首页|基于改进粒子群算法的结构测点优化方法研究

基于改进粒子群算法的结构测点优化方法研究

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对工字梁结构受力过程中测点数目过多及优化较困难的问题,提出一种基于模拟退火思想及遗传算法的改进粒子群算法,综合考虑受力状态识别误差与测点优化,进行了测点的筛选.首先将遗传算法的初始化、选择、交叉、变异融入粒子群算法中;其次在变异部分引入模拟退火的思想.改进后的粒子群算法改善了标准粒子群算法的"早熟"、局部寻优能力较差等问题.通过测试函数对比改进粒子群算法与标准粒子群算法的性能,改进的粒子群算法稳定性更好,抗"早熟"能力较强,精度明显提高.通过工字型梁选点及受力状态识别仿真与试验表明,改进粒子群算法在受力状态识别的测点选择过程中具有较高的效率,选择测点的受力状态识别误差均小于3％,在工程应用范围内,为受力状态识别提供了一种较好的方法.
Research on Structural Measuring Point Optimization Method Based on Improved Particle Swarm Optimization

Simulated AnnealingGenetic AlgorithmImproved Particle Swarm OptimizationMeasurement Point OptimizationRecognition of Force State

刘宏林、徐一鸣、刘宏月、陆观

展开 >

南通大学机械工程学院,江苏 南通 226019

南通大学电气工程学院,江苏 南通 226019

上海大学机电工程及自动化学院,上海200072

模拟退火 遗传算法 改进进粒子群算法 测点优化 受力状态识别

国家自然科学基金资助项目南通市基础科学研究项目

61973178JC2018002

2023

机械设计与制造
辽宁省机械研究院

机械设计与制造

CSTPCD北大核心
影响因子：0.511
ISSN：1001-3997
年,卷(期)：2023.391(9)
  • 10