基于遗传算法的薄膜结构加强带布局优化方法及系统技术方案

本发明专利技术公开一种基于遗传算法的薄膜结构加强带布局优化方法及系统，属于薄膜结构技术领域。所述布局优化方法包括以下步骤：S1，设定加强带设计参数，构建布局优化参数；S2,设定遗传算法参数，并对种群初始化；S3，将种群解码获取加强带布局优化参数，并建立非线性有限元模型，同时进行求解；S4，基于求解结果计算目标函数；S5，利用目标函数计算适应度，并判断是否满足停止准则；S6，如果不满足停止准则，则对种群进行选择、交叉、变异操作，重复步骤S3～S5；S7，如果满足停止准则，结束循环，输出最优个体。本发明专利技术通过遗传算法对薄膜结构加强带布局进行优化，可有效避免薄膜结构褶皱的发生，改善薄膜结构的性能。

【技术实现步骤摘要】
基于遗传算法的薄膜结构加强带布局优化方法及系统
本专利技术涉及薄膜结构
，具体涉及一种基于遗传算法的薄膜结构加强带布局优化方法及系统。
技术介绍
薄膜结构具有轻质、易折叠储存的特点，被广泛应用于航天器结构中，如太阳帆帆面、薄膜天线阵面等。但是薄膜结构厚度小，抗弯刚度较小，在压力载荷作用下易产生褶皱变形，褶皱的存在可能会影响薄膜结构的静态和动态特性，进而影响到航天器的性能。通常在工程设计中需要在薄膜结构上设置一定数量的加强带，以改善薄膜结构的力学性能，同时达到减小褶皱变形的目的。薄膜结构褶皱的分析方法主要有两种：一种是基于张力场理论的分析方法，此方法可以获取薄膜褶皱的区域、方向以及发生褶皱后的应力应变状态，但无法得到褶皱具体形貌和结构特征；另一种是基于后屈曲理论的分析方法，此方法先导入初始位移缺陷，然后对薄膜结构进行后屈曲分析，具有计算效率低、难收敛的特点。基于张力场理论的褶皱分析方法相对计算量较小，适用于薄膜结构的优化设计。当前工程设计中，薄膜结构加强带的布局多是基于工程经验进行设计，缺乏成熟的理论指导，而薄膜结构的褶皱变形又是影响薄膜性能的关键设计指标。现有设计方法一般未考虑加强带布局对薄膜结构褶皱变形的影响，因而亟需对薄膜结构加强带布局进行优化，以改善薄膜结构的性能。
技术实现思路
本专利技术提出一种基于遗传算法的薄膜结构加强带布局优化方法及系统，其目的在于通过对加强带布局的优化从而改善薄膜结构的褶皱特性。本专利技术目的通过以下技术方案予以实现：一种基于遗传算法的薄膜结构加强带布局优化方法，包括以下步骤S1～S7：S1，针对薄膜结构，确定加强带设计参数，并根据所述加强带设计参数构建待求的加强带布局优化参数；所述加强带设计参数包括横向加强带数量、纵向加强带数量、加强带厚度和加强带宽度；S2，设定遗传算法参数，并对种群进行初始化；所述遗传算法参数包括种群大小、个体大小、交叉概率、变异概率和最大迭代次数；S3，将所述种群进行解码得到所述加强带布局优化参数的求解结果，并基于所述加强带布局优化参数建立薄膜结构非线性有限元模型，同时利用非线性有限元方法进行求解；S4，基于薄膜结构的性能参数构建目标函数，并基于非线性有限元方法求解结果计算所述目标函数；S5，利用所述目标函数的求解结果计算适应度，并判断迭代次数是否满足预设的停止准则；S6，如果不满足所述停止准则，则对所述种群进行选择、交叉、变异操作，重复步骤S3～S5；S7，如果满足停止准则，则结束循环，输出最优个体，将所述最优个体进行解码得到最优的加强带布局优化参数，并按照最优的加强带布局优化参数布局薄膜结构加强带。可选的，所述步骤S1中构建的加强带布局优化参数的表达式为：b＝[(y11,y12),(y21,y22),...,(ym1,ym2),(x11,x12),(x21,x22),...,(xn1,xn2)]，式中，m为横向加强带数量，n为纵向加强带数量，b表示加强带布局优化参数的集合，b共包含2(m+n)个元素；(y11,y12)为第1条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(y21,y22)为第2条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(ym1,ym2)为第m条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(x12,x12)为第1条纵向加强带与薄膜边缘两交点的横坐标构成的集合；(x21,x22)为第2条纵向加强带与薄膜边缘两交点的横坐标构成的集合；(xn1,xn2)为第n条纵向加强带与薄膜边缘两交点的横坐标构成的集合。