结构优化大作业.docVIP

目录 第一篇 文献阅读及其问题分析 1 第二篇 近似规划法与惩罚函数法 2 2.1 近似规划法 2 2.2 惩罚函数法 3 第三篇 牛顿法的应用 6 3.1 问题描述 6 3.2 求解 6 第一篇 文献阅读及其问题分析 在复合材料层合板的结构优化设计中，采用分层设计变量的优化方法以满足实际工程需要。 复合材料结构在工程中有着广泛的应用，复合材料层合板结构的优化设计一直是重要的研究方向，且由于复合材料特性和铺层方式多样性而存在特殊的困难。如何建立合理有效的设计模型，是复合材料层合板结构优化的一个重要问题。 在实际工程设计中由于加工制造工艺等原因，经常要求几个铺层的铺设角和厚度完全相同。对此，提出一种分层变量优化设计方法，将复合材料层合板分成几组分层，每组分层是由若干个材料、铺设角和厚度相同的单层组成，而且这些单层可以不相邻，每组的两个设计变量分别是厚度和角度。当分层中仅有一个单层时，自然退化为单层优化问题，而且在优化设计和有限元模型中兼容了非对称铺层的情况。 结构优化设计问题可表示为如下的一般数学形式： 其中，为目标函数，为约束函数， 是约束界限值，n和m为设计变量和约束个数，和分别为设计变量的上界和下界值。在本优化设计问题中，约束函数是结构的位移，自振频率，屈曲临界荷载和重量，目标函数可取约束函数中的任意一种，设计变量是层合板的分层厚度和角度。采用序列线性规划算法求解优化问题(1.1)式，即在当前设计点将约束和目标函数做一阶Taylor展开可得： 其中和是目标函数和约束函数的梯度向量。采用Lemke线性互补枢轴算法求解线性规划问题(2)式，得到一组新的设计变量。然后重复这一过程，直至迭代收敛。 第二篇 近似规划法与惩罚函数法 2.1 近似规划法 考虑非线性规划问题 ; 其中均存在一阶连续偏导数，记其可行域为x 近似规划法的算法为： 第1步: 给定初始可行点, 步长限制， 缩小系数. 允许误差. 置. 第2步：求解线性规划问题： ; 求得最优解. 第3步: 若满足原问题的可行性，则令. 转向第4步; 否则, 返回第2步. 第4步: 若, 且满足, 或, 则点为原问题的近似优化解. 停止迭代, 输出. 否则, 令. 置, 返回第2步. 2.2 惩罚函数法 惩罚函数法是一种间接解法。它的基本原理是将约束优化问题 中的不等式和等式约束函数经过加权转化后，和原目标函数结合形成新的目标函数——惩罚函数 求解该新目标函数的无约束极小值，以期得到原问题的约束最优解。按一定的法则改变加权因子和的值，构成一系列的无约束优化问题，得到一系列的无约束最优解，并不断地逼近原约束优化问题的最优解。 式中的和称为加权转化项。根据它们在惩罚函数中的作用，又称为障碍相和惩罚相。障碍相的作用是当迭代点在可行域内时，在迭代过程中将阻止迭代点越出可行域；惩罚项的作用是当迭代点在非可行域或不满足等式约束条件时，在迭代过程中将迫使迭代点逼近约束边界或等式约束曲面。 根据迭代过程是否在可行域内进行，惩罚函数法又可分为内点惩罚函数法，外点惩罚函数法和混合惩罚函数法三种。 （1）、内点惩罚函数法 内点惩罚函数法又称内点法，是将新目标函数定义于可行域内，序列迭代点在可行域内逐步逼近约束边界上的最优点。内点法只能用来求解具有不等式约束的优化问题。 对于只具有不等式约束的优化问题 转化后的惩罚函数形式为 或 由于内点法的迭代过程在可行域内进行，障碍相的作用是阻止迭代点越出可行域。由障碍相的函数形式可知，当迭代点靠近某一约束边界时，其值趋近于0，而障碍相的值陡然增加，并趋近于无穷大，使迭代点始终不能越出可行域。 内点法中初始点、惩罚因子的初值及其缩减系数等参数的选取和确定。 1）、初始点的选取 使用内点法时，初始点应选择一个离约束边界较远的可行点。 2）、惩罚因子初值的选取 一般由以下的方法作为试算取值的参考： ① 取=1，根据试算的结果，再决定增加或减小的值。 ② 按经验公式 计算值。 3）、惩罚因子的缩减系数的选取 在构造序列惩罚函数时，惩罚因子是一个逐次递减到0的序列，相邻两次迭代的惩罚因子的关系为 一般c的取值范围在之间。 4）、收敛条件 收敛条件为： 内点法的基本计算步骤为： 1）、选取可行的初始点，惩罚因子的初值，缩减系数以及收敛精度、。令迭代次数。 2）、构造惩罚函数，选择合适的无约束优化方法，求函数的无约束极值，得点。 3）、用收敛条件公式判别迭代是否收敛，若满足收敛条件，迭代终止。约束最优解为，；否则令，，转入步骤2。 （2）、外点惩罚函数法 外点惩罚函数法又称外点法。这种方法和内点法相反，新目标函数定义在可行域之外，序