大跨空间结构振动抑制阻尼器优化布置.pdfVIP

大跨空间结构振动抑制的阻尼器优化布置1 帅虹，周岱，黄真 上海交通大学船舶海洋与建筑工程学院土木工程系，上海（200030 ） E-mail：zhoudai@ 摘 要：提出适宜的适应度函数，将遗传算法的种群思想引入模拟退火算法中，构造出遗传 算法与模拟退火算法的组合算法，用于空间结构振动抑制的阻尼器位置和数量寻优。通过空 间网壳在不同冲击荷载作用下的算例分析发现，若设置合适的控制参数，运用组合算法可迅 速准确地找到全局最优解方案。 关键词： 模拟退火算法；遗传算法；阻尼器；寻优；振动抑制 中图分类号：TU393.3 1. 引言 与平面结构相比,空间结构具有很多独特的优点，国内外应用非常广泛，但其结构阻尼小， 柔性特征明显，在风载作用下振动渐趋明显。因此,减少空间结构风致振动十分重要。在空间 结构中，采用阻尼器消能减振是一种有效的办法。为此，必须研究阻尼器合理数量和合理布 置问题。 阻尼器的优化计算属于离散型优化问题。寻求有效的离散型优化算法是关键技术之一。 目前，已有不同的优化算法，如模拟退火算法、神经网络、遗传算法等，它们各有优缺点。 单一应用某种优化算法解决空间结构的阻尼器的寻优存在很多问题。如遗传算法过早收敛和 局部搜索能量弱，模拟退火算法的收敛速度慢、计算精度差，神经网络算法占用存储空间大、 鲁棒性较差等。 长期以来，模拟退火算法与遗传算法被认为是两种独立的优化算法。两种算法各有特点， [1-3] 可以优势互补，相互结合。组合算法较复杂。混沌模拟退火算法（CSA ） 是由混沌优化方 法与模拟退火优化方法构造出的组合算法；如把混沌变量加载于遗传算法的变量群体中，形 成另一种组合算法，该算法利用混沌变量对子代群体进行微小扰动并随着搜索过程的进行逐 渐调整扰动幅度，提高了优化计算效率[4-8] ；如把模拟退火算法的降温过程运用到遗传算法中， 可以达到改进遗传算法的目的[9-12] 。虽然这些组合算法可有效解决一些领域的寻优问题，但还 不完善。本文改进模拟退火算法，将遗传算法的适应度及种群思想引入模拟退火算法中形成 一种新的组合算法，提高收敛速度和计算精度。通过算例分析发现，该组合算法可以较好解 决空间结构的阻尼器位置寻优和数量寻优问题。 2. 模拟退火算法 模拟退火算法（Simulated Annealing ，SA ）由Metropolis 等提出，是局部搜索算法的扩 展，其以一定的概率选择领域中目标函数最大（或最小）的状态。Salama 等首先利用 SA 研 究作动器/传感器的优化配置[4] 。SA 是根据金属物理的退火过程而提出的一种随机搜索算法。 大规模组合优化问题的求解与物质体系的退火有很多相似性，如表 1 所示。优化问题中的目 标函数可以类比于物质体系的能态，对应的设计变量类比于原子排列构形。在优化过程中温 度只能当作控制参数或拟参数。 在给定被控结构参数和控制器时，可用 SA 对结构振动控制中的阻尼器的位置优化问题求 1 本课题得到高等学校博士学科点专项科研基金项目（项目编号：20040248002 ）和国家自然科学基金项目 （No.）的资助。 - 1 - 解。其基本思想是：先确定初始温度T ，选取阻尼器的初始位置作为当前配置位置，考察该 0 状态的目标函数值 （可用结构总能量作为目标函数）；然后随机替换当前状态中阻尼器的位置， 以产生新的配置位置并计算新状态下的目标函数值。两目标函数的差为∆。以概率 1 接受较 好点，以某种概率P exp(=−| ∆| / T ) 接受较差点作为当前