【技术实现步骤摘要】
本专利技术涉及减震装置，尤其是涉及一种耦合神经网络与遗传算法的减震装置优化设计方法。
技术介绍
1、减震装置的减震效果受装置的结构、参数、布置等多方面因素影响。在利用减震装置提升结构的抗震性能时，减震装置设计不当会使其无法实现良好的减震效果，还可能导致局部薄弱环节破坏。当前的抗震设计过程中，减震装置的设计通常是基于以往的设计经验或者通过传统的定性分析方法确定。
2、传统的定性分析方法是以分析不同因素对装置减震效果的影响为主。通常是在参数取值范围内分析所有可能的结果，并将结果一一比较，明确不同因素对减震装置减震效果的影响，从而完成对减震装置的设计。由于传统优化方法往往需要逐步搜索整个可行空间，优化效率较低。而目前建筑结构和减震装置的形式越来越复杂，传统的分析方法逐渐不再适用。
3、随着计算机技术的发展，研究者提出了多种智能算法以实现复杂非线性问题的优化。智能优化算法将复杂的优化问题抽象为数学问题，并根据实际问题确定约束条件与目标函数，建立优化数学模型，利用启发式算法，在优化问题的可行域内进行随机搜索，得到优化问题的最优解或者近似最优解。随着智能优化算法的发展，学者们逐渐将其应用于工程抗震领域。目前主要用于结构形式优化，减震装置的布置优化与参数优化。相比于传统分析方法，智能优化算法可以在空间内进行随机搜索，提高优化效率。
4、但在利用智能优化算法对工程问题进行优化时，通常需要借助数值模型来对结构进行动力响应分析。对于简单的工程结构，可以将其简化为多自由度模型利用解析法求解。但对于复杂工程问题，通常
5、综上可知，减震装置的现有优化设计存在以下缺陷：随着工程结构和减震装置逐渐复杂化，传统的定性分析方法不再适用。虽然智能优化算法可以在空间内进行随机搜索，提高优化效率，需要进行大量的减震装置减震效率计算，计算成本过高限制了减震装置优化设计方法在工程中的应用。
技术实现思路
1、本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种耦合神经网络与遗传算法的减震装置优化设计方法，能够解决现有设计方法计算成本过高、收敛困难的问题。
2、本专利技术的目的可以通过以下技术方案来实现：一种耦合神经网络与遗传算法的减震装置优化设计方法，包括以下步骤：
3、s1、建立结构与减震装置模型，同时生成随机地震动样本；
4、s2、计算不同地震动作用下不同减震装置对应的减震效果数据，以构建得到训练数据库；
5、s3、利用训练数据库对建立的人工神经网络模型进行训练，得到减震效果预测模型；
6、s4、采用自适应遗传算法，通过调用减震效果预测模型，以对应计算种群个体的目标函数，确定出减震装置的最优设计参数。
7、进一步地，所述步骤s1具体是在有限元软件中建立结构与减震装置模型。
8、进一步地，所述步骤s1具体是根据非平稳地震动的演化功率谱模型，以生成一系列随机地震动样本。
9、进一步地，所述随机地震动样本包括地震动的加速度时程数据。
10、进一步地，所述步骤s2具体是利用结构与减震装置模型，在有限元软件中计算不同地震动作用下不同减震装置的减震动力响应、并将计算结果标签化储存，以构建得到训练数据库。
11、进一步地，所述s3具体是利用训练数据库对人工神经网络进行训练，以学习拟合不同设计参数下减震装置与减震效果之间的因果关系，进而得到减震效果预测模型。
12、进一步地，所述步骤s4中自适应遗传算法的过程为：
13、根据种群不同个体对应的目标函数值，计算种群中的个体适应度与适应度标准差，以调整遗传算法的交叉概率与变异概率，对种群个体的基因型进行交叉、变异、选择的操作，生成新的种群，循环操作直到满足预设优化要求，输出得到优化变量的全局最优解。
14、进一步地，所述个体具体为减震装置的设计参数，包括滑面摩擦系数及等效半径，所述种群为一次遗传操作后所有个体的集合。
15、进一步地，所述个体适应度的计算公式为：
16、
17、其中，fk为种群中第k个个体的适应度，γmax为种群中适应度最高个体的适应度，γmin为种群中适应度最低个体的适应度，同时为避免个体适应度为0导致被隐去，在计算后增加了一个极小值常数e-3。
18、进一步地，所述步骤s4中种群个体的目标函数为个体对应的减震装置的减震效率：
19、
20、其中，rf为设置减震装置的中柱动力响应，r0为没有设置减震装置的中柱动力响应。
21、与现有技术相比，本专利技术具有以下优点：
