[发明专利]结构自适应优化设计方法、装置、设备和介质

权利要求书

1.一种结构自适应优化设计方法，其特征在于，包括步骤：

将桁架系统中杆的截面面积作为优化问题的自变量，并且定义自变量的上下限，采用拉丁超立方实验设计方法生成桁架系统的优化问题中个初始采样点，调用并行计算资源进行有限元分析仿真计算，得到各所述初始采样点的仿真结果；所述初始采样点和所述初始采样点的仿真结果，用于初始化样本点精英库，为初始采样点个数；所述优化问题为：

其中，表示桁架系统中第i个杆的截面积，表示桁架系统中第i个杆的体积，表示桁架系统中杆的拉应力和压应力，表示每个节点的位移，表示约束条件；

根据选定的设计变量，采用径向基函数方法构建目标函数和约束的代理模型；

利用多目标遗传算法对所述代理模型的多目标优化问题进行多目标非精确搜索，得到多目标搜索输出的各搜索样本点；

对各所述搜索样本点进行并行采样，选取开发点和探索点；

调用有限元分析仿真模型评估新增采样点的响应值，将所述新增采样点及所述新增采样点的有限元分析结果加入样本全集，更新所述代理模型；所述新增采样点包括所述开发点和所述探索点；

自适应调整并行采样中的开发点占比和探索点占比，进行所述新增采样点的扩展搜索；

将搜索得到的所有所述新增采样点加入所述样本点精英库后，对所述样本点精英库进行非支配等级排序，按支配等级从高到低的顺序选取前个精英样本点作为新的样本点精英库；

若所述新的样本点精英库的样本点最优值达到目标优化要求或所述样本点最优值在连续设定迭代次数中没有得到更新，则输出所述样本点最优值作为桁架系统的最终优化设计结果。

2.根据权利要求1所述的结构自适应优化设计方法，其特征在于，利用多目标遗传算法对所述代理模型的多目标优化问题进行多目标非精确搜索，得到多目标搜索输出的各搜索样本点的步骤，包括：

利用多目标优化算法NSGA-Ⅱ，对为所述代理模型建立的多目标优化问题进行求解搜索；所述多目标优化问题为：

其中，表示所述代理模型在点处的预测值，表示点到已采样点集的最小距离；

找到比当前的所述样本点精英库内的采样点更优的搜索样本点；

若求解搜索的迭代步数达到优化计算的最大迭代步数时，停止搜索并输出各所述搜索样本点。

3.根据权利要求1或2所述的结构自适应优化设计方法，其特征在于，对各所述搜索样本点进行并行采样，选取开发点和探索点的步骤，包括：

在各所述搜索样本点中，选取目标函数最优的前p个所述搜索样本点作为所述开发点；p为开发点数量；

将去除p个所述开发点后剩余的各所述搜索样本点进行非支配等级排序，并将各所述搜索样本点的Pareto前沿记为；

将所述中的样本点与所述样本点精英库进行支配关系比较，选取能够支配所述样本点精英库中任意点的所述搜索样本点作为所述探索点。

4.根据权利要求3所述的结构自适应优化设计方法，其特征在于，自适应调整并行采样中的开发点占比和探索点占比的过程，包括：

若任何一个新的所述开发点的有限元分析仿真结果优于当前的所述样本点精英库中的最优点，则将下一代的所述开发点占比增加；否则，将下一代的所述开发点占比减少；

若任何一个新的所述探索点优于当前的所述样本点精英库中的任何一个点，则将下一代的所述探索点占比增加；否则，将下一代的所述探索点占比减少。

5.根据权利要求1所述的结构自适应优化设计方法，其特征在于，采用拉丁超立方实验设计方法生成桁架系统的优化问题中个初始采样点，调用并行计算资源进行有限元分析仿真计算，得到各所述初始采样点的仿真结果的步骤之前，还包括：

进行参数初始化处理；所述参数初始化包括设计变量、所述设计变量的范围、初始采样量、并行采样量、最大仿真模型调用次数、最大并行采样数和最小并行采样数的初始化，设置初始的开发点占比和探索点占比均为0.5，设置所述探索点占比和所述开发点占比的上限均为0.1、下限均为0.9且占比调节步长均为0.1。