自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
自然科学版 英文版
英文版编委
自然科学版 英文版
英文版首届青年编委

您目前所在的位置:首页 - 期刊简介 - 详细页面

中南大学学报(自然科学版)

Journal of Central South University

第46卷    第5期    总第249期    2015年5月

[PDF全文下载]    [Flash在线阅读]

    

文章编号:1672-7207(2015)05-1628-07
一种基于SAPSO-DE混合算法的结构非概率可靠性优化设计
郑灿赫1, 2,孟广伟1,李锋1,孔英秀1,金耿日3

(1. 吉林大学 机械科学与工程学院,吉林 长春,130025;
2. 理科大学 力学学院,朝鲜 平壤;
3. 吉林大学 汽车仿真与控制国家重点实验室,吉林 长春,130025
)

摘 要: 针对不确定性结构的非概率可靠性优化问题,提出一种基于模拟退火粒子群算法和差分进化算法(SAPSO- DE混合算法)的结构非概率可靠性优化设计方法。考虑结构非概率可靠性指标约束,建立最小化结构体积为目标的优化模型。为了提高结构非概率可靠性优化问题的计算精度和效率,采用基于认知经验进化的SAPSO-DE混合算法进行非概率可靠性优化设计。研究结果表明:基于SAPSO-DE混合算法的结构非概率可靠性优化设计方法克服了PSO算法的早熟现象,并提高了收敛速度和精度;该方法的全局搜索能力强,且具有较强的稳定性。

 

关键词: 非概率可靠性指标;凸模型;不确定性;粒子群优化算法;差分进化算法;模拟退火

Structural non-probabilistic reliability optimization design based on a SAPSO-DE hybrid algorithm
JONG Chanhyok1, 2, MENG Guangwei1, LI Feng1, KONG Yongsu1, KIM Kyongil3

1. College of Mechanical Science and Engineering, Jilin University, Changchun 130025, China;
2. College of Mechanics, University of Science, Pyongyang, DPRK;
3. State Key Laboratory of Automotive Simulation and Control, Jilin University, Changchun 130025, China

Abstract:In order to solve the non-probabilistic reliability optimization problems of the uncertain structure, a structural non-probabilistic reliability optimal design method based on the hybrid algorithm of the simulated annealing-particle swarm optimization algorithm and the differential evolution algorithm (SAPSO-DE hybrid algorithm) was proposed. Considering the constraints of the structural non-probabilistic reliability index, the optimization model was established to minimize the structural volume. In order to improve the computational accuracy and efficiency of the structural non-probabilistic reliability, a non-probabilistic reliability optimization design was carried out based on the SAPSO-DE hybrid algorithm of the cognitive experience evolution. The results show that the non-probabilistic reliability optimization design method of structure based on the SAPSO-DE hybrid algorithm overcomes the premature phenomenon of the PSO algorithm and improves the convergence speed and precision, and the global search ability of this method is strong and has strong stability.

 

Key words: non-probabilistic reliability index; convex model; uncertainty; particle swarm optimization algorithm; differential evolution algorithm; simulated annealing

中南大学学报(自然科学版)
  ISSN 1672-7207
CN 43-1426/N
ZDXZAC
中南大学学报(英文版)
  ISSN 2095-2899
CN 43-1516/TB
JCSTFT
版权所有:《中南大学学报(自然科学版、英文版)》编辑部
地 址:湖南省长沙市中南大学 邮编: 410083
电 话: 0731-88879765(中) 88836963(英) 传真: 0731-88877727
电子邮箱:zngdxb@csu.edu.cn 湘ICP备09001153号