基于多目標(biāo)遺傳算法的大型共構(gòu)管廊早拆模板體系晚拆桿優(yōu)化畢業(yè)論文

1、畢業(yè)設(shè)計（論文）報告題 目 學(xué) 院 學(xué) 院 專 業(yè) 學(xué)生姓名 學(xué) 號 年級 級 指導(dǎo)教師 畢業(yè)教務(wù)處制表畢業(yè)學(xué)生姓名： xx填寫 學(xué)號： xx填寫 專業(yè)： xx填寫 畢業(yè)設(shè)計（論文）題目： 指導(dǎo)教師意見：（請對論文的學(xué)術(shù)水平做出簡要評述。包括選題意義；文獻(xiàn)資料的掌握；所用資料、實驗結(jié)果和計算數(shù)據(jù)的可靠性；寫作規(guī)范和邏輯性；文獻(xiàn)引用的規(guī)范性等。還須明確指出論文中存在的問題和不足之處。） 指導(dǎo)教師結(jié)論： （合格、不合格）指導(dǎo)教師姓名所在單位指導(dǎo)時間畢業(yè)設(shè)計（論文）評閱教師評閱意見表 學(xué)生姓名： xx填寫 學(xué)號： xx填寫 專業(yè)： xx填寫 畢業(yè)設(shè)計（論文）題目： 農(nóng)村宅基地測量技術(shù)研究 評閱意見：

2、（請對論文的學(xué)術(shù)水平做出簡要評述。包括選題意義；文獻(xiàn)資料的掌握；所用資料、實驗結(jié)果和計算數(shù)據(jù)的可靠性；寫作規(guī)范和邏輯性；文獻(xiàn)引用的規(guī)范性等。還須明確指出論文中存在的問題和不足之處。）修改意見：（針對上面提出的問題和不足之處提出具體修改意見。評閱成績合格，并可不用修改直接參加答辯的不必填此意見。）畢業(yè)設(shè)計（論文）評閱成績 （百分制）： 評閱結(jié)論： （同意答辯、不同意答辯、修改后答辯）評閱人姓名所在單位評閱時間論文原創(chuàng)性聲明本人鄭重聲明：本人所呈交的本科畢業(yè)論文農(nóng)村宅基地測量技術(shù)研究，是本人在導(dǎo)師的指導(dǎo)下獨(dú)立進(jìn)行研究工作所取得的成果。論文中引用他人的文獻(xiàn)、資料均已明確注出，論文中的結(jié)論和結(jié)果為本人

3、獨(dú)立完成，不包含他人成果及使用過的材料。對論文的完成提供過幫助的有關(guān)人員已在文中說明并致以謝意。本人所呈交的本科畢業(yè)論文沒有違反學(xué)術(shù)道德和學(xué)術(shù)規(guī)范，沒有侵權(quán)行為，并愿意承擔(dān)由此而產(chǎn)生的法律責(zé)任和法律后果。 論文作者（簽字）： xx填寫日期：xx填寫年月日題目：基于多目標(biāo)遺傳算法的大型共構(gòu)管廊早拆模板體系晚拆桿優(yōu)化王星摘 要：大型共構(gòu)段城市管廊結(jié)構(gòu)快速建造技術(shù)中，移動模架早拆體系是決定施工進(jìn)度的關(guān)鍵，針對模板早拆技術(shù)中晚拆桿局部失穩(wěn)問題，建立了有限元數(shù)值分析模型。通過參數(shù)化建模，基于多目標(biāo)遺傳算法，對其屈曲穩(wěn)定性進(jìn)行了優(yōu)化分析，得到了輸入?yún)?shù)與輸出參數(shù)之間的關(guān)系，通過迭代逐漸逼近期望值，最終得出

4、候選點。結(jié)果顯示，優(yōu)化后的截面可以減少耗材，增大穩(wěn)定系數(shù)，為類似工程提供借鑒經(jīng)驗。關(guān)鍵詞：模板早拆;管廊;屈曲穩(wěn)定性;優(yōu)化分析0 引言大型共構(gòu)綜合管廊1是將城市地下綜合管網(wǎng)，包括電力、通信、燃?xì)?、供熱供水、排水為一體，結(jié)合地上地下的行車系統(tǒng)，形成的一個整體管廊結(jié)構(gòu)。大型的綜合管廊有著快速化、綠色化的施工要求，模板早拆體系具有節(jié)約成本、縮短工期、模板用量少、周轉(zhuǎn)率高的優(yōu)點，在建筑行業(yè)得到了廣泛的關(guān)注和應(yīng)用。在移動模架早拆2施工中，早拆模板被周轉(zhuǎn)后，遺留下的晚拆桿的穩(wěn)定性問題是影響施工安全的重要因素，本文以雄安新區(qū)容東片區(qū)E3路管廊模板早拆體系工程為背景，針對早拆體系中可能出現(xiàn)的晚拆桿失穩(wěn)問題，對

