[發(fā)明專利]復(fù)合材料層合板構(gòu)件鋪層多級(jí)優(yōu)化設(shè)計(jì)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202210085575.2
• 申請(qǐng)日: 2022-01-25
• 公開（公告）號(hào): CN114547791A
• 公開（公告）日: 2022-05-27
• 發(fā)明（設(shè)計(jì)）人: 陳一哲;袁夢(mèng);謝北辰;王輝;華林
• 申請(qǐng)（專利權(quán)）人: 武漢理工大學(xué)
• 主分類號(hào): G06F30/17
• 分類號(hào): G06F30/17;G06F30/23;G06F30/27;G16C60/00;G06N3/00;G06N3/08;G06N3/12;G06F111/06;G06F111/08;G06F113/26
• 代理公司: 湖北武漢永嘉專利代理有限公司 42102
• 代理人: 朱宏偉

本發(fā)明涉及一種復(fù)合材料層合板構(gòu)件鋪層多級(jí)優(yōu)化設(shè)計(jì)方法，針對(duì)層合板結(jié)構(gòu)的鋪層優(yōu)化，階段一是針對(duì)于鋪層順序的優(yōu)化，優(yōu)化目標(biāo)為層合板構(gòu)件的基頻最大化，運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法快速預(yù)測(cè)設(shè)計(jì)結(jié)果，然后依據(jù)預(yù)測(cè)結(jié)果，通過粒子群算法搜索復(fù)合材料層合板設(shè)計(jì)問題的最優(yōu)解，提高鋪層優(yōu)化設(shè)計(jì)效率。階段二主要是優(yōu)化復(fù)合材料的層數(shù)，以基頻最大化與質(zhì)量最小化為優(yōu)化目標(biāo)建立多目標(biāo)拓?fù)鋬?yōu)化模型，設(shè)計(jì)變量為各鋪層相對(duì)于自身厚度的相對(duì)厚度，應(yīng)用改進(jìn)的自適應(yīng)遺傳算法進(jìn)行求解。本發(fā)明能夠節(jié)省重復(fù)有限元計(jì)算所浪費(fèi)的時(shí)間，通過機(jī)器學(xué)習(xí)方法提高優(yōu)化效率，能快速有效地優(yōu)化設(shè)計(jì)復(fù)合材料層合板結(jié)構(gòu)件的質(zhì)量，并提高其基頻，改善穩(wěn)定性。

技術(shù)領(lǐng)域

本發(fā)明涉及復(fù)合材料構(gòu)件結(jié)構(gòu)設(shè)計(jì)領(lǐng)域，更具體地說，涉及一種復(fù)合材料層合板構(gòu)件鋪層多級(jí)優(yōu)化設(shè)計(jì)方法。

背景技術(shù)

