上一篇
下一篇
[Dino笔记]基于遗传算法对剪力墙结构优化设计方法
作者:dinochen1983 日期:2022-06-12
[Dino笔记]基于遗传算法对剪力墙结构优化设计方法
小编：李展铨，华南理工大学
【小记】：这篇也是我指导华南理工大学大四毕业设计的一篇毕业论文，今年指导三位华南理工大学的学生其中之一的的毕业论文研究（是不是很想报名让我做你的毕业导师呢，酸爽的感觉），3个研究都是围绕优化算法在工程上的应用展开，通过借助有限元计算软件OPENSEES及最新的OPENSEESPY （PYTHON）对结构优化算法进行实现，可用于将来的结构设计当中。每次的毕业设计论文，我都鼓励学生学习编程，通地编程的方法解决工程问题。编程让人思考，思考必有所得。
研究背景
如何对剪力墙结构的抗扭性能进行优化一直都是结构工程领域的重点关注问题。剪力墙结构优化最为简单的是从剪力墙截面尺寸角度开始出发。对于一栋高层剪力墙结构建筑，在确定剪力墙布置的情况下，通过改变各墙构件的厚度来实现对结构性能的优化可以归类为寻优问题，借助遗传算法可以很好地解决这类问题并实现高精度优化。
遗传算法
遗传算法（Genetic Algorithm，简称GA）最早由美国学者Holland于1973年提出，是一种基于生物在自然选择下不断适应与进化的原理的群智能优化算法。遗传算法本质是针对求最优解问题，初始化一个规模大小不变的群体，群体里面任意一个独立个体都携带着不同的基因组合，代表着不同自变量参数的组合，根据设定的适应度函数判别各个个体的适应能力，适应能力好的则得到繁衍的几率更大，反之亦然，繁衍下一代群体并保持群体其数量规模不变，如此往复，经过多次迭代选择厚可得到全局最优解或效果较好的局部最优解。
具体算例
以一栋20层的现浇钢筋混凝土剪力墙结构的普通住宅楼作为本文算例，该建筑各层层高为3m，建筑总高为60m；楼层面积约为539.7m2，高宽比为1.9，剪力墙结构构件共57榀。初步结构设计后的平面布置图如下图所示，呈现出平面布置不规则的特点，因此容易引起结构抗扭性能不足的问题。
优化流程
（1）利用ETABS软件建立模型并导出带有模型数据的s2k文件，运用ETO软件转化为TCL初始化脚本模型文件，并根据具体的优化设定进一步修改，最终得到OpenSEES计算模型。
建模流程图
OpenSEES计算模型具体命令流如下：
wipe
puts "System"
model basic -ndm 3 -ndf 6
node 1 0.000E+000 5.700E+003 1.200E+004
...
rigidDiaphragm 3 907 3
...
fix 11 1 1 1 1 1 1;
...
nDMaterial ElasticIsotropic 4 2.482e4 0.2
nDMaterial PlateFiber 601 4
source $str1
geomTransf Linear 1 0.000 0.000 1.000
...
element elasticBeamColumn 1 50 58 1.200E+005 2.482E+004 1.034E+004 1.264E+009 3.600E+009 4.000E+008 1
...
recorder Node -file $str2 -time -node 9 10 ... 901 906 -dof 1 2 disp
pattern Plain 1 Linear {
load 907 0.00E+00 3.105E5 0.00E+00 0.00E+00 0.00E+00 5.357E8
...
｝
puts "analysis"
constraints Lagrange
numberer Plain
system BandGeneral
test EnergyIncr 1.0e-6 200
algorithm Newton
integrator LoadControl 1
analysis Static
analyze 1
（2）剪力墙截面在遗传算法优化过程中是不断变化的，所以该文件需要不断修改，如其中一个子代剪力墙截面文件WALLSEC1.TCL如下所示：
section PlateFiber 701 601 356
...
section PlateFiber 757 601 548
（3）用Python编写一套遗传算法对OpenSEES模型进行调用、分析和优化。采用模型的最大楼层位移比作为优化指标，最大楼层位移比越小，则评分越高，该模型的繁衍概率也越大。具体流程如下：
a）随机生成8个父代剪力墙截面厚度数据，采用面积加权平均法以控制剪力墙截面总体积保持不变
b）采用OpenSEE对8个剪力墙模型进行运算分析，并输出各模型位移数据，进而得到各模型各层的楼层位移比
c）对父代模型按最大楼层位移比进行排序，最大楼层位移比越小，则选择概率越大。
d）重新生成8个子代模型。子代模型的剪力墙截面厚度是由随机选择的两个父代模型的平均值。
e）子代模型需要出现变异以避免陷入局部最优的陷阱，抽取个别剪力墙截面放大至120%或缩小至80%，以该操作代表基因变异。
f）采用OpenSEE把子代模型进行分析，即执行b操作，反复循环。
遗传算法流程图
算例优化结果
（1）最大楼层位移比的优化曲线
由曲线可知，在前150代优化速度较快，随着优化进程的推进，优化速度逐渐下降，优化速度较慢。
（2）优化后各剪力墙截面厚度变化
红色剪力墙表示优化后其截面厚度增大，蓝色剪力墙表示优化后其截面厚度减小。
（3）优化前后各工况楼层位移比对比
优化后多种工况下楼层位移比均有较大幅度的下降，下降幅度从23%到40%不等。
（4）优化前后各工况层间位移比对比
优化后多种工况下层间位移比均有较大幅度的下降，下降幅度从20%到50%不等。
====本节完====
请关注我的微信公众号：DINOSTRU
更多有趣的结构分析知识分享
文章来自: 本站原创
引用通告: 查看所有引用 | 我要引用此文章
Tags: 优化 opensees 剪力墙 
