当前位置：问答库＞论文摘要

针对复合材料格栅加筋结构优化设计是一个多变量、多约束、连续变量和离散变量相混合、高度非线性的难点，本文提出了一种有效的基于计算智能技术的方法用于复合材料格栅加筋结构优化设计之中，并在此基础上建立了一套实用的神经智能优化系统。为了提高神经网络的映射精度和克服网络结构设计的难点，本文采用遗传算法（GA）进行神经网络结构和权值的自适应寻优，并加入BP局部微调算子构建了进化神经网络ENN。提出了用ENN响应面来实现结构设计参数（输入）与结构响应参数（输出）的全局非线性映射关系，以此来代替结构优化过程中存在的大量有限元计算，从而提高优化效率。以GA为主导的智能优化算法作求解器，形成ENN-GA优化模型用于结构的优化设计中，并研究了使用正交与均匀试验设计进行神经网络训练样本数据的选取方法。对传统BP神经网络和径向基RBF神经网络也进行了研究，对标准智能优化算法GA、进化规划EP和模拟退火算法SA进行了改进，并在软件系统中对这些计算智能方法都进行了程序实现。以ENN-GA为优化方法，屈曲稳定性神经网络响应面为主要约束，对复合材料格栅加筋结构的优化问题进行了分析研究。算例表明，在相同（有限元）样本数据的情况下，ENN通过自适应调节网络结构和权值，可以获得比BP神经网络更高精度的映射模型，具有很强的泛化能力。该方法可以为解决大型复合材料结构优化问题提供了一条高效途径。并将ENN-GA算法用于结构可靠性分析之中，取得了很好的使用效果，进一步验证了ENN-GA算法的工程适用性。