【Dino结构笔记】遗传算法在结构优化分析中的应用

【点击下载】下载相关的ETABS与OPENSEES模型文件

结构优化的方法有很多种，中间有的涉及到非常系统的工程优化算法，如之前介绍的单纯体法（算是比较简单的），在这里推荐大家一本好书《工程优化方法》陈卫东写的。
结构设计中很多时侯我们并不是要得到最最优解，相对优化对工程师就很不错了，但是太复杂的算法会让工程师很难把控，特别是计算时间长，因此遗传算法作为只是找到相对最优解的方法在工程上能很好地被利用。正所谓“遇事不决，量子力学，不知解法，遗传算法”。
 
遗传算法的背后思想就是优胜劣汰的自然法则z

在这里我们只是把遗传算法的思想应用在结构工程上，可以说是似遗传算法，并不是工程优化研究或算法研究中的复杂的遗传算法。在MARK SARKISIAN的《DESIGNING TALL BUILDINGS》（非常推荐大家去看）的书上提到这种遗传算法的应用。
 
MARK SARKISIAN的《DESIGNING TALL BUILDINGS》应用介绍

那么这一期的Dino结构笔记就通过OPENSEES, ETABS等软件结合编程实现一个遗传算法的计算，以一个桁架结构为例进行介绍吧。

实例：对一定总重量的钢桁架结构进行结构优化，使桁架在重力荷载作用下的跨中变形最小，也即是刚度最大。桁架上弦的节点的作用力为150kN，由于桁架是对称的，采用半跨建模，初始条件，全部截面的尺寸为4000mm2，统计一下，半跨的桁架的总重量约为2.285 ton。
计算简图如下图所示。通过遗传算法确定每一节截面的大小，以保证在用钢量一定的情况下总刚度最大。
 
桁架的计算简图

（1） 这个实例我打算采用OPENSEES进行分析，那么首先我们建立ETABS模型，加入支座与荷载条件，如下图所示，导出S2K文件以供导入OPENSEES所用。
 
桁架在ETABS中建模

（2） 导入ETO生成OPENSEES的分析命令流文件，导入ETO以后处到桁架的构件编号如图所示。在OPENSEES中我们只需要输入点13的竖向位移，做为遗传算法的评分标准，点13的位移越小，评分越高，代表遗传算法中的后代更加优秀。
 
桁架在OPENSEES中的建模


（3） OpenSEES的命令流如下所示，命令流分为3个部分：
第一部分：节点、材料与支座条件（分析过程中不发生改变）
第二部分：截面（分析过程中不断改变），采用引入文件  source section_1.tcl
第三部分：分析与结果提取，结果提取的命字改变，即：
recorder Node -file node1.out -time -node 13 -dof 3 disp
不同的个体分析存储的文件名不同， 分别是 node1~node8.out, 记录13号点的竖向位移

model basic -ndm 3 -ndf 6
node 1 0.000E+000 0.000E+000 0.000E+000
……….
node 17 1.000E+004 0.000E+000 0.000E+000
fix 1 1 1 1 1 1 1;
……