5、晚拆桿的穩(wěn)定性進(jìn)行優(yōu)化分析，為類似的工程提供借鑒。1 分析模型1.1 工程概況雄安新區(qū)E3路地下綜合管廊為地面道路、穿湖隧道及綜合管廊共構(gòu)結(jié)構(gòu)。結(jié)構(gòu)地下二層為綜合管廊，包括智能物流通道、綜合艙、能源艙及預(yù)留設(shè)備間，結(jié)構(gòu)凈寬19.5 m，凈高4.7 m;地下一層內(nèi)設(shè)雙孔穿湖隧道，單孔凈寬9.25 m，凈高6.6 m，E3路結(jié)構(gòu)標(biāo)準(zhǔn)斷面所用支架模板體系為裝配式滑模體系（圖1滑模體系），材料選用易安特模板有密度高、強(qiáng)度高、精度高等特點。1.2 數(shù)值分析模型模板早拆體系分為兩大塊：一是早拆支撐體系，二是晚拆體系。在板混凝土3達(dá)到設(shè)計強(qiáng)度75%時，對兩側(cè)早拆部分的支架頂托進(jìn)行降低處理，拆除主次楞及滑動模

6、板，推動滑動模板單元整體進(jìn)入下一施工段，晚拆桿繼續(xù)支撐至混凝土強(qiáng)度達(dá)到拆除模板的時間規(guī)范，分階段計算工況如圖2所示。取B2為研究對象，網(wǎng)格劃分采用四面體網(wǎng)格，劃分節(jié)點數(shù)29 373，劃分單元數(shù)10 291。管廊部分采用實體單元，晚拆桿采用梁單元，管廊底部固定支撐，晚拆桿與管廊接觸部分為綁定連接，荷載為自重條件下的荷載。1.3 模型的參數(shù)化建立對晚拆桿進(jìn)行參數(shù)化建模，其中空心管外徑長度D1，內(nèi)徑長度D2，拉伸長度為l1，其中將外徑，內(nèi)徑作為輸出參數(shù)導(dǎo)出，材料選用結(jié)構(gòu)鋼，密度7 850 kg/m3，楊氏模量2e+11 Pa，泊松比0.3。其中底部采用固定支撐，頂部施加面壓力，壓力值取20 506

7、N，網(wǎng)格采用0.3 m的六面體網(wǎng)格，對其模型進(jìn)行屈曲分析，將一階模態(tài)的負(fù)載系數(shù)以及晚拆桿的質(zhì)量作為輸出參數(shù)，具體數(shù)據(jù)如表1，模型如圖3所示。2 基于遺傳算法的優(yōu)化理論Direct Optimization（直接優(yōu)化）是根據(jù)輸入輸出參數(shù)（Parameters）設(shè)計函數(shù)關(guān)系來篩選出最佳設(shè)計點（Design point），求解多個設(shè)計點的時候使用AMO（自適應(yīng)多目標(biāo)算法），該算法是非支配排序遺傳算法-的一個變種，支持多目標(biāo)和約束，目的是找到全局最優(yōu)。AMO方法全稱為Adaptive Multiple-Objective Optimization，是一種選代的多目標(biāo)優(yōu)化方法。該方法采用了Kriging

8、響應(yīng)面和MOGA優(yōu)化算法，適合于處理連續(xù)變量的優(yōu)化問題。AMO方法首先形成LHS樣本并基于這些樣本形成 Kriging響應(yīng)面，隨后通過NPQL方法對響應(yīng)面進(jìn)行搜索，這些搜索基于不同的起始點，得到一系列不同的備選設(shè)計（Candidate）。多目標(biāo)優(yōu)化問題中，由于存在目標(biāo)之間的沖突和無法兼顧的現(xiàn)象， Pareto提出多目標(biāo)的解不受支配解（Non- dominated set）的概念。，其定義為：假設(shè)任何二個解S1及S2對所有目標(biāo)而言，S1均優(yōu)于S2，則稱S1支配S2，若S1的解沒有被其他解所支配，則S1稱為非支配解（不受支配解），也稱Pareto解?；赑areto排序的多目標(biāo)遺傳算法的關(guān)鍵點是P

