基于Kriging-SBO算法的拱桥拱轴线优化设计

毛星波; 盛冬发; 李忠君; 朱军

doi:10.13471/j.cnki.acta.snus.2022D063

您当前的位置：

首页 >

文章列表页 >

基于Kriging-SBO算法的拱桥拱轴线优化设计

研究论文 | 更新时间：2023-11-01

- 基于Kriging-SBO算法的拱桥拱轴线优化设计
- Arch bridge axis optimization design based on Kriging-SBO
- 中山大学学报(自然科学版)(中英文) 2023年62卷第4期页码：139-146
- 作者机构：
  
  西南林业大学土木工程学院，云南昆明 650224
- 作者简介：
  
  毛星波（1996年生），男；研究方向：计算机优化结构设计；E-mail：maoxb.swfu@foxmail.com
  盛冬发（1966年生），男；研究方向：黏弹性材料损伤与断裂；E-mail：shengdf@swfu.edu.cn
- 基金信息：
  
  国家自然科学基金(11862023);云南省教育厅基金(2022Y607)
- DOI：10.13471/j.cnki.acta.snus.2022D063
  中图分类号： U448.22
- 纸质出版日期：2023-07-25，
  
  收稿日期：2022-06-08，
  
  录用日期：2022-11-08
扫描看全文
毛星波,盛冬发,李忠君等.基于Kriging-SBO算法的拱桥拱轴线优化设计[J].中山大学学报(自然科学版),2023,62(04):139-146.

MAO Xingbo,SHENG Dongfa,LI Zhongjun,et al.Arch bridge axis optimization design based on Kriging-SBO[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(04):139-146.
毛星波,盛冬发,李忠君等.基于Kriging-SBO算法的拱桥拱轴线优化设计[J].中山大学学报(自然科学版),2023,62(04):139-146. DOI： 10.13471/j.cnki.acta.snus.2022D063.

MAO Xingbo,SHENG Dongfa,LI Zhongjun,et al.Arch bridge axis optimization design based on Kriging-SBO[J].Acta Scientiarum Naturalium Universitatis Sunyatseni,2023,62(04):139-146. DOI： 10.13471/j.cnki.acta.snus.2022D063.

摘要

为对比设计空间内的所有拱轴方案，得到最佳及可能存在的其他较好可行拱轴设计，以拱轴应力分布为优化目标，提出一套基于Kriging代理模型的拱轴优化方法。该方法用Kriging模型来显式表达应力优化目标与设计变量之间的隐函数关系，同时采用以改善期望准则（EI准则）为加点准则、粒子群优化（PSO， particle swarm optimization）算法为子优化求解算法的SBO（surrogate-based optimization）算法作为目标函数的寻优算法。对圆弧、抛物、悬链，以及3次样条拱轴曲线函数进行分析，确定了这4种常用拱轴线的待优化设计变量；同时给出了表征拱轴全局应力水平的目标函数值的计算方法和拱轴优化的具体流程。最后，对工程算例进行了探索优化，并对优化细节与结果进行了说明与讨论。结果表明：这一方法能得到设计空间内最佳及其他较好可行拱轴设计，其中最佳设计的3次样条拱轴线使算例拱轴最大应力减小67%，关键截面应力方差减小97%。研究能为拱轴选形提供更多选择，也对以应力为目标的拱桥拱轴线优化具有参考意义。

Abstract

To optimize the design of the arch axis of bridges， we propose a scheme with a set of Kriging surrogate models focusing on the stress distribution of axes. The Kriging model is used to express the implicit function relationship between stress-optimizing objective and design variables. Meanwhile， the Surrogate-Based Optimization （SBO） algorithm with Expected Improvement （EI） criterion is adopted as the infill sampling criterion and the Particle Swarm Optimization （PSO） algorithm is selected as a sub-optimization algorithm. By analyzing the curve functions of circle， parabolic， catenary， and cubic spline， the variables to be optimized for these common arch axes were determined. The calculation method of objective function value which can represent the global stress level of the arch axis and the specific flow of optimization are presented. An engineering example is analyzed which verifies the feasibility of the scheme. The results show that the best arch-axis design of cubic spline reduces the maximum stress of the arch by 67% and the stress variance of the key section by 97%. Our study provides more options for the shape design of arch bridges and also has reference significance for the optimization of the arch axis with stress as the target.

