基于多学科设计优化和遗传算法的智能桁架结构振动控制研究

In this work, the integrated optimization for vibration of large space intelligent truss structures is discussed. The design variables include member size, structural shape, logic design variables of structural topology, the number and placements of actuators/the number of controlled modes as well as the control parameters. The optimization problem increases the computational expense. Based on the principle of minimal energy stored in the structures, while concept of modal dissipation energy factor and modal strain energy factor are introduced, the multiobjective optimization model is established and solutions are obtained by using multidisciplinary design optimization and genetic algorithms. The simulation results show the method is reliable and valid for the integrated optimization of intelligent truss structures vibration suppression.

对于大型空间智能桁架结构，同时把结构尺寸、形状、拓扑、主动杆件布置和控制参数作为设计变量，进行振动控制的集成优化，使得该优化问题的设计空间很大，计算量大是一个亟待解决的问题。本项目基于系统最小储存能准则，引入模态耗散能因子和模态应变能因子的概念，建立结构布局和主动杆件布置集成多目标优化模型，基于多学科设计优化理论和改进多目标遗传算法进行求解，得到智能桁架结构和主动杆件的最优布局，使用改进多目标遗传算法对结构进行模糊控制，使智能桁架结构达到最优的振动主动控制效果。通过仿真实验，验证方法的有效性。这种集成优化设计的方法，不但节省材料，满足航天结构经济性、实用性等要求，而且最大程度的抑制了结构的振动，更好的满足空间飞行任务的要求。

大型空间智能桁架结构具有低刚度、弱阻尼比、低固有频率等特性。在真空状态下，如果发生振动，很难衰减，不仅给航天器带来很多不利因素，还会引起结构疲劳破坏。对于这类大型空间智能桁架结构，同时考虑结构尺寸、形状、拓扑、主动杆件布置和控制参数等因素进行振动控制优化，是一个复杂的问题。.本项目紧密围绕研究计划，从大型空间智能桁架结构建模、智能桁架结构振动控制、基于遗传算法的智能桁架结构优化和自组织神经网络控制四个方面展开研究。首先，建立了含有传感器与作动器的大型空间智能桁架的动力学模型，得到结构频率及其模态控制方程，以模态方程为被控对象，建立智能桁架结构模糊控制系统仿真模型。然后，建立智能桁架结构的模糊控制模型。采用模糊控制方法对典型的空间桁架结构进行振动主动控制和模糊控制系统稳定性分析实验。其次，采用自适应遗传算法对模糊控制系统进行多学科设计优化。在改进遗传算法中，使交叉概率和变异概率能够随着个体适应度的变化而改变，避免出现早熟现象。将该自适应遗传算法与模糊控制器相结合，以智能桁架结构的主动杆轴向位移差作为评价其性能指标的目标函数，对模糊控制器的规则进行优化，增强对结构振动的模糊控制效果，仿真实验验证了该方法的有效性。基于T-S 模糊模型理论，以智能桁架结构位移差的概率分布作为模糊隶属度函数，对各个子系统做模糊融合，从而得到智能桁架结构的系统全局模型，并对T-S 模糊系统模型的稳定性做出分析讨论。最后，鉴于复杂桁架结构的非线性特性和神经网络的非线性逼近特性，设计了自组织神经网络系统，并对其进行了严格数学证明。自组织神经网络系统中，神经元的个数能够进行在线调节，这样，不仅可以避免神经网络固定结构存在的局限性问题，而且，增强了神经网络的非线性逼近能力。.通过本项目研究，提出了一种有效集结构布局，主动杆件布置和振动主动控制于一体的压电智能桁架结构优化设计方法，为提高大型智能桁架结构的性能奠定了基础。