9、areto 解的集合，而不是一個 Pareto 解，因此需要鼓勵樣本的多樣性。MOGA采用的多樣性方法被稱為 fitness sharing 。fitness sharing 方法首先用下面的公式計算不同個體之間的距離。（1）其中fkmax表示目前找到的最大k目標(biāo)值，同理可知fkmin。對于個體 I ，可以計算它的niche count。（2）再用個體的niche count調(diào)整個體的適應(yīng)度。（3）基于Pareto排序的多目標(biāo)遺傳算法4相較于線性加權(quán)的遺傳算法更加智能化，其關(guān)鍵點不在于分配權(quán)重，而是在于解決適應(yīng)度函數(shù)的設(shè)計問題，該算法旨在求出帕累托解集，并且通過人工選擇的辦法來找出最符合理想的

10、最優(yōu)解。3 晚拆桿優(yōu)化計算設(shè)置P1的參數(shù)上限為110，參數(shù)下限為90，波動值為20，表示參數(shù)1可以在此范圍內(nèi)波動，同理可設(shè)置P2的參數(shù)上限為88，下限為72，波動值為16。為盡可能的提高負(fù)載系數(shù)，約定P3的期望值為5，最低下限值為3.4，容許差為0.001，參數(shù)目標(biāo)為最大化5。為保證材料用量最少，約束P4的類型為最小化，期望值為95，最大值不應(yīng)超過110。參數(shù)值變化如圖 4、圖 5所示。3BBBB494-84B7-43D1-95BD-4BB64F6C978C本方案有2個輸出參數(shù)，采用自適應(yīng)多目標(biāo)算法，初始樣本值為17，最大評估樣本數(shù)量為29，設(shè)計點數(shù)28，生成樣本集17個，候選點3。數(shù)值收斂標(biāo)

11、準(zhǔn)采用帕累托標(biāo)準(zhǔn)，收斂標(biāo)準(zhǔn)圖如圖6、圖7所示，收斂值靠近下限值，表示約束合理。圖 8為樣本點與晚拆桿質(zhì)量的走勢圖，隨著外徑內(nèi)徑值的變化，質(zhì)量在運(yùn)算初期變化較大，波動較多，最低值為48.33，最大值為186.44，不符合對質(zhì)量的要求，之后隨著迭代次數(shù)的增加，質(zhì)量值趨于96，在上下小范圍波動。相比較于原來的晚拆桿，總壁厚由20 mm減小到了18 mm，負(fù)載系數(shù)由2.05增加到3.5，質(zhì)量由100.99 kg減少到95 kg，比較候選點1與候選點2，選擇候選點1作為晚拆桿的設(shè)計方案6。在輸入?yún)?shù)改變時會引起輸出參數(shù)改變，在改變越小時參數(shù)的靈敏性越高7，會引起輸出參數(shù)發(fā)生的改變越大。4 結(jié)語本文對早拆

12、模板體系中的穩(wěn)定性問題，運(yùn)用多目標(biāo)遺傳算法理論，采用直接優(yōu)化模塊對模板早拆體系中的晚拆桿進(jìn)行優(yōu)化設(shè)計，得出以下結(jié)論：通過多目標(biāo)遺傳算法，實現(xiàn)了桿件輕量化。在尋找最優(yōu)截面過程中，通過給定的約束條件可以在保證經(jīng)濟(jì)效益的前提下提高晚拆桿安全性。參考文獻(xiàn)1 油新華.我國城市綜合管廊建設(shè)發(fā)展現(xiàn)狀與未來發(fā)展趨勢J.隧道建設(shè)（中英文），2018，38（10）：1603-1611.2 毛建斌.模板早拆體系在施工中的應(yīng)用和發(fā)展D.天津：天津大學(xué)，2007.3 熊成君.建筑施工模板早拆對混凝土結(jié)構(gòu)影響研究D.天津：天津大學(xué)，2007.4 朱大林，詹騰，張屹，等.多鄰域結(jié)構(gòu)多目標(biāo)遺傳算法J.農(nóng)業(yè)機(jī)械學(xué)報，2015，46（4）：309-315+324.5 王學(xué)文