关键词

桥梁工程拱轴优化Kriging模型改善期望准则粒子群优化算法

Keywords

bridge engineeringoptimization of arch axisKriging modelexpected improvement criterionparticle swarm optimization

references

包子阳，余继周，杨杉， 2016. 智能优化算法及其MATLAB实例［M］.3版. 北京：电子工业出版社.

代慧娟，白国良，朱雯，等， 2016. 浅埋大跨地下拱结构拱轴力学及数值优化研究［J］. 地下空间与工程学报，12（5）：1231-1238+1307.

韩忠华， 2016. Kriging模型及代理优化算法研究进展［J］ . 航空学报， 37（11）：3197-3225.

韩忠华，许晨舟，乔建领，等， 2020. 基于代理模型的高效全局气动优化设计方法研究进展［J］. 航空学报， 41（5）： 623344.

贺栓海， 1996. 拱桥挠度理论［M］. 北京：人民交通出版社.

胡常福，廖妙星， 2018. 多源荷载作用下合理拱轴的近似解析［J］. 华东交通大学学报， 35（2）： 46-55.

胡常福，郑恒，任伟新，等， 2014. 新型索拱桥索力与拱轴线双优化实用方法［J］. 中南大学学报（自然科学版），45（7）：2320-2325.

蒋启平， 2001. 三次样条插值确定拱桥合理拱轴线的方法探讨［J］. 武汉理工大学学报（交通科学与工程版），25（1）： 101-104 .

林阳子，黄侨，任远， 2007. 拱桥拱轴线的优化与选形［J］. 公路交通科技，24（3）：59-63.

秦世强，廖思鹏，黄春雷，等， 2021. 基于自适应Kriging模型的人行斜拉桥有限元模型修正［J］.中山大学学报（自然科学版），60（6）：43-53.

裘伯永，王艺民， 1991. 拱轴线最优选择［J］. 长沙铁道学院学报，9（3）：140-148.

魏德芳，赵继德， 1994. 三铰拱的合理拱轴线方程［J］. 曲阜师范大学学报，20（3）：80-83.

中华人民共和国住房和城乡建设部，中华人民共和国国家质量监督检验检疫总局， 2013. 钢管混凝土拱桥技术规范：GB 50923-2013［S］. 北京：中国计划出版社.

周尚猛，李亚东， 2010. 求解合理拱轴线的加权能量方法［J］.公路交通科技，27（4）：73-77.

JONES D R， SCHONLAU M， WELCH W J， 1998. Efficient global optimization of expensive black-box functions［J］. J Glob Optim，13（4）： 455-492.

SHI Y H， EBERHART R， 1998. A modified particle swarm optimizer［C］ // 1998 IEEE International Conference on Evolutionary Computation Proceedings. AK，USA：69-73.

ZHANG H B， AOUES Y， BAI H， et al， 2020. Kriging-based reliability-based design optimization using single loop approach［M］ // Le THI H et al， eds. Optimization of complex systems： Theory， models， algorithms and applications. Cham of Switzerland： Springer.

ZHANG X B，LU Z Z，CHENG K，2021. AK-DS： An adaptive Kriging-based directional sampling method for reliability analysis［J］. Mech Syst Signal Process，156（15）：107610.

ZHANG Y， LI J， XU C， et al， 2019. Vehicle aerodynamic optimization： on a combination of adjoint method and efficient global optimization algorithm［J］. SAE Int J Passeng Cars Mech Syst， 12（2）： 139-153.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于自适应Kriging模型的人行斜拉桥有限元模型修正

基于改进稳态遗传算法的桥梁有限元模型修正

基于极限状态法的钢桁梁公铁斜拉桥结构分析

钢板与预应力碳纤维布组合加固RC梁抗弯承载力分析