柔性液压翻板钢闸门的结构分析与智能优化
|
摘要
柔性液压翻板钢闸门是一种新型的闸门形式，它借助于闸门后橡胶袋中注入的水的压力，撑起闸门，起到拦河蓄水的作用，闸门在开启时是通过逐渐释放橡胶袋中的水压力得以实现的。整套系统主要由闸门、闸门支铰、橡胶袋、橡胶袋上支铰、下支铰及止水构成。闸门由钢面板，型钢主架等构成，门间以止水和连环扣件联系，可以多门一联，联间以闸墩分隔，与普通钢闸门比较，该闸门可以允许较大的变形，有一定的柔性，因此可以节省钢材的用量。现在柔性液压翻板钢闸门正处于试验阶段，相关的设计规范还没有出台，其结构计算等理论也还不太成熟。对柔性液压翻板闸门进行研究对于改善翻板闸门的结构形式，推动我国小水电事业的发展，具有重要的现实意义。本文在研究了现有模型的基础上，运用现今先进的结构分析技术和优化技术对其进行了结构分析和优化研究，主要工作如下：
1、分析阐述了液压柔性翻板钢闸门的工作原理和基本平衡方程。详细分析了翻板钢闸门的受力情况和过流情况，给出了不同情况下的流量计算公式。
2、基于空间有限元方法的液压柔性翻板钢闸门的结构分析，以承德双洞子水电站的翻板钢闸门为例，借助于大型有限元分析软件ANSYS实现了闸门的结构分析，并详细分析了闸门各构件的受力及变形情况。
3、将遗传算法与有限元算法相结合，编写了C++与ANSYS软件的接口程序，实现了遗传算法(GA)与ANSYS参数化设计语言(APDL)的有机结合。本文将其运用到闸门的面板及梁格优化中，对闸门结构进行了优化研究。
4、提出基于遗传算法和径向基函数响应面的优化方法，将遗传算法与径向基(RBF)神经网络相结合。借助RBF网络的最佳逼近和GA的全局寻优性能，使闸门优化实现了效率与精度的统一。仍以双洞子水电站的翻板闸门优化为例，对该方法进行了验证和比较。
5、最后，总结了本文的研究工作，分析了研究的不足之处，并对今后的研究进行了展望。
Hydraulic pressure flexible flap gate is a new type of flap gate. The gate is supported by the pressure coming from the rubber bag. When the gate is opening, the pressure is released slowly. The whole system is composed of gate, gate hinge, rubber bag, rubber bag hinge and waterstop. Gate is composed of faceplate and beam system. Gate leaf is connected by rubber seal and fastener, and several leafs can be linked. Pier joins the two links. Comparing with the ordinary steel gate, hydraulic pressure flexible flap gate allows greater deformation, and it has flexibility. So the consumption of steel can be saved. At present, this type of gate is at the experimental stage. There is no correlative design specification for it and the theoretical calculation of it is not mature enough. Further research to the hydraulic pressure flexible flap gate is needed. Basing on the existing models, this type of gate is studied by using structural analysis method and optimal techniques. The main contents in the paper are as follows:
(1) The operating principle and the basic balance equations in the running course of the hydraulic pressure flexible flap gate were analyzed, and then the force status and the discharge capacity of the gate were further studied.
(2) Based on spatial finite element method, structural analysis to the hydraulic pressure flexible flap gate was carried out. The finite element analysis software ANSYS was introduced, and the gate of a hydraulic power station in Chengde city was studied
(3) Combing the finite element method with the genetic algorithm, the interface program of C++ and ANSYS software was written, and the integration of genetic algorithm (GA) and ANSYS parametric design language (APDL) was realized. This method was applied to optimize the beam system and faceplate of hydraulic pressure flexible flap gate.
(4) The method that combines GA and radial basis function response surface was brought forward. It was the integration of GA and radial basis artificial neural network (RBF). The best approximation performance of RBF and global optimization performance of GA made gate calculation realize unification of efficiency and accuracy. This method was verified by optimizing the hydraulic pressure flexible flap gate.
(5) In the last section of the paper, the whole research is summarized and the prospects to the further research are put forward.
