(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211297706.X (22)申请日 2022.10.22 (71)申请人 广西大学 地址 530000 广西壮 族自治区南宁市大 学 东路100号 (72)发明人 谢开仲　傅灏　姚宏欣　陈齐威　 (74)专利代理 机构 北京亿知臻成专利代理事务 所(普通合伙) 16123 专利代理师 张博文 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/23(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06F 119/14(2020.01) (54)发明名称 基于改进PSO优化算法的C FST拱桥斜拉扣挂 索力计算方法 (57)摘要 本发明涉及建筑施工技术领域， 公开了基于 改进PSO优化算法的C FST拱桥斜拉扣挂索力计算 方法， 包括以下步骤， 获取C FST拱桥的材料参数、 几何参数、 边界条件和相应荷载， 建立拱桥有限 元模型、 通过拱桥有限元模型， 划分施工阶段， 并 导出相应的影响矩阵、 通过改进PSO算法优化 CFST拱桥斜拉扣挂索力参数， 建立索力优化模 型、 通过索力优化模型进行C FST拱桥斜拉扣挂索 力的计算， 本发明通过影响矩阵原理， 构建起索 力与线形的目标函数， 为了对目标函数高效精确 的求解， 通过将PSO算法进行相关改进， 通过分析 关键参数惯性权重和学习因子在算法运行中的 特点和作用， 将其由固定值改变为随算法迭代进 行非线性赋值， 提高算法的收敛能力。 权利要求书3页 说明书7页 附图4页 CN 115510549 A 2022.12.23 CN 115510549 A 1.基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其特征在于， 包括以下步 骤： S1、 获取CFST拱桥的材 料参数、 几何参数、 边界条件和相应荷载， 建立拱桥有限元模型； S2、 通过拱桥有限元模型， 划分施工阶段， 并导出相应的影响矩阵； S3、 基于步骤S1和步骤S2， 通过改进PSO算法优化CFST拱桥斜拉扣挂索力参数， 建立索 力优化模型； S4、 通过索力优化模型进行CFST拱桥 斜拉扣挂索力的计算。 2.根据权利 要求1所述的基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其 特征在于， 所述 步骤S3中索力优化模型 具体包括以下步骤： S3.1、 初始化相关参数； S3.2、 计算粒子的适应度； S3.3、 评价粒子的适应度， 更新个 体极值和全局极值； S3.4、 更新惯性权 重， 更新两类学习因子； S3.5、 计算更新后的粒子适应度； S3.6、 判断是否达到设定的最大迭代次数， 若是， 则进行下一步， 若否， 则转到步骤 S3.2； S3.7、 构造惩罚项， 通过罚函数法中解决约束优化问题的目标函数构造带着惩罚项的 新目标函数， 判断迭代次数惩罚性是否小于预设精度， 若 是， 则输出最优解， 若否， 则参数重 新初始化。 3.根据权利 要求2所述的基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其 特征在于， 所述步骤S3.1和步骤S3.2中初始化相关参数和计算粒子的适应度的具体方法 为： 设粒子的搜索空间为D维空间， 粒子的位置 矢量表示 为： Xi＝[xi1， xi2， xi3...xid]； 粒子的速度矢量表示 为： Vi＝[vi1， vi2， vi3......vid]； 每个粒子的适应度是由目标函数所确定的， 每个粒子都在不断调整自己的位置更新适 应度， 方式是追踪个 体极值和群 体极值， 分别记 做： Pi＝[pi1， pi2， pi3， pid]， Pg＝[pg1， pg2， pg3， p......gd]； 由上述两个极值， 粒子由下式更新自己的速度和位置： Vij(t+1)＝ωvij(t)+c1r1[(pij)j(t)‑xij(t)]+c2r2[(pgj)j(t)‑xij(t)]； xij(t+1)＝xij(t)+vij(t+1)； 其中， c1c2表示为学习因子， c1用来控制粒子的自我认知部分， 使得粒子能够进行全局 搜索， c2用来控制粒子之间信息的交互和提高群体粒子全局 搜索的能力， r1r2表示为[0， 1] 之前的随即数； ω表示 为粒子惯性权 重。 4.根据权利 要求3所述的基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其 特征在于， 所述 步骤S3.4中更新惯性权 重采用非线性自适应权 重， 按如下公式计算： 权　利　要　求　书 1/3 页 2 CN 115510549 A 2ωmin为惯性权 重初始设定的最小值； ωmax为惯性权 重初始设定的最大值。 5.根据权利 要求3所述的基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其 特征在于， 所述S3.4中更新两类学习因子采用随着迭代次数更改的自适应学习因子c1， c2， 具体公式如下： c1max为自学因子初始最大值； c2max为群学因子初始最大值； c1min为自学因子初始最小值； c2min为群学因子初始最小值； t为当前迭代次数； tmax为总迭代次数。 6.根据权利 要求2所述的基于改进PSO优化算法的CFST拱桥斜拉扣挂索力计算方法， 其 特征在于， 所述S3.7中目标函数公式为： s＝Δff+Δ空； 约束条件： S为控制点 位移与目标线形差值； Δf为扣索力影响矩阵； Δ空拱圈自重荷载影响矩阵； f为扣索力； Np为单根扣索的屈服力； σ 为拱肋钢材的容许应力； K为安全系数； n为扣索根数； L为主跨径长度； 采用罚函数将上述约束优化问题转化为无约束的目标优化问题， 即通过增加惩罚项的 方式， 构造出新的目标函数： Ma(x)为惩罚项。权　利　要　求　书 2/3 页 3 CN 115510549 A 3