(3.238.174.50) 您好!臺灣時間:2021/04/18 16:38
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:黃永欽
研究生(外文):Huang, Yung-Chin
論文名稱:二次元靜態連續體結構之最佳化:遺傳基因理論之應用
論文名稱(外文):Topological Optimization of Two Dimensional Structure Subjected Static Loads:Application of Genetic Approach
指導教授:吳俊瑩吳俊瑩引用關係
指導教授(外文):Wu Chun-Yin
學位類別:碩士
校院名稱:大同工學院
系所名稱:機械工程學系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:1997
畢業學年度:85
語文別:中文
論文頁數:89
中文關鍵詞:最佳化遺傳基因理論
外文關鍵詞:OptimizationGenetic Approach
相關次數:
  • 被引用被引用:2
  • 點閱點閱:60
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:1
摘 要
在這次的研究中,我們將針對二次元結構多值域系統的問題提出一個新的
解 決方法。這個方法將可提供設計者多種結構的最佳外形供其選擇。而
這方法與細 部設計有相當大的差異。我們不需要是事先預測結構可能的
最佳外形為何,而這 通常會導致我們找到的外形並非真正的最佳外形。
在我們的系統中我們只需設定 材料存在的合理空間,邊界條件與受力條
件。而結構外形會在最佳化過程中自動 的形成。
這系統結合了族群概念的基因遺傳法則、自適應共振理論、有限元素法來
完 成二次元連續體結構遭受靜態負荷下的最佳化問題。系統最終目標為
尋找最省材 料與應力分布最均勻的結構外形。
在本研究中基因遺傳法則被用來作為主要的搜尋法則。我們用一維的二值
陣 列來描述結構的外形,並用它來作為基因法則中的染色體。在此系統
中結構被分 為非連續體、過載及非過載三類。我們用不同的函數計算這
三類結構的適合性 ( fitness )。我們強迫非連續體、過載等結構擁有
較差的適合度。使其在基因 演算過程中自然淘汰,且為了克服傳統SGA
會找到區域極值的缺點,我們提出了 三個以族群概念為主的基因法則,
ART-based SGA, Crowding, Sharing。我們將 用不同的負荷條件來測試
每一個基因模型,最後我們都可獲得相當合理的結果。 因此我們可以了
解以族群概念礎的基因法則對多值域系統有很好的表現而且其效 率也較
傳統SGA好很多。
ABSTRACT
In this study, a new approach is developed for multi-model
domain system in structural design. This approach will
provide designers with multiple choices of the optimum
structural topology. It is very different from the detail
design, we do not have to guess the optimal shape of the
structure in advance. We just need to specify a feasible
region within which the component has to fit, the support
locations, and the applied loads in the beginning of the
program. The topology generation can thus be automated as
part of the design optimization process.
This system combines with niche-based genetic algorithms,
adaptive resonance theory and finite element method to
optimize two-dimensional continuous structure with static
loads. The aim of this study is to find the optimal shape of
2-D structure with the minimum weight and best distribution of
stress. Genetic algorithms
are used to be the main searching method in this study. The
binary one-dimensional arrays are used to represent the
structural configurations and they are utilized as the
chromosomes in genetic algorithms. The structures are
grouped into discontinuous, overload and non-overload structures
and their fitness are evaluated with different fitness
functions. We degenerate the infeasible solution,
discontinuous, overload structures, by lower their fitness. In
order to overcome the drawback falling into a local optimum
by simple genetic algorithm ( SGA ), we propose three
nechie-based GA models, ART-based SGA, crowding and sharing.
Each model will be tested with different loading conditions and
result are quite reasonable. We can understand the
niche-based GAs is helpful to find different types of
structural shapes and it is more efficient than traditional SGA.
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