论文部分内容阅读
随着列车提速的深入，对车体轻量化的要求越来越高，因此对车体钢结构进行结构优化成为了车体轻量化的主要途径之一。 在车体钢结构的结构优化中，遗传算法有其突出的优点。传统的优化方法在进行优化时往往不能充分考虑不同类型变量之间的耦合关系。应用遗传算法可以考虑多种不同类型设计变量之间的耦合关系，实现了不同种设计变量的组合优化。由于遗传算法思想的特点，在优化过程中需要进行大量的计算，导致遗传算法的优化效率很低，特别在复杂工程结构中限制了其应用范围。 针对简单遗传算法收敛速度慢等缺点，本文采用了几种改进的遗传算法(IGA)，并把它应用于车体的组合优化中。优化的对象为25T型车体的钢结构。在优化过程中，应用有限元软件MSC．Marc作为分析工具，以横梁的截面类型与拓扑位置作为设计变量，实现两类设计变量的同时优化。改进遗传算法从提高全局搜索性能和收敛速度出发，加入了3个新的操作策略。新的操作策略为最优保存策略、增加转基因算子和采用自适应遗传算子的操作。分别对每一种改进策略编制程序进行计算，验．证了新算法的有效性后，将这些算法互相组合，找出最好的改进方法。 结果证明，改进算法的全局搜索性能和收敛速度明显优于现有的许多遗传算法，提高了车体钢结构的优化效率，增加了遗传算法的应用范围。