原文传递
基于粒子群算法和支持向量机的船舶结构优化
| 论文题名： | 基于粒子群算法和支持向量机的船舶结构优化 |
| 关键词： | 船舶结构;优化设计;粒子群算法;支持向量机;参数选取;近似模型 |
| 摘要： | 船舶结构优化是船舶设计的重要方面，其主要目的在于以寻求优化的结构形式。由于船舶结构优化过程中涉及的设计变量数目众多、种类多样、所受的约束条件复杂，这导致了目标函数的非线性程度强，很难寻求到优化问题的最优解。需选择合适的优化算法进行结构优化，粒子群算法作为一种新型的智能算法，可实现性强，收敛性好，有优秀的全局搜索能力。 本文将粒子群算法应用于优化问题之中，先以三个经典的桁架结构验证了粒子群算法由于结构优化的有效性，在此基础之上提出 MATLAB粒子群算法工具箱和有限元程序相结合应用于结构优化的技术路径，建立了一三舱段结构有限元模型，将上述优化路径用于结构优化，得到良好的优化结果，验证单目标粒子群算法应用于船舶结构优化的可行性。 船舶结构优化过程中，往往需要调用有限元软件进行迭代计算，以获得结构响应作为优化过程中的目标函数或者约束条件，而因为船舶结构优化的复杂性，迭代次数会较大，这使得船舶结构优化过程需要消耗比较大的时间成本。在优化过程之中借助近似模型可以减少优化所需的时间成本，提升优化效率，支持向量机作为一种有效的近似模型，可以对各种复杂非线性问题进行回归。在结构优化问题中，其可以用来建立结构响应近似模型，以预测结构响应、代替复杂费时的有限元计算。支持向量机的参数选取是支持向量机应用的难点之一，一般的基于经验的方法很难寻求到适合特定问题的支持向量机参数，本文将支持向量机参数的选取抽象为一优化问题，建立了优化的方法寻求支持向量机参数的方法，为支持向量机参数的选取找到了一条切实可行的路径，利用粒子群算法选取支持向量机的参数，得到了具有最优参数的支持向量机近似模型，并与基于经验参数的支持向量机做了对比，以验证本文所提的参数选取方法的有效性。 在近似模型的参数选却基础之上，本文提出了基于支持向量机和粒子群算话的结构优化方法，在支持向量机参数选取方法的基础之上，建立支持向量机近似模型，并与粒子群算法相结合，用于结构优化，为验证上述方法的有效性，利用上述方法对船舶结构进行优化。 |
| 作者： | 何小二 |
| 专业： | 船舶与海洋工程 |
| 导师： | 王德禹 |
| 授予学位： | 硕士 |
| 授予学位单位： | 上海交通大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
