一种大跨度穹顶结构预应力优化方法技术

本发明专利技术公开了一种大跨度穹顶结构预应力优化方法，其步骤包括获取大跨度穹顶结构信息，根据获取的大跨度穹顶结构信息确定初始Q

【技术实现步骤摘要】
一种大跨度穹顶结构预应力优化方法


[0001]本专利技术涉及穹顶结构预应力优化
，具体为一种大跨度穹顶结构预应力优化方法。

技术介绍

[0002]一种大跨度穹顶结构具有空间受力的拉索预应力钢结构体系，其预应力水平是影响大跨度穹顶结构成形和受力特性的关键因素。在未施加预应力前，结构自身刚度无法维持形状，体系处于松弛态，只有施加一定大小的预应力才能成形和承受荷载；且其预应力的大小和分布直接影响着结构的受力性能，只有结构中的预应力大小和分布合理，结构才能有良好的力学性能。
[0003]许多学者在穹顶结构预应力优化方面开展了卓有成效的研究并取得了丰富成果，但以往的研究局限于质量最小，预应力水平最低等单目标优化。在实际研究与设计中，往往需要考虑多方面性能所能达到的最优解问题，属于多目标优化问题。在优化算法方面，以往多采用准则法、规划法等算法，这类方法往往依赖于准则的设定，需要目标函数的导数值等其他辅助信息才能确定搜索方向，易陷入局部最优解。且目前的优化方法，往往无法同时考虑多种参数的优化变量，同时又不能考虑优化变量之间的相互影响。

