基于GA遗传算法的斜拉桥静载试验车辆最优布载matlab仿真

最新推荐文章于 2025-05-13 15:38:30 发布

软件算法开发

最新推荐文章于 2025-05-13 15:38:30 发布

阅读量682

点赞数 9

分类专栏： MATLAB程序开发 # 优化文章标签： matlab GA遗传算法斜拉桥静载试验车辆最优布载

本文链接：https://blog.youkuaiyun.com/soft_algorithm/article/details/141476994

版权

MATLAB程序开发同时被 2 个专栏收录

192 篇文章

订阅专栏

优化

70 篇文章

订阅专栏

1.程序功能描述

基于GA遗传算法的斜拉桥静载试验车辆最优布载matlab仿真。主要是为了实现斜拉桥静载试验自动化布载（确定车辆位置使得满足加载效率ηq的要求，0.95≤ηq≤1.05），总体要求是ηq尽量靠近1，所用的加载车辆尽量少，进行布载耗时越少越好。

2.测试软件版本以及运行结果展示

MATLAB2022A版本运行

工况1：

工况2：

具体的信息参考附带的参考文献：

（完整程序运行后无水印）

3.核心程序

............................................................................
while gen < MAXGEN;   
      gen
          %计算对应的目标值
          [epls,Lr,Ss,KKs0]= func_obj(Xi,Di,Ti,Li,L_influence1,L_influence2,S,1,1);
      
      Objvsel=(JJ);    
      [Chrom,Objv]=reins(Chrom,Selch,1,1,Objv,Objvsel);   
      gen=gen+1; 
        
      
      %保存参数收敛过程和误差收敛过程以及函数值拟合结论
      Error(gen) = mean(Objvsel);
end 
figure(2);
plot(Error,'b-o');
grid on
xlabel('迭代次数');
ylabel('适应度值');


[V,I]   = max(Jrs);

Xi_best = Xis{I};
Di_best = Dis{I};
Ti_best = Tis{I}; 
Li_best = Lis{I};
N;
Lr      = Lrs(I);
Ss      = Sss(I);
Minf    = V;

Times    = toc; 
%              Lrs1= [Lrs1;Lr86];
%              Lrs2= [Lrs2;Lr87];
%              Lrs3= [Lrs3;Lr88];
%              Lrs4= [Lrs4;Lr111];
%              Lrs5= [Lrs5;Lr112];
%              Lrs6= [Lrs6;Lr113];
%              Lrs7= [Lrs7;Lr205];
%              Lrs8= [Lrs8;Lr206];
%              Lrs9= [Lrs9;Lr207];
Lr86 = Lrs1(I);
Lr87 = Lrs2(I);
Lr88 = Lrs3(I);
Lr111 = Lrs4(I);
Lr112 = Lrs5(I);
Lr113 = Lrs6(I);
Lr205 = Lrs7(I);
Lr206 = Lrs8(I);
Lr207 = Lrs9(I);


%画图
func_view2(Xi_best,Di_best,Ti_best,Li_best,N,x1,x2);  
hold on
 

% data86  = load('dat\86.txt');
% data87  = load('dat\87.txt');
% data88  = load('dat\88.txt');
% data111 = load('dat\111.txt');
% data112 = load('dat\112.txt');
% data113 = load('dat\113.txt');
% data154 = load('dat\154.txt');
% data205 = load('dat\205.txt');
% data206 = load('dat\206.txt');
% data207 = load('dat\207.txt');



DD1 = data90;
DD2 = data91;
DD3 = data89;
DD4 = data154;
DD5 = data111;
DD6 = data112;
DD7 = data113;
DD8 = data207;
DD9 = data208;
DD10 = data209;
 
DD11 = data209;
DD12 = data209;
DD13 = data209;
DD14 = data209;
DD15 = data209;
DD16 = data209;
DD17 = data209;
DD18 = data209;
DD19 = data209;
DD20 = data209;

func_influence_line(DD1,DD2,DD3,DD4,DD5,DD6,DD7,DD8,DD9,DD10,DD11,DD12,DD13,DD14,DD15,DD16,DD17,DD18,DD19,DD20,NUS);


clc; 


disp('车辆布载位置：');
Xi_best

disp('车辆方向：');
Di_best

disp('车辆类型：');
Ti_best

disp('占用车道：');
Li_best

disp('最优函数值：'); 
Minf


disp('加载效应值：'); 
Ss

disp('载荷效率：'); 
Lr

disp('有效车辆：'); 
sum(Li_best)

disp('算法仿真时间：'); 
Times
 

[Lr,Lr86,Lr87,Lr88,Lr111,Lr112,Lr113,Lr205,Lr206,Lr207]'
06_057m

4.本算法原理

基于遗传算法（Genetic Algorithm, GA）的拱桥静载试验车辆最优布载问题是一个复杂的优化问题。在这个问题中，目标是最小化车辆布置对拱桥产生的不利影响，同时确保试验能够有效检测出拱桥的承载能力和潜在问题。假设有一座拱桥，我们需要对其进行静载试验，以评估其承载能力。为了进行这项试验，我们需要确定如何将车辆放置在桥面上，以便能够模拟最不利的情况，同时又不会对桥梁造成损害。这涉及到了车辆的位置、重量分布等问题。我们的目标是找到一种车辆布载方案，使得桥梁的关键部位承受最大的荷载，从而能够有效地评估桥梁的性能。

为了实现桥梁静载试验自动化布载（确定车辆位置使得满足加载效率ηq的要求，0.95≤ηq≤1.05），总体要求是ηq尽量靠近1，所用的加载车辆尽量少，进行布载耗时越少越好。

ηq=Ss/(1+μ)∙S

式中：

Ss—为静载试验荷载作用下控制截面设计内力或位移计算值；

S—为控制荷载作用下相应截面最不利内力或位移计算值；

μ—为按规范取用的冲击系数，对于平板挂车、履带车、重型车辆，取μ=0。

建立如下的优化模型：