一种基于归零神经网络的张拉整体结构找形方法技术

本发明专利技术公开了一种基于归零神经网络的张拉整体结构找形方法。针对张拉整体结构找形问题，结合一种改进Broyden

【技术实现步骤摘要】
一种基于归零神经网络的张拉整体结构找形方法


[0001]本专利技术属于空间结构、张拉整体结构等
，涉及一种基于归零神经网络的张拉整体结构找形方法。

技术介绍

[0002]张拉整体结构作为一种刚柔耦合结构，由于其具有形态可调、受力可控、绳索抗拉、结构轻质以及自稳定等特性，在建筑行业，机器人行业以及太空探索等领域有了长足的发展。
[0003]对于一个张拉整体结构，重点是在空间中保持一个稳定的结构。然而在设计一个张拉整体结构时，往往不能一步到位地设计出张拉整体结构的稳定形态。所以，张拉整体结构的找形过程孕育而生。所谓张拉整体结构的找形过程，是在给定一些初始条件后，找到一个处于稳定状态的张拉整体结构的过程。在这个过程中，许多找形方法被设计出来。比如力密度法，动力松弛法和有限元分析法等找形方法。在这些找形方法中，力密度找形方法作为一种精准而高效的找形方法，一直受到关注。近些年来，许多力密度找形方法已经被提出，例如使用特征值分解和奇异值分解相结合的方法，给定一组力密度向量初值和张拉整体结构的拓扑矩阵C。通过Aq＝0，D[x,y,z]＝0两式，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于归零神经网络的张拉整体结构找形方法，其特征在于，包括以下步骤：S1：输入初始信息，包括张拉整体结构拓扑矩阵C，随机给定的初始节点坐标的x，y和z值。张拉整体结构绳、杆构件的杨氏模量，横截面积和初始长度等信息；S2：将从力密度线性方程组转化的非线性方程组通过最小二乘法转换为一个非线性无约束优化问题，从而将找形问题转换为一个非线性无约束优化问题；S3：计算目标函数的梯度；S4：根据改进BFGS算法计算近似Hessian矩阵的改进BFGS矩阵B
k
；S5：将步骤S4中得到的近似Hessian矩阵B
k
带入抗噪型归零神经网络模型中，计算节点坐标X
k
；S6：判断此时目标函数梯度的2
‑
范数是否小于给定误差，若满足，则迭代过程结束，否则返回步骤S3，并令迭代次数变量k＝k+1。2.根据权利要求1所述的一种基于归零神经网络的张拉整体结构找形方法，其特征在于，所述步骤S2中，力密度向量的表示方法如下式：其中，q代表力密度向量，f代表结构内力，l代表现存绳、杆长度，l
o
代表绳、杆初始长度，E代表杨氏模量，S代表绳、杆横截面积以及α,β分别代表绳、杆两端的初始和结束元素；S201：在无外部支撑即无外力的张拉整体结构找形过程中，外力一般为0。S203：令S202：将力密度向量和绳、杆现长度带入式Aq＝0中；S204：得到非线性方程组如下：S205：其中R(X)表示外力减节点内力的残差，X＝[x
T
,y
T
,z
T
]
T
代表节点坐标向量；S206：通过最...

【专利技术属性】
技术研发人员：孙中波，赵立铭，刘克平，张振国，王刚，刘永柏，李岩，廉宇峰，刘帅师，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：