2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩132頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)

文檔簡介

1、近十年來,隨著能源需求持續(xù)增長、全球氣候變暖和環(huán)境污染不斷加重,人們把目光逐漸聚集到可替代的可再生能源.海洋風(fēng)能上。海上風(fēng)機(jī)基礎(chǔ)長期矗立在惡劣的海洋環(huán)境里,體積龐大,造價昂貴,結(jié)構(gòu)設(shè)計中需要考慮很多不確定性因素(比如材料特性、幾何尺寸、荷載等),絕對的安全是不可能的,海上風(fēng)機(jī)基礎(chǔ)的經(jīng)濟(jì)性和可靠性是當(dāng)前面臨的挑戰(zhàn)。本文的研究針對樁式海上風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)的特點,在國內(nèi)外有關(guān)研究成果的基礎(chǔ)上對海上風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)優(yōu)化設(shè)計理論和可靠度方法一些相關(guān)問題進(jìn)

2、行了較為深入的研究,具體做了以下幾個方面的工作:
   (1)基于粒子群優(yōu)化(PSO)的樁式海上風(fēng)機(jī)基礎(chǔ)確定性優(yōu)化設(shè)計方法
   樁式海上風(fēng)機(jī)基礎(chǔ)的優(yōu)化設(shè)計是一個復(fù)雜的、非線性約束的優(yōu)化問題,針對傳統(tǒng)的基于梯度信息的優(yōu)化方法在處理非線性問題中易陷入局部最優(yōu)解的問題,本文將一種耦合懲罰函數(shù)的PSO算法引入到海上風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)概念設(shè)計中,PSO算法是從群體動物聚集覓食這一活動中受到啟發(fā)而發(fā)展的,該算法利用個體和群體的信息共享不

3、斷改進(jìn)自身的位置從而進(jìn)行局部和全局最優(yōu)搜索,本文中以樁和三腳架連接段直徑及壁厚為設(shè)計變量,以基礎(chǔ)總重量作為優(yōu)化的目標(biāo)函數(shù),在給定的約束條件下建立了三腳架基礎(chǔ)優(yōu)化數(shù)學(xué)模型,另外本文還研究了PSO參數(shù)變化對結(jié)果的影響,協(xié)調(diào)的參數(shù)組合可以避免陷入早熟收斂而能夠快速的獲得全局的最優(yōu)解,通過與ANSYS優(yōu)化模塊(零階方法)的計算結(jié)果比較驗證了該方法的有效性,本方法為海上風(fēng)機(jī)基礎(chǔ)的確定性設(shè)計提供了一條有效的途徑。
   (2)基于PSO的軸

4、向荷載樁可靠度分析方法
   針對具有顯式表達(dá)式的軸向抗壓、抗拔荷載樁功能函數(shù)往往表現(xiàn)為高度非線性的特點,本文從可靠度指標(biāo)的幾何涵義出發(fā),建立了可靠度指標(biāo)的優(yōu)化數(shù)學(xué)模型,然后利用全局最優(yōu)解的PSO算法求解可靠度指標(biāo)。在解決有約束的問題時,通過代換的方法,將有約束問題轉(zhuǎn)換成無約束問題,該方法計算簡便,無需求解偏導(dǎo)數(shù)且無需給出初始迭代點,能夠獲得設(shè)計點,并得到足夠精確的失效概率,這在解決實際問題時帶來很大方便,幾個算例驗證了其有效性

5、,該方法對于復(fù)雜的非線性功能函數(shù)的巖土工程問題,更顯示出巨大的優(yōu)越性。
   (3)基于支持向量機(jī)(SVM)分類技術(shù)的海上風(fēng)機(jī)樁基體系可靠度方法
   海上風(fēng)機(jī)樁基承受豎向荷載和橫向荷載的復(fù)合作用,失效模式復(fù)雜且極限狀態(tài)方程無法顯式表達(dá),模擬基礎(chǔ)上的體系可靠度方法常用來計算該類復(fù)雜體系可靠度的精確解,然而一個主要的缺陷是模擬次數(shù)很高十分耗時,為了解決這一問題,本文發(fā)展了一種基于SVM分類的體系可靠度模擬方法,并進(jìn)行了數(shù)值

6、試驗比較,該方法利用SVM構(gòu)造一個分類器函數(shù),而不是構(gòu)造功能函數(shù)本身的響應(yīng)面函數(shù),然后采用蒙特卡羅(MCS)進(jìn)行數(shù)值模擬計算失效概率,計算結(jié)果通過與直接的MCS、重要抽樣(IS)比較,發(fā)現(xiàn)該法計算穩(wěn)定,能夠獲得更為理想的結(jié)果,對于基樁這樣的隱式功能函數(shù)復(fù)雜結(jié)構(gòu)十分有效。
   (4)基于SVM回歸技術(shù)的樁式海上風(fēng)機(jī)基礎(chǔ)優(yōu)化方法
   海上風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)的造價很高,確定性優(yōu)化設(shè)計能大大降低基礎(chǔ)結(jié)構(gòu)的初始總重,但不能對基礎(chǔ)結(jié)構(gòu)

7、的風(fēng)險水平加以控制,本文推薦了一種基于可靠度的優(yōu)化設(shè)計方法,該方法利用支持向量回歸機(jī)回歸技術(shù)進(jìn)行兩級響應(yīng)面(分析響應(yīng)面,設(shè)計響應(yīng)面)近似策略,第一級響應(yīng)面為分析響應(yīng)面,即利用支持向量機(jī)在設(shè)計變量和隨便變量空間擬合功能函數(shù)的近似表達(dá)式,第二級響應(yīng)面為設(shè)計響應(yīng)面,即利用支持向量機(jī)在設(shè)計變量空間擬合失效概率的近似表達(dá)式。通過算例驗證了該方法能在結(jié)構(gòu)的可靠性與經(jīng)濟(jì)性之間選擇一種合理的平衡,同時該方法比其他的基于可靠度的優(yōu)化設(shè)計方法更能夠節(jié)省計算

8、成本而能維持其精度,為海上風(fēng)機(jī)基礎(chǔ)結(jié)構(gòu)基于可靠度的優(yōu)化設(shè)計提供了一種全新可行的科學(xué)方法。
   (5)海上風(fēng)電場基礎(chǔ)結(jié)構(gòu)型式模糊優(yōu)選
   針對海上風(fēng)機(jī)基礎(chǔ)概念設(shè)計中經(jīng)常遇到的復(fù)雜的方案優(yōu)選問題,將多因素、多層次模糊優(yōu)選理論引入基礎(chǔ)的設(shè)計選型工作中,針對影響因素復(fù)雜、確定隸屬函數(shù)主觀因素較強的情況,成功引入因素的優(yōu)先關(guān)系法來確定優(yōu)選矩陣的隸屬度,這樣較好地減少了確定隸屬函數(shù)的人為影響.通過此優(yōu)選模型成功地將影響基礎(chǔ)設(shè)計選

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論