结构优化

       传统的结构优化设计，实际上指的是结构分析，其过程大致是假设-分析-校核-重新设计。重新设计的目的也是要选择一个合理的方案，但它只属分析的范畴；且只能凭设计者的经验作很少几次重复以通过“校核”为满足。结构优化指的是结构综合，其过程大致可归纳为：假定-分析-搜索-最优设计四个阶段。其中的搜索过程是修改并优化的过程。它首先判断设计方案是否达到最优（包括满足各种给定的条件），如若不是，则按某种规则进行修改，以求逐步达到预定的最优指标。

       结构优化设计的设想由来已久。J．C．麦克斯韦于1854年和J．H．米歇尔于1905年就曾研究过在不加任何形状约束条件下桁架式结构的最优布局问题。他们的工作在理论上有一定意义，但所得结果往往在工艺上无法实现。到20世纪40年代，在航空结构的构件设计中提出了所谓“同步极限”准则，即认为一个构件的最优设计，应使它在受力后各部分都同时达到极限状态。求解方法一般采用经典的受等式约束的函数极小化理论。但是这种方法只能处理一些简单的问题，例如，处理形状简单的薄壁结构部件的优化问题。此外，还曾提出满应力设计准则，即认为最优结构的每一部件的应力应在至少一种工况下达到它的容许限值。对于静定结构，这个满应力准则是不难实现的，但是对于静不定结构，满应力设计需要经过多次的反复分析和修改才能完成，在还没有电子计算机的时代，这是很难实现的。60年代初，出现了现代化的结构优化设计理论和方法，它是以利用电子计算机为基础的。

1．结构优化设计的数学模型

结构优化设计可定义为：对于已知的给定参数，求出满足全部约束条件并使目标函数取最小值的设计变量的解。

2．设计变量

设计变量指在设计过程中所要选择的描述结构特性的量，它的数值是可变的。设计变量可以是各个构件的截面尺寸、面积、惯性矩等设计截面的几何参数，也可以是柱的高度、梁的间距、拱的矢高和节点坐标等结构总体的几何参数。设计变量通常有连续设计变量和离散设计变量两种类型。

（1）连续设计变量。这类变量在优化过程中是连续变化的，如拱的矢高和节点坐标等。

（2）离散设计变量。这类变量在优化中是跳跃式变化的，如可供选用的型钢的截面面积和钢筋的直径都是不连续的。

3．目标函数

目标函数是用来衡量设计好坏的指标。采用何种指标来反映设计好坏与结构本身的技术经济特性有关。通常采用的目标函数有：结构重量、结构体积、结构造价三种。

4．约束条件

结构优化的约束条件一般有几何约束条件和性态约束条件两种。

（1）几何约束条件。即在几何尺寸方面对设计变量加以限制。如工字型截面的腹板和翼缘的最小厚度限制。

（2）性态约束条件。即对结构的工作性态所施加的一些限制。如构件的强度、稳定约束以及结构整体的刚度和自振频率等方面的限制。

基本方法如下：

1．简单解法

当优化问题的变量较少时，可用下列简单解法。

（1）图解法。在设计空间中作出可行域和目标函数等值面，再从图形上找出既在可行域内（或其边界内），又使目标函数值最小的设计点的位置。

（2）解析法。当问题比较简单时，可用解析法求解。

2．准则法

准则法是从工程和力学观点出发，提出结构达到优化设计时应满足的某些准则（如同步失效准则、满应力准则、能量准则等），然后用迭代的方法求出满足这些准则的解。该方法的主要特点是收敛快，重分析次数与设计变量数目无直接关系，计算量不大，但适用有局限性，主要适用于结构布局及几何形状已定的情况。尽管准则法有它的缺点，但从工程应用的角度来看，它比较方便，习惯上易于接受，优点仍是主要的。最简单的准则法有同步失效准则法和满应力准则法。

（1）同步失效准则法。其基本思想可概括为：在荷载作用下，能使所有可能发生的破坏模式同时实现的结构是最优的结构。同步失效准则设计有许多明显的缺点。由于要用解析表达式进行代数运算，同步失效设计只能用来处理非常简单的元件优化；当约束数大于设计变量数时，必须设法确定那些破坏模式应当同时发生才给出最优设计，这通常是一件十分困难的工作；当约束数和设计变量数相等时，并不能保证这样求得的解是最优解。

（2）满应力准则法。该法认为充分发挥材料强度的潜力，可以算是结构优化的一个标志，以杆件满应力作为优化设计的准则。这一方法在杆件系统如桁架的优化设计中用得较多。在此基础上又发展了与射线步结合的齿行法以及框架等复杂结构的满应力设计。

3．数学规划法

将结构优化问题归纳为一个数学规划问题，然后用数学规划法来求解。结构优化中常用的数学规划方法是非线性规划，有时也用线性规划，特殊情况可能用到动态规划、几何规划、整数规划或随机规划等。

（1）线性规划。当目标函数和约束方程都是设计变量的线性函数时，称为线性规划问题。该类问题的解法比较成熟，其中常用的解法是单纯形法。

（2）非线性规划。当目标函数或约束方程为设计变量的非线性函数时，称为非线性规划。结构优化设计多为有约束的非线性规划问题。这类问题较线性规划问题复杂得多，难度较大，目前采用的方法大致有以下几种类型：不作转换但需求导数的分析方法，如梯度投影法、可行方向法等；不作转换也不需求导数的直接搜索方法，如复形法；采用线性规划来逐次逼近，如序列线性规划法；转换为无约束极值问题求解，如罚函数法、乘子法等。

4．混合法

混合法即同时采用准则法和数学规划法。

5．启发式算法

近些年来发展起来了一些启发式算法。这些算法有遗传算法（GA）、神经网络算法、模拟退火算法等。它们在结构优化领域得到了一些应用。