基于多岛遗传算法的多状态动力学模型并行修正方法论文

时间：2021-05-17 16:05:46 论文我要投稿

　　0 引言

基于多岛遗传算法的多状态动力学模型并行修正方法论文

　　随着动态设计在航空、航天器研制中越来越重要，结构动力学数值仿真已成为设计中不可或缺的重要环节。但由于离散化误差、边界条件的近似、接头及连接处建模不准，使得复杂结构动力学数值分析结果与试验测试结果之间存在较大差异，需要通过试验结果对数值分析模型进行修正以正确预示结构动力行为。模型修正的本质是一种结构优化问题，传统的结构动力学模型修正方法针对产品单一试验状态进行，对于同一产品多个试验状态需要分别对动力学模型进行修正，导致同一产品模型修正后对于不同试验状态几何或材料参数不一致，与实际产品状态不符。同时，传统的结构动力学模型修正方法多采用基于目标函数梯度的优化算法，这类优化算法属于局部优化算法，目标空间存在多个极值时难以寻找到全局最优解。

　　针对上述问题，本文提出一种多状态动力学模型并行修正方法，该方法可对同一产品不同状态动力学模型同时进行修正，且在模型修正过程中采用统一的模型参数，符合实际产品状态;采用多岛遗传算法驱动动力学模型修正流程，确保优化目标收敛到全局最优解。以某飞行器为例，对其进行动力学模型修正，验证了方法的有效性。

　　1 动力学模型并行修正方法

　　目前，工程中广泛采用以结构几何和材料参数为设计变量的参数型修正方法，该方法能够保证修正后模型质量、刚度矩阵保持带状对称特征，修正结果具有明确的物理意义。本文对传统的参数型修正方法进行扩展，提出了结构动力学模型并行修正方法。该方法包含系统级和子系统级两层系统，针对不同试验状态分别建立其数值分析模型，并行开展不同试验状态的动力学特性分析，形成子系统层;将各模型分析中需要的'设计参数合并到系统级设计向量中，依据各模型需要分配设计参数，保证在修正过程中不同状态的模型参数一致。

　　2 多岛遗传算法

　　遗传算法是一类借鉴生物界的进化规律演化而来的非经典优化算法。与传统的优化算法相比，遗传算法不存在求导和目标函数连续性的限定，且具有全局寻优能力。但传统的遗传算法在优化过程中基因突变的概率较低，容易在进化几代后出现早熟现象，导致优化结果收敛于局部最优解。

　　3 数值算例

　　以某飞行器为例，依据其一级满油、一级空油、二级满油、二级空油 4 种典型飞行状态下的前两阶模态频率和振型试验结果，选取各舱段材料的弹性模量为优化变量，数值分析与试验结果差异为优化目标，采用本文方法进行动力学模型修正。

　　4 结论

　　a)提出了基于多岛遗传算法的多状态结构动力学模型并行修正方法，改进了传统方法针对同一产品不同试验状态分别修正模型，导致同一产品模型参数不一致的不足，更符合工程实际;

　　b)动力学模型并行修正方法中各试验状态的残差之间相互独立，且对残差的物理意义没有约束，可以同时对动力学特性和动力学响应模型进行修正;

　　c)采用多岛遗传算法驱动优化流程，避免了经典优化算法需要对目标函数求导的限制，同时保证了设计参数收敛于全局最优解;

　　d)模型修正后模态频率和振型更接近实测值，可为工程设计采用。

【基于多岛遗传算法的多状态动力学模型并行修正方法论文】相关文章：

调整到最佳考试状态的方法01-19

雅思写作常见错误修正方法06-05