可选的，所述步骤S2中的种群为由数量等于Ps的个体组成的群体，且采用行数等于Ps、列数等于Is、每个单元的取值为0或1的二进制数组表示，其中，Ps表示种群大小，Is表示个体大小；所述种群的初始化方法为：生成Ps×Is个随机数，并按顺序依次给所述种群的各个单元赋值。可选的，所述步骤S3中对所述种群进行解码的步骤如下：(1)分别提取种群中大小为Is的个体，将个体拆分为2(m+n)个子个体ai，i＝1,2,…,2(m+n)，m为横向加强带数量，n为纵向加强带数量；(2)将2(m+n)个子个体ai分别利用下式求解得到对应的加强带布局优化参数集合b中的第i个变量bi为：式中bmin和bmax分别为变量bi的最大值和最小值，amax＝2Is/2(m+n)-1，Is为个体大小，m、n分别为横向加强带数量和纵向加强带数量，为子个体ai中第k位数。可选的，所述步骤S3中利用非线性有限元方法的求解过程包括以下子步骤S31～S34：S31，给定初始应变张量增量Δε0，分别计算初始应力张量增量Δσ0、初始应力张量σ0及初始应变张量ε0：Δσ0＝DΔε0σ0＝Δσ0ε0＝Δε0式中D为弹性刚度矩阵，在弹性应力状态下有：其中E为材料弹性模量，v为泊松比；S32，针对薄膜结构所处的不同受力状态，对雅克比矩阵进行赋值，所述受力状态包括拉紧状态、松弛状态和褶皱状态；所述雅克比矩阵J的定义为：式中Δσ为应力张量增量，Δε为应变张量增量；S33，利用所述雅克比矩阵，计算应变张量增量为Δεi时的应力张量增量Δσi、褶皱应变张量增量Δεwi、应变张量ε、褶皱应变张量εw、应力张量σ：Δσi＝JΔεiΔεwi＝QΔεi式中矩阵D为弹性刚度矩阵，s2为最小主应变方向向量；Δεi表示第i步的应变张量增量，Δσi表示第i步的应力张量增量，Δεwi表示第i步的褶皱应变张量增量，下标i表示增量步的序号，当i等于0时，Δε0表示初始应变张量增量，Δσ0表示初始应力张量增量、σ0表示初始应力张量，ε0表示初始应变张量；Δεk表示第k步的应变张量增量，Δσk表示第k步的应力张量增量，Δεwk表示第k步的褶皱应变张量增量，k的取值范围为0，1，2，……，i；符号表示将初始值以及第1步至第i步的值进行求和；S34，判断是否达到终止条件，若未达到则重复步骤S32～S33；若达到则输出最后一步的褶皱应变张量εw；所述终止条件是薄膜结构应力张量σ等于给定的中止应力张量σc。进一步的，所述步骤S32中：(1)当薄膜结构处于拉紧状态下，所述雅克比矩阵J的取值为：式中D为弹性刚度矩阵，E为弹性模量，v为泊松比；(2)当薄膜结构处于松弛状态下，所述雅克比矩阵J的取值为：(3)当薄膜结构处于褶皱状态下，所述雅克比矩阵J的取值为：式中D为弹性刚度矩阵，v为泊松比，ε1和ε2分别为最大主应变和最小主应变，n1、n2分别为最大主应力和最小主应力的方向向量，方向矢量n3＝n1×n2，矩阵其中I为单位矩阵，s2为最小主应变方向向量，上标T表示向量转置。可选的，所述步骤S4中基于薄膜结构褶皱强度因子构建目标函数，所述薄膜结构褶皱强度因子的表达式为：...

【技术保护点】
1.一种基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，包括以下步骤S1～S7：/nS1，针对薄膜结构，确定加强带设计参数，并根据所述加强带设计参数构建待求的加强带布局优化参数；所述加强带设计参数包括横向加强带数量、纵向加强带数量、加强带厚度和加强带宽度；/nS2，设定遗传算法参数，并对种群进行初始化；所述遗传算法参数包括种群大小、个体大小、交叉概率、变异概率和最大迭代次数；/nS3，将所述种群进行解码得到所述加强带布局优化参数的求解结果，并基于所述加强带布局优化参数建立薄膜结构非线性有限元模型，同时利用非线性有限元方法进行求解；/nS4，基于薄膜结构的性能参数构建目标函数，并基于非线性有限元方法求解结果计算所述目标函数；/nS5，利用所述目标函数的求解结果计算适应度，并判断迭代次数是否满足预设的停止准则；/nS6，如果不满足所述停止准则，则对所述种群进行选择、交叉、变异操作，重复步骤S3～S5；/nS7，如果满足停止准则，则结束循环，输出最优个体，将所述最优个体进行解码得到最优的加强带布局优化参数，并按照最优的加强带布局优化参数布局薄膜结构加强带。/n

