[發(fā)明專利]一種基于OC-PSO的超高層建筑抗風性能設計優(yōu)化方法有效
| 申請?zhí)枺?/td> | 202210050739.8 | 申請日: | 2022-01-17 |
| 公開(公告)號: | CN114491748B | 公開(公告)日: | 2023-03-28 |
| 發(fā)明(設計)人: | 黃銘楓;王淳禾;林巍;肖志斌 | 申請(專利權)人: | 浙江大學 |
| 主分類號: | G06F30/13 | 分類號: | G06F30/13;G06F30/23;G06F30/25;G06F111/06;G06F111/10;G06F119/02;G06F119/14 |
| 代理公司: | 浙江杭州金通專利事務所有限公司 33100 | 代理人: | 吉靖 |
| 地址: | 310058 浙江*** | 國省代碼: | 浙江;33 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 基于 oc pso 超高層建筑 抗風性 設計 優(yōu)化 方法 | ||
1.一種基于OC-PSO的超高層建筑抗風性能設計優(yōu)化方法,其特征在于:所述超高層建筑動力抗風設計優(yōu)化方法包括如下步驟:
步驟1、獲取初始設計信息,建立結構的初始有限元模型,根據(jù)有限元模型分析結構的動力特性;
步驟2、通過高頻天平風洞試驗或多點同步測壓風洞試驗得到建筑縮尺模型的基底力時程,并將其轉化至建筑原型;
步驟3、結合初始結構的動力特性及建筑原型的基底力時程結果,對結構進行頻域內的風振響應分析,得到結構上應施加的等效靜風荷載;
步驟4、根據(jù)初始結構的有限元模型及等效靜風荷載,得到初始結構的風振響應,確定結構的分區(qū)信息,并采用優(yōu)化準則法對初始結構進行優(yōu)化;
步驟5、將OC法優(yōu)化結果作為粒子群算法的初始全局最優(yōu)點,采用粒子群算法進行進一步優(yōu)化,粒子群算法每完成一次迭代,重評估粒子對應結構的動力特性的變化,并根據(jù)基底力時程結果進行頻域內的風振響應分析以重新計算結構的等效靜風荷載和風振加速度響應;
步驟6、更新施加在結構上的等效靜風荷載,并重新計算結構的層位移結構安全性指標,結合前面得到的結構的風振加速度響應,綜合評估結構的安全性及舒適度方面的表現(xiàn),給出結構所對應粒子的評價值;
步驟7、重復上述步驟5-步驟6,直到最終優(yōu)化結果滿足要求,或迭代次數(shù)達到最大值。
2.如權利要求1所述的基于OC-PSO的超高層建筑抗風性能設計優(yōu)化方法,其特征在于:步驟4及步驟5中OC法與PSO法的結合步驟如下:
初始采用基于虛功原理的OC法對建筑結構構件尺寸進行迭代優(yōu)化,混凝土框架構件截面尺寸優(yōu)化的迭代方程如下式所示:
式中:及/表示在第v次迭代過程中第ic個截面的長和寬;/表示對應構件的造價系數(shù);/及/表示混凝土框架構件的虛應變能系數(shù);/及/表示混凝土框架構件的應變能系數(shù);η表示松弛系數(shù);λj及λj'表示拉格朗日乘子,根據(jù)層位移及模態(tài)應變能在響應設計變量變化時的敏感度求得;Ng1指層間位移角約束和層位移約束的數(shù)量;Ng2指加速度約束轉化而來頻率約束的數(shù)量;N指參與優(yōu)化的構件數(shù)量;基于式(1)及式(2),對構件尺寸進行循環(huán)迭代,直到優(yōu)化結果滿足收斂標準;
通常情況下,在使用粒子群算法時,初始粒子的位置是按照定義的優(yōu)化變量的上下限隨機生成的,如下式所示:
式中:指第i個粒子對應的第j個優(yōu)化設計變量在開始優(yōu)化時的初始值;xL,j、xH,j分別指第j個優(yōu)化設計變量值在優(yōu)化中的下限和上限;在OC-PSO法中,為了將OC法的優(yōu)化結果信息傳遞給PSO優(yōu)化,初始的第一個粒子根據(jù)OC法的優(yōu)化結果確定,如下式所示:
式中:xOC,j指OC法的優(yōu)化結果;其余初始粒子仍按照式(3)確定,初始粒子的運動速度按照定義的粒子的運動速度的上下限確定,如下式所示:
式中:指第i個粒子對應的第j個優(yōu)化設計變量值在粒子群算法中開始優(yōu)化時的運動速度;VL,j、VH,j分別指第j個優(yōu)化設計變量的運動速度在優(yōu)化中的下限和上限;隨后,通過記錄每個粒子的歷史最佳位置以及所有粒子中出現(xiàn)過的歷史最佳位置,結合粒子自身的慣性不斷調整粒子的位置,直到探尋到符合要求的結構設計方案;針對PSO算法容易早熟且后期易在全局最優(yōu)解附近產生激蕩的現(xiàn)象,采用了線性遞減權重法計算慣性系數(shù),粒子群算法的迭代步驟如下式所示:
式中:指第i個粒子的第j個優(yōu)化設計變量在第v次迭代的過程中的速度;/指第i個粒子的第j個優(yōu)化設計變量在第v次迭代中的值;ωv指慣性系數(shù);c1和c2指學習因子;r1和r2指[0,1]區(qū)間內的隨機數(shù);在第v次迭代過程中;/表示全局最優(yōu)解第j個設計變量的值;/表示第i個粒子自身的歷史最優(yōu)解第j個設計變量的值;ωmax及ωmin分別為慣性系數(shù)的上下限;vmax為迭代次數(shù)的最大值。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于浙江大學,未經(jīng)浙江大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210050739.8/1.html,轉載請聲明來源鉆瓜專利網(wǎng)。
- 一種基于PSO的多細胞位置輪廓同步精確跟蹤系統(tǒng)
- 一種基于PSO優(yōu)化的PVC聚合釜溫度變結構控制方法
- 一種基于玉米粒碰撞聲信號多域融合的PSO-SVM優(yōu)化方法
- 一種基于交流SCE-PSO算法的無線傳感器網(wǎng)絡節(jié)點三維定位方法
- 一種基于SCE?PSO算法的無線傳感器網(wǎng)絡節(jié)點三維定位方法
- 一種PSO-BFGS神經(jīng)網(wǎng)絡訓練算法
- 一種聚酯纖維生產過程工藝參數(shù)的智能配置方法
- 基于PSO優(yōu)化的BP神經(jīng)網(wǎng)絡預測電梯故障的方法
- 芯片上電控制裝置
- 一種非晶硅氧碳復合陶瓷熱障涂層的制備方法