22、本专利技术首先建立能够高效分析减震装置减震效果的人工神经网络模型，其次设计自适应遗传算法优化过程，并将人工神经网络模型与自适应遗传算法相结合，利用自适应遗传算法程序调用人工神经网络分析不同减震装置的减震效果，确定种群个体的目标函数，最后得到减震装置的最优设计参数，突破了现有优化设计方法需要消耗较多计算资源的局限性，能够有效降低计算成本，提高设计效率。
23、本专利技术通过生成一系列随机地震动样本，计算得到无减震装置的结构地震动力响应与不同减震装置作用下结构的地震动力响应，利用计算得到的数据建立减震装置的神经网络训练数据库，通过训练人工神经网络，使其学习减震装置设计参数与减震效率之间的关系，该训练好的神经网络作为优化设计方法的分析核心，能够实现减震装置减震效率的快速分析。
24、本专利技术中，设计自适应遗传算法过程，根据种群中个体的适应度自动改变个体的交叉变异概率，对于种群中的劣势个体，采用较大的交叉变异概率，增强算法的空间搜索能力，对于种群中适应度高的优势个体则采用较小的交叉变异概率，防止优势个体被遗传操作破坏，提高算法的收敛速度。同时在种群多样性小的时候，增大交叉变异概率，避免了种群中相似个体大量繁殖导致算法空间搜索能力下降。相比于传统交叉概率为固定值的遗传算法、以及仅考虑当前种群个体未考虑整体进化进程的遗传算法，本方案提出的考虑种群多样性的自适应遗传算法具有更好的搜索能力与收敛速度。
本文档来自技高网...【技术保护点】
1.一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤S1具体是在有限元软件中建立结构与减震装置模型。
3.根据权利要求1所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤S1具体是根据非平稳地震动的演化功率谱模型，以生成一系列随机地震动样本。
4.根据权利要求3所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述随机地震动样本包括地震动的加速度时程数据。
5.根据权利要求4所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤S2具体是利用结构与减震装置模型，在有限元软件中计算不同地震动作用下不同减震装置的减震动力响应、并将计算结果标签化储存，以构建得到训练数据库。
6.根据权利要求5所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述S3具体是利用训练数据库对人工神经网络进行训练，以学习拟合不同设计参数下减震装
7.根据权利要求1所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤S4中自适应遗传算法的过程为：
8.根据权利要求7所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述个体具体为减震装置的设计参数，包括滑面摩擦系数及等效半径，所述种群为一次遗传操作后所有个体的集合。
9.根据权利要求8所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述个体适应度的计算公式为：
10.根据权利要求9所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤S4中种群个体的目标函数为个体对应的减震装置的减震效率：
...【技术特征摘要】
1.一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤s1具体是在有限元软件中建立结构与减震装置模型。
3.根据权利要求1所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤s1具体是根据非平稳地震动的演化功率谱模型，以生成一系列随机地震动样本。
4.根据权利要求3所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述随机地震动样本包括地震动的加速度时程数据。
5.根据权利要求4所述的一种耦合神经网络与遗传算法的减震装置优化设计方法，其特征在于，所述步骤s2具体是利用结构与减震装置模型，在有限元软件中计算不同地震动作用下不同减震装置的减震动力响应、并将计算结果标签化储存，以构建得到训练数据库。
6.根据权利要求...
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。