近年來，復(fù)合材料層合板結(jié)構(gòu)件在航空航天，汽車，高鐵等許多工業(yè)領(lǐng)域得到了廣泛應(yīng)用，在某些關(guān)鍵零件上采用復(fù)合材料替換傳統(tǒng)鋁合金和鋼材已成為趨勢(shì)。然而，由于金屬材料和纖維增強(qiáng)材料本身性能的巨大差異，導(dǎo)致了在材料替換過程中可能會(huì)產(chǎn)生結(jié)構(gòu)設(shè)計(jì)不合理，減重不足等問題，而且復(fù)合材料是一種各向異性嚴(yán)重不均勻的材料，盡管其縱向性能優(yōu)秀，但其橫向性能以及層間性能較差，因此需要對(duì)復(fù)合材料參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)，具體包括層合板各單層的纖維鋪層方向、各單層的厚度和鋪層排列順序等。然而大多數(shù)層合板構(gòu)件的使用工況復(fù)雜，相應(yīng)的優(yōu)化問題多為多目標(biāo)優(yōu)化問題，在多目標(biāo)優(yōu)化問題中同時(shí)考慮鋪層角度和鋪層厚度會(huì)大大增加優(yōu)化問題的復(fù)雜程度，現(xiàn)有的優(yōu)化方法一般是利用有限元方法結(jié)合優(yōu)化算法對(duì)層合板結(jié)構(gòu)展開分析，層合板復(fù)雜構(gòu)件常常伴隨著大量的設(shè)計(jì)參數(shù)，需要大量樣本點(diǎn)參與迭代運(yùn)算計(jì)算出合適的參數(shù)，且現(xiàn)有的針對(duì)復(fù)合材料層合板的多目標(biāo)優(yōu)化方法如蟻群算法、粒子群算法、遺傳算法等，很少同時(shí)考慮將鋪層厚度及鋪層角度作為設(shè)計(jì)變量，通過傳統(tǒng)算法優(yōu)化需要大量的目標(biāo)函數(shù)和約束條件，并且在計(jì)算優(yōu)化指標(biāo)值和適應(yīng)度函數(shù)的過程中，算法效率也有較大的影響；而且在優(yōu)化層合板構(gòu)件的多目標(biāo)優(yōu)化過程中，很少有人結(jié)合性能設(shè)計(jì)和減重設(shè)計(jì)來綜合考慮優(yōu)化問題，例如同時(shí)考慮復(fù)合材料層合板構(gòu)件的模態(tài)頻率優(yōu)化以及結(jié)構(gòu)的整體減重問題，且現(xiàn)有方法無法靈活改變目標(biāo)函數(shù)的權(quán)重，算法模型無法快速融合設(shè)計(jì)變量參數(shù)的改變，這些問題在很大程度的影響了復(fù)合材料層合板構(gòu)件的優(yōu)化設(shè)計(jì)效率，導(dǎo)致計(jì)算過程中計(jì)算量過大，全局搜索能力差以及模型魯棒性差等問題，這也導(dǎo)致了無法科學(xué)有效的實(shí)現(xiàn)輕量化材料的替換問題。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題在于，提供一種復(fù)合材料層合板構(gòu)件鋪層多級(jí)優(yōu)化設(shè)計(jì)方法，運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法快速預(yù)測(cè)設(shè)計(jì)結(jié)果，依據(jù)預(yù)測(cè)結(jié)果通過粒子群算法搜索復(fù)合材料層合板設(shè)計(jì)問題的最優(yōu)解，在建立以基頻最大化與質(zhì)量最小化為優(yōu)化目標(biāo)建立多目標(biāo)拓?fù)鋬?yōu)化模型后，應(yīng)用改進(jìn)的自適應(yīng)遺傳算法進(jìn)行求解，本發(fā)明提供的優(yōu)化設(shè)計(jì)方法能夠解決目前鋪層角度與鋪層厚度優(yōu)化過程中的收斂速度慢、計(jì)算過程復(fù)雜，以及優(yōu)化設(shè)計(jì)模型的魯棒性差等、依賴設(shè)計(jì)人員經(jīng)驗(yàn)等問題。本發(fā)明能快速有效地優(yōu)化設(shè)計(jì)復(fù)合材料層合板結(jié)構(gòu)件的鋪層參數(shù)，實(shí)現(xiàn)輕量化的效果，并提高其基頻，改善穩(wěn)定性。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：構(gòu)造一種復(fù)合材料層合板構(gòu)件鋪層多級(jí)優(yōu)化設(shè)計(jì)方法，包括以下步驟：

步驟1：一階段的鋪層優(yōu)化設(shè)計(jì)參數(shù)為層合板構(gòu)件的鋪層順序，優(yōu)化目標(biāo)為層合板構(gòu)件的基頻最大化，構(gòu)造對(duì)應(yīng)的數(shù)學(xué)模型；

步驟2：將表示鋪層角度的離散型進(jìn)制數(shù)映射為連續(xù)的整型變量，歸納連續(xù)變量優(yōu)化設(shè)計(jì)問題的數(shù)學(xué)模型；

步驟3：運(yùn)用基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)方法預(yù)測(cè)設(shè)計(jì)結(jié)果，然后依據(jù)預(yù)測(cè)結(jié)果，通過粒子群算法搜索復(fù)合材料層合板設(shè)計(jì)問題的最優(yōu)解；

步驟4：二階段的優(yōu)化目標(biāo)是減小層合板構(gòu)件的質(zhì)量，基于一階段的鋪層順序求解結(jié)果，建立以基頻最大化與質(zhì)量最小化為優(yōu)化目標(biāo)建立多目標(biāo)拓?fù)鋬?yōu)化模型，設(shè)計(jì)變量為各鋪層相對(duì)于自身厚度的相對(duì)厚度；