项目名称: 基于响应面法的复合材料桁架结构超轻质化优化设计方法

项目编号: No.11202231

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 数理科学和化学

项目作者: 鞠苏

作者单位: 中国人民解放军国防科学技术大学

项目金额: 22万元

中文摘要: 桁架结构作为一类高效的轻质结构构型已广泛应用于建筑、航空和航天领域。先进的临近空间飞行器对桁架结构提出了高性能超轻质化的需求。要实现超轻质化一般有两个途径,一是采用轻质高强的纤维增强聚合物复合材料,二是进行结构优化设计获得超轻质的结构构型。但超轻质桁架结构构型很难获得,原因在于桁架结构设计变量多、结构响应复杂,很难得到最优解。响应面法是可能解决这类问题的方法之一。利用响应面法进行复合材料桁架结构优化设计面临两大难题,一是如何准确获得复合材料桁架结构所有可能的结构响应,形成相应的样本集,二是如何利用样本在多维设计空间里集进行全局快速寻优。本项目以一维点阵复合材料桁架结构超轻质优化设计为例,基于响应面法思想,采用实验研究、有限元分析和设计变量样本的实验设计,得到结构响应合理有效的样本集,采用综合采用多种算法进行快速寻优,构建一种快速、高效的多参数、多约束结构优化设计方法。

中文关键词: 纤维增强聚合物复合材料;桁架;轻质结构;优化设计;响应面法

英文摘要: Truss, as a lightweight structure with high structural efficiency, has been widely used in construction, aeronautic and astronautic area. Ultra-lightweight truss structure with high performance are demanded by advanced nearspace vehicle. Ultra-lightweight truss structure can be achieved by two ways: one is to adopt fiber reinforced plastic composite materials for its significant high specific strength and stiffness; another way is ultra-lightweigh design optimization. But it is difficult to optimize the truss structure as there are too many design parameters and complex structural responses. Response surface methodology is a possible way to solve this problem. There are two challenges for the optimization of composite truss structure with response surface methodology: to obtain the structural responses with acceptable accuracy and to search the reasonable optimal design in multidimensional design space quickly. 1D compoiste lattice truss structure will be taken as example for the research of truss optimization. Experiment, finite element analysis and experiment design theory will be adopted to obtain the reasonable and adequate sample space of structural responses. Several different algorithm will be employed to search the optimal design in the design loop. A high effiency optimization method for multi-parameter

英文关键词: fiber reinforced polymer;truss;lightweight structure;design optimization;response surface methodology

成为VIP会员查看完整内容
0

相关内容

【NeurIPS 2021】 基于置信度校正的可信图神经网络
专知会员服务
20+阅读 · 2021年12月26日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
11+阅读 · 2021年7月16日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
20+阅读 · 2021年5月1日
【CVPR2021】神经网络中的知识演化
专知会员服务
24+阅读 · 2021年3月11日
【NeurIPS 2020 】神经网络结构生成优化
专知会员服务
20+阅读 · 2020年10月24日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年4月20日
小贴士
相关VIP内容
【NeurIPS 2021】 基于置信度校正的可信图神经网络
专知会员服务
20+阅读 · 2021年12月26日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
11+阅读 · 2021年7月16日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
31+阅读 · 2021年5月7日
专知会员服务
20+阅读 · 2021年5月1日
【CVPR2021】神经网络中的知识演化
专知会员服务
24+阅读 · 2021年3月11日
【NeurIPS 2020 】神经网络结构生成优化
专知会员服务
20+阅读 · 2020年10月24日
【NeurIPS 2020】对比学习全局和局部医学图像分割特征
专知会员服务
43+阅读 · 2020年10月20日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员