基于后驗偏好的結(jié)構(gòu)風險優(yōu)化方法.pdf_第1頁
已閱讀1頁,還剩149頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、結(jié)構(gòu)不確定性優(yōu)化是保證產(chǎn)品性能的現(xiàn)代化設(shè)計方法。不確定性帶來的損失即為風險,而任何結(jié)構(gòu)的性能在服役期內(nèi)均會由于不確定性而產(chǎn)生損失,因此結(jié)構(gòu)風險優(yōu)化是更符合工程實際的結(jié)構(gòu)不確定性優(yōu)化方法。本文從新穎的優(yōu)化-決策角度探索更合理的結(jié)構(gòu)風險設(shè)計方法??紤]到結(jié)構(gòu)風險優(yōu)化過程具有多層次特性,本文針對風險管理、確定性優(yōu)化和風險控制三個關(guān)鍵點,分別進行了如下研究:
  1)在風險優(yōu)化理論和算法的層面上,本文基于廣義不確定性原理,將傳統(tǒng)的不確定性優(yōu)

2、化拓展到基于粒度概率和后驗偏好的風險優(yōu)化?;诤篁炂玫娘L險優(yōu)化本質(zhì)上是高維多目標優(yōu)化問題,所以通過調(diào)整目標向量中粒度概率的數(shù)量和不確定性建模的精細程度,可以實現(xiàn)不確定性管理;而基于確定目標維數(shù)的風險優(yōu)化可以實現(xiàn)不確定性控制。為了方便優(yōu)化和決策,本文采用基于分解的多目標演化算法(MOEA/D)輔以過濾準則求解提出的優(yōu)化問題。MOEA/D中包含對失效損失的顯式建模,可以在優(yōu)化后實現(xiàn)基于總費用的多準則決策,為基于后驗偏好的結(jié)構(gòu)風險優(yōu)化提供了

3、算法支持。
  2)在面向結(jié)構(gòu)多目標拓撲優(yōu)化需求的普適算法層面上,本文對多目標演化算法求解桁架多目標拓撲優(yōu)化的收斂速度進行了嚴格的實證比較研究。建立典型多目標拓撲優(yōu)化問題集并采用并行窮舉法計算其全局最優(yōu)Pareto前沿,提出算法性能評估的標準流程,并比較了8個具有代表性的多目標演化算法在桁架多目標拓撲優(yōu)化問題上的收斂速度極限?;诙鄬哟问諗啃枨螅惴ǖ氖諗啃院陀嬎阈试u估在一個體系內(nèi)完成。此外,本文揭示了桁架多目標拓撲優(yōu)化的若干困

4、難。在這些基礎(chǔ)上,本文從確定性結(jié)構(gòu)優(yōu)化的角度,為高效求解復雜的基于后驗偏好的結(jié)構(gòu)風險優(yōu)化提供算法支持。
  3)在結(jié)構(gòu)風險優(yōu)化的工程應(yīng)用和特種算法層面上,本文考慮到建筑結(jié)構(gòu)受風災(zāi)所致的損失無可用模型的現(xiàn)狀,提出了高層建筑抗風設(shè)計的基于后驗偏好的風險優(yōu)化方法。本文采用三維封閉解進行不確定性量化與傳播,采用基于學習核的主成分分析進行目標域降維,并提出混合微型多目標粒子群算法求解高維多目標問題,最后例證了初始造價和最不利均方加速度失效概

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論