论文部分内容阅读
大跨屋盖结构通常具有质量轻、阻尼小、刚度小和自振频率低等特点,因此是典型的风敏感性结构。然而大跨屋盖结构的抗风优化研究较少,完全参照高层结构抗风优化会带来一定的安全隐患。智能算法作为新兴的优化算法已经在土木领域的各个领域取得了广泛的应用,尤其是结构优化设计。因此,本文将把应用最为广泛的智能算法之一——粒子群算法（Particle Swarm Optimization,PSO）、PSO的改进算法——量子粒子群优化算法（Quantum-behaved PSO,QPSO）和Logistic混沌量子粒子群算法（Logistic Chaos QPSO,LCQPSO）应用到大跨屋盖结构的抗风优化设计,并分析算法参数对优化的影响。本文的主要工作内容如下:（1）采用谐波激励法（Harmonic Excitation Method,HEM）基于风洞试验获得的屋盖风压数据计算大跨屋盖结构的风振响应,随后根据荷载—响应相关法（Load Response Correlation,LRC）计算屋盖在最不利风向角下的等效静力风荷载,在此基础上建立大跨屋盖抗风优化的数学模型,即在满足位移和应力约束下,使屋盖结构在等效风荷载作用下的杆件截面积总和最小,使用粒子的距离值与罚函数之和的适应度函数选择优化过程中最优的设计方案。（2）针对QPSO算法易陷入局部最优的不足,把混沌映射引入到QPSO算法中。利用混沌映射以一定的变异概率代替QPSO算法中粒子更新的随机数,使用混沌局部搜索技术对每一次迭代的全局最优解进行更新。（3）编制基于PSO、QPSO和LCQPSO算法的抗风优化程序,分析算法参数对大跨抗风优化的的影响。三种算法共同的最佳参数设置为:最大迭代数Tmax取值为400,种群N取值为10。基于PSO算法优化的其余最佳参数设置为:最大速度限值Vmax取值[0.0076,0.0141],惯性权重w取值为0.5,学习因子c1和c2均取值为2。基于LCQPSO算法优化的其余最佳参数设置为:变异概率p m（t）取值为0.3,初始混沌值φ0取值为在（0,1）一维的随机值,且φ0（?）{0.25,0.5,0.75},混沌方法为Logistic混沌映射。（4）基于PSO、QPSO和LCQPSO算法的抗风优化都能在400代前达到收敛,同时在满足约束条件下得到的收敛解比结构初始总重有不同程度的降低,表明了三种算法在大跨屋盖抗风优化的适用性。通过三种算法最优解的分析得知,基于LCQPSO算法优化后的结构总重最小为320.27t,比结构初始总重降低了55.67%。基于QPSO和LCQPSO算法优化后,杆件的截面积均小于初始值。PSO算法第11类杆件的截面积比优化前的截面积更大,说明算法在优化过程中陷入了局部最优。在优化过程中,位移约束冗余一直小于零,而应力约束冗余度在迭代中出现多次超过约束限值的情况,说明应力对设计变量的约束力更强。