【技术特征摘要】
1.一种基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，包括以下步骤S1～S7：
S1，针对薄膜结构，确定加强带设计参数，并根据所述加强带设计参数构建待求的加强带布局优化参数；所述加强带设计参数包括横向加强带数量、纵向加强带数量、加强带厚度和加强带宽度；
S2，设定遗传算法参数，并对种群进行初始化；所述遗传算法参数包括种群大小、个体大小、交叉概率、变异概率和最大迭代次数；
S3，将所述种群进行解码得到所述加强带布局优化参数的求解结果，并基于所述加强带布局优化参数建立薄膜结构非线性有限元模型，同时利用非线性有限元方法进行求解；
S4，基于薄膜结构的性能参数构建目标函数，并基于非线性有限元方法求解结果计算所述目标函数；
S5，利用所述目标函数的求解结果计算适应度，并判断迭代次数是否满足预设的停止准则；
S6，如果不满足所述停止准则，则对所述种群进行选择、交叉、变异操作，重复步骤S3～S5；
S7，如果满足停止准则，则结束循环，输出最优个体，将所述最优个体进行解码得到最优的加强带布局优化参数，并按照最优的加强带布局优化参数布局薄膜结构加强带。


2.如权利要求1所述的基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，所述步骤S1中构建的加强带布局优化参数的表达式为：
b＝[(y11,y12),(y21,y22),...,(ym1,ym2),(x11,x12),(x21,x22),...,(xn1,xn2)]，
式中，m为横向加强带数量，n为纵向加强带数量，b表示加强带布局优化参数的集合，b共包含2(m+n)个元素；(y11,y12)为第1条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(y21,y22)为第2条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(ym1,ym2)为第m条横向加强带与薄膜边缘两交点的纵坐标构成的集合；(x12,x12)为第1条纵向加强带与薄膜边缘两交点的横坐标构成的集合；(x21,x22)为第2条纵向加强带与薄膜边缘两交点的横坐标构成的集合；(xn1,xn2)为第n条纵向加强带与薄膜边缘两交点的横坐标构成的集合。


3.如权利要求1中所述的基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，所述步骤S2中的种群为由数量等于Ps的个体组成的群体，且采用行数等于Ps、列数等于Is、每个单元的取值为0或1的二进制数组表示，其中，Ps表示种群大小，Is表示个体大小；所述种群的初始化方法为：生成Ps×Is个随机数，并按顺序依次给所述种群的各个单元赋值。


4.如权利要求1中所述的基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，所述步骤S3中对所述种群进行解码的步骤如下：
(1)分别提取种群中大小为Is的个体，将个体拆分为2(m+n)个子个体ai，i＝1,2,…,2(m+n)，m为横向加强带数量，n为纵向加强带数量；
(2)将2(m+n)个子个体ai分别利用下式求解得到对应的加强带布局优化参数集合b中的第i个变量bi为：



式中bmin和bmax分别为变量bi的最大值和最小值，amax＝2Is/2(m+n)-1，Is为个体大小，m、n分别为横向加强带数量和纵向加强带数量，为子个体ai中第k位数。


5.如权利要求1中所述的基于遗传算法的薄膜结构加强带布局优化方法，其特征在于，所述步骤S3中利用非线性有限元方法的求解过程包括以下子步骤S31～S34：
S31，给定初始应变张量增量Δε0，分别计算初始应力张量增量Δσ0、初始应力张量σ0及初始应变张量ε0：
Δσ0＝DΔε0
σ0＝Δσ0
ε0＝Δε0
式中D为弹性刚度矩阵，在弹性应力状态下有：



其中E为材料弹性模量，v为泊松比；
S32，针对薄膜结构所处的不同受力状态，对雅克比矩阵进行赋值，所述受力状态包括拉紧状态、松弛状态和褶皱状态；
所述雅克比矩阵J的定义...

【专利技术属性】
技术研发人员：聂云清，李东旭，王杰，罗青，邹杰，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：湖南;43