基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计

王皓臣; 张燎军; 张汉云; 章寰宇; 林润丰; 宋琰

doi:10.20040/j.cnki.1000-7709.2025.20241745

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计

水利枢纽、水利建筑物 | 更新时间：2026-02-25

- 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计
- 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计
- 水电能源科学 2025年43卷第1期页码：145-149
- 作者机构：
  
  河海大学水利水电学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(52479122);中国水利水电科学研究院水利部水工程建设与安全重点实验室项目(IWHR-ENGI-202303)
- DOI：10.20040/j.cnki.1000-7709.2025.20241745
  中图分类号： TV663.4
- 纸质出版：2025
- 稿件说明：
移动端阅览
王皓臣, 张燎军, 张汉云, 等. 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计[J]. 水电能源科学, 2025,43(1):145-149.

王皓臣, 张燎军, 张汉云, et al. 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计[J]. 2025, 43(1): 145-149.
王皓臣, 张燎军, 张汉云, 等. 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计[J]. 水电能源科学, 2025,43(1):145-149. DOI： 10.20040/j.cnki.1000-7709.2025.20241745.

王皓臣, 张燎军, 张汉云, et al. 基于ANN-GA协同寻优的大跨度双曲桁架拱钢闸门结构优化设计[J]. 2025, 43(1): 145-149. DOI： 10.20040/j.cnki.1000-7709.2025.20241745.

摘要

针对大跨度双曲桁架拱钢闸门结构的优化设计，采用拉丁超立方随机抽样方法建立试验抽样点，通过对抽样点的训练建立人工神经网络(ANN)预测模型；同时协同遗传算法(GA)的全局搜索能力，基于ANN模型构造相应的适应度函数，提出了一种ANN-GA协同优化的结构优化模型，并对某拟建60 m大跨度双曲桁架拱钢闸门关键构件进行结构优化设计。结果表明，ANN模型可有效应用于结构尺寸与闸门总质量及最大折算应力的非线性建模，训练后的ANN-GA模型可根据结构尺寸准确预测该结构尺寸下所对应的闸门总质量及最大应力值；通过建立基于ANN模型构建的适应度函数，GA可实现在ANN模型预测的基础上快速全局寻优并快速收敛，基于ANN-GA的协同优化方法对于闸门结构尺寸优化切实有效。研究成果可为闸门结构优化设计提供参考。

Abstract

关键词

Keywords

references

Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,School of Materials Science and Engineering, Gyeongsang National University, Jinju 52828, Republic of Korea,Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,Advanced Metals Division, Korea Institute of Materials Science, Changwon 51508, Republic of Korea,School of Materials Science and Engineering, Gyeongsang National University, Jinju 52828, Republic of Korea,School of Materials Science and Engineering, Gyeongsang National University, Jinju 52828, Republic of Korea.Modeling high-temperature mechanical properties of austenitic stainless steels by neural networks[J].Computational Materials Science,2020.

赵伟,毛继新,关见朝,吴兴华.ANN模型与分段线性插值及回归模型的比较及应用[J].泥沙研究,2024(04).

沈强儒,吕玉婷,陆美凝,蒋东进,杨帆.基于BP-ANN的贯流泵装置能量性能参数的预测及分析[J].水资源与水工程学报,2022(05).

王清华,徐丰,郭伟国.基于ANN-GA协同寻优的动态拉伸试样尺寸优化方法[J].爆炸与冲击,2022(01).

何龙,张冉阳,赵刚要,成一博,金郴柏,郭正华.基于BP神经网络的GH5188高温合金本构模型[J].特种铸造及有色合金,2021(02).

王军,钟亚丽,于尧.基于遗传算法的水工钢闸门优化设计[J].人民黄河,2020(11).

姜柳昕,杜彦良,刘畅,王世岩,屈吉鸿.某高坝水库集鱼系统结构设计优化及数值模拟研究[J].水电能源科学,2020(03).

郑圣义,姚辉,陈笙,牛继业.某拦河蓄水钢闸门主梁优化及有限元分析[J].水电能源科学,2018(04).

张士科,杨玉东,李军华.ANN-GA压力反分析模型在应力测量中的应用[J].水电能源科学,2016(05).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

东江流域梯级水电站的多目标调度研究

遗传算法的群体模式多样性与模式生长方程(Ⅱ)

遗传算法的群体模式多样性与模式生长方程(Ⅰ)

基于互信息及人工神经网络的降雨-径流预报方法

计及风光出力相关性的风光水储互补系统优化调度