技术实现思路

[0004]本专利技术的目的在于提供一种大跨度穹顶结构预应力优化方法，通过使用Q学习来实现约束多目标优化预应力的问题。
[0005]为了解决上述技术问题，本专利技术提供如下技术方案：一种大跨度穹顶结构预应力优化方法，步骤包括：
[0006]获取大跨度穹顶结构信息；
[0007]根据获取的大跨度穹顶结构信息确定初始Q
‑/>表；
[0008]在Q
‑
表基础上，利用筛选模型对Q
‑
表进行更新和个体约束，并将约束的新增个体放入集合R中；
[0009]基于集合R，利用优化模型进行迭代，确定最优预应力。
[0010]根据上述技术方案，所述大跨度穹顶结构信息包括：自应力模态信息、初始预应力、优化变量、目标函数、大跨度穹顶结构信息和约束条件信息。
[0011]所述约束条件信息包括整体可行性条件、工况载荷下应力条件和位移限值条件。
[0012]根据上述技术方案，所述筛选模型建立的步骤包括：
[0013]确定初始的Q
‑
表、所述状态空间s为初始预应力，所述动作合集为预应力优化动作；
[0014]根据预应力评估模型计算性能评估值；
[0015]通过预应力评估值，判断个体状态和奖励值，更新Q
‑
表、状态向量、动作链和奖赏链；
[0016]在更新的Q
‑
表基础上，利用约束算法对种群内的个体进行条件约束，并将约束的新增个体放入集合R中。
[0017]Q
‑
表的更新是一种免模型的强化学习算法，具有计算复杂度低和学习效果好等优点。对于任何有限环境和动作，它都能根据与环境交互获得的反馈选择相应的动作，从而实现学习的目的和整体收益最大化。机器通过在环境中不断尝试而学习到的策略预测下一个状态要执行的动作。利用Q学习方法使得搜索范围更加广阔，搜索方向不在局限，避免了易陷入局部最优解。
[0018]所述Q
‑
表中的每一行代表一个状态，每一列表示一个动作，Q(s,a)是状态
‑
动作函数值函数，它表示在某一时刻的状态s下，采取动作a能够获得的奖励期望。
[0019]根据上述技术方案，所述预应力评估模型为：
[0020][0021]其中，H表示大跨度穹顶结构跨度，ζ表示阻尼比；h为常数；M表示结构质量；l
x
表示当前个体的位移向量；l
x
‑1表示为前一个体的位移向量；s
i
为新增个体的数值。
[0022]所述预应力评估模型是根据整体可行性条件、工况载荷下应力条件和位移限值条件建立的，考虑穹顶结构的实际情况。
[0023]根据上述技术方案，所述Q
‑
表更新公式为：
[0024]Q(s,a)＝(1
‑
h)Q(s,a)+h(r+βQ(s
′
,a
′
))；
[0025]其中，Q(s,a)是状态
‑
动作函数值函数、a表示当前动作、s表示当前状态，h是常数，表示为更新步长、r表示预应力评估值、β表示奖励折、s
′
表示为下一时刻的状态、a
′
表示为在s
′
状态下的最佳动作。
[0026]根据上述技术方案，所述约束算法为：
[0027]F＝a1f1+a2f2+
…
+a
n
f
n
+C；
[0028]其中，f1、f2、f
n
分别为经过正则化处理后的个体约束函数；a1、a2、a
n
分别为对应目标函数的加权系数；C为常数项。C为常数项为整体可行性条件、工况载荷下应力条件和位移限值条件的临界值。利用约束算法考虑多方面性能所能达到的最优解问题，使得预应力优化更加贴合实际，更加精准。
[0029]根据上述技术方案，所述优化模型建立的步骤包括：
[0030]基于集合R内个体数值，利用优化度模型计算每个个体对应的优化度；
[0031]对每个个体对应的优化度进行降序处理，将最大优化度放入最大优化度集合U中；
[0032]判断是否达到最大迭代次数，若是没有达到最大迭代次数就返回至利用筛选模型对种群进行筛选的步骤进行迭代，直至达到最大迭代次数停止迭代；
[0033]筛选出集合U中最大优化度P
max
，并查询与最大优化度P
max
对应的个体。
[0034]根据上述技术方案，所述优化度模型为：
[0035][0036]其中，K为基于初始个体x0新增的个体的数量，P
i
为在基于初始个体x0新增的个体集合中第i个个体的优化度，f(x0)为初始个体数值，f(s
i
)为在基于初始个体x0新增的个体集合中第i个个体数值。
[0037]个体的函数值越靠近目标，其优化度越高，所对应的概率区域越大，那么通过对优化度进行比对，得到迭代完成后最大优化度即可实现预应力优化。
[0038]与现有技术相比，本专利技术所达到的有益效果是：本专利技术根据大跨度穹顶结构的实际信息构建Q
‑
表，通过Q学习的方法根据预应力评估模型不断的进行预应力优化，其中预应力评估模型的建立考虑了预应力评估的条件包括整体可行性、工况载荷下应力和位移限值，使得预应力评估更加符合实际情况，对优化的预应力利用约束算法进行约束，约束算法中将多目标优化转化为单目标优化，再利用优化模型不断进行迭代直至到达最大迭代次数，再利用优化度模型选出最佳预应力最佳优化，在本专利技术中不仅可以考虑多种参数的优化变量，而且将多目标优化转化为单目标优化，使其在需较多兼顾结构变形要求时，能够更好地满足优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大跨度穹顶结构预应力优化方法，其特征在于，步骤包括：获取大跨度穹顶结构信息；根据获取的大跨度穹顶结构信息确定初始Q
‑
表；在Q
‑
表基础上，利用筛选模型对Q
‑
表进行更新和个体约束，并将约束的新增个体放入集合R中；基于集合R，利用优化模型进行迭代，确定最优预应力。2.根据权利要求1所述的一种大跨度穹顶结构预应力优化方法，其特征在于：所述大跨度穹顶结构信息包括：自应力模态信息、初始预应力、优化变量、大跨度穹顶结构信息和约束条件信息。3.根据权利要求1所述的一种大跨度穹顶结构预应力优化方法，其特征在于：所述筛选模型建立的步骤包括：确定初始的Q
‑
表；根据预应力评估模型计算性能评估值；通过预应力评估值，判断个体状态和奖励值，更新Q
‑
表；在更新的Q
‑
表基础上，利用约束算法对种群内的个体进行条件约束，并将约束的新增个体放入集合R中。4.根据权利要求3所述的一种大跨度穹顶结构预应力优化方法，其特征在于：所述预应力估模型为：其中，H表示大跨度穹顶结构跨度，ζ表示阻尼比；h是常数，表示为更新步长；M表示结构质量；l
x
表示当前个体的位移向量；l
x
‑1表示为前一个体的位移向量；s
i
为新增个体的数值。5.根据权利要求3所述的一种大跨度穹顶结构预应力优化方法，其特征在于：所述Q
‑
表更新公式为：Q(s,a)＝(1
‑
h)Q(s,a)+h(r+βQ(s
′
,a
′
))；其中，Q(s,...

【专利技术属性】
技术研发人员：王玮，罗焰华，盛旭东，贡宏要，贡力，靳春玲，杨华中，贾治元，
申请(专利权)人：中国铁路广州局集团有限公司站房建设指挥部，
类型：发明
国别省市：