述边的宽度为可调设计变量，其中，若存在动态载荷，则动态载荷加载点至少为一个节点，固定节点的位置保持不变，非固定节点的位置在对应上、下界范围内可变化。
3.根据权利要求2所述的方法，其特征在于：步骤S3的执行过程为：基于赋权图与结构拓扑构型的信息转换将所述最优数学模型转换为目标体对应的最优结构拓扑构型，具体如下：
首先，基于赋权图模型中的设计变量，在目标体离散网格的设计空间内确定节点位置、边以及边的宽度，进而构建出多个矩形块组成的矩形系统；
然后，对每个矩形块所覆盖的单元进行检测，检测内容为：鉴别单元的重心是否位于矩形块范围内，若位于矩形块范围内，则保留，进而基于鉴别结果构建出结构拓扑构型。
4.根据权利要求1所述的方法，其特征在于：步骤S2的迭代运算过程中，下一代个体的数学模型是基于前一代个体的数学模型转变的，其中，转变方式至少包含了变异操作，所述变异操作是基于双重自适应算子进行的，所述双重自适应算子如下：
Vi(g+1)＝Xr1(g)+Fc(Xbest(g)-Xr1(g))+Fg(Xr2(g)-Xr3(g))
式中，Vi(g+1)表示变异操作后的下一代个体的数学模型，Xr1(g)、Xr2(g)、Xr3(g)分别表示当前迭代代数g下数学模型中的任意三个数学模型，Xbest(g)表示当前迭代代数g下的当前最优数学模型，Fg、Fc均为自适应系数。
5.根据权利要求4所述的方法，其特征在于：自适应系数Fg、Fc的计算公式如下：
式中，gm为最大迭代次数，fbest代表当前迭代下优化目标值中的最优值，fmean代表当前迭代下优化目标值的平均值。
技术研发人员：许平，邢杰，赵慧，姚曙光，赵紫亮，王章骏，
申请(专利权)人：中南大学，
类型：发明
国别省市：湖南;43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。