1、分析阐述了液压柔性翻板钢闸门的工作原理和基本平衡方程。详细分析了翻板钢闸门的受力情况和过流情况，给出了不同情况下的流量计算公式。
2、基于空间有限元方法的液压柔性翻板钢闸门的结构分析，以承德双洞子水电站的翻板钢闸门为例，借助于大型有限元分析软件ANSYS实现了闸门的结构分析，并详细分析了闸门各构件的受力及变形情况。
3、将遗传算法与有限元算法相结合，编写了C++与ANSYS软件的接口程序，实现了遗传算法(GA)与ANSYS参数化设计语言(APDL)的有机结合。本文将其运用到闸门的面板及梁格优化中，对闸门结构进行了优化研究。
4、提出基于遗传算法和径向基函数响应面的优化方法，将遗传算法与径向基(RBF)神经网络相结合。借助RBF网络的最佳逼近和GA的全局寻优性能，使闸门优化实现了效率与精度的统一。仍以双洞子水电站的翻板闸门优化为例，对该方法进行了验证和比较。
5、最后，总结了本文的研究工作，分析了研究的不足之处，并对今后的研究进行了展望。
Hydraulic pressure flexible flap gate is a new type of flap gate. The gate is supported by the pressure coming from the rubber bag. When the gate is opening, the pressure is released slowly. The whole system is composed of gate, gate hinge, rubber bag, rubber bag hinge and waterstop. Gate is composed of faceplate and beam system. Gate leaf is connected by rubber seal and fastener, and several leafs can be linked. Pier joins the two links. Comparing with the ordinary steel gate, hydraulic pressure flexible flap gate allows greater deformation, and it has flexibility. So the consumption of steel can be saved. At present, this type of gate is at the experimental stage. There is no correlative design specification for it and the theoretical calculation of it is not mature enough. Further research to the hydraulic pressure flexible flap gate is needed. Basing on the existing models, this type of gate is studied by using structural analysis method and optimal techniques. The main contents in the paper are as follows:
(1) The operating principle and the basic balance equations in the running course of the hydraulic pressure flexible flap gate were analyzed, and then the force status and the discharge capacity of the gate were further studied.
(2) Based on spatial finite element method, structural analysis to the hydraulic pressure flexible flap gate was carried out. The finite element analysis software ANSYS was introduced, and the gate of a hydraulic power station in Chengde city was studied
(3) Combing the finite element method with the genetic algorithm, the interface program of C++ and ANSYS software was written, and the integration of genetic algorithm (GA) and ANSYS parametric design language (APDL) was realized. This method was applied to optimize the beam system and faceplate of hydraulic pressure flexible flap gate.
(4) The method that combines GA and radial basis function response surface was brought forward. It was the integration of GA and radial basis artificial neural network (RBF). The best approximation performance of RBF and global optimization performance of GA made gate calculation realize unification of efficiency and accuracy. This method was verified by optimizing the hydraulic pressure flexible flap gate.
(5) In the last section of the paper, the whole research is summarized and the prospects to the further research are put forward.
引文
[1] 蔡正坤，翟尔仁．闸门与启闭机[M]．北京：水利水电出版社，1988．
[2] 蔡正坤，路观平，翟尔仁，等．闸门与启闭机[M]．北京：水利水电出版社，1983．
[3] 马思伟．新型水力自控翻板闸门及其应用[J]．四川水利，2001(5)：26-27．
[4] 刘学杰．液压控制翻板闸门的研制[J]．山东水利，2002(3)：32．
[5] 水利电力部．水利水电工程钢闸门设计规范SDJ13-78(试行)[S]．北京：电力工业出版社，1978．
[6] 东北水利水电专科学校．水工金属结构[M]．北京：水利水电出版社，1989．
[7] 武汉水利电力大学，大连理工大学，河海大学．水工钢结构(第三版)[M]．北京：水利水电出版社，1995．
[8] 郑克红．高水头弧形钢闸门三维有限元分析[D]．南京：河海大学，2005．
[9] 蔡新，郭兴文，张旭明，等．工程结构优化设计[M]．北京：中国水利水电出版社，2003．10．
[10] 胡白香．闸门的优化设计[J]．灌排机械，1997(1)：28-31．
[11] 刘礼华，曾又林，段克让．表孔三支腿弧形闸门的优化分析和设计[J]．水利学报，1996(7)：9-15．
[12] 练继建，李火坤．基于SQP优化算法的露顶式弧形闸门主框架优化设计[J]．水利水电技术，2004，35(9)：63-66．
[13] 孙林松，王德信，许世刚．进化策略在重力坝优化设计中的应用[J]．海河大学学报，2000，28(4)：104-106．
[14] 谢能刚，邵韦循，孙林松，等．遗传算法在大型水工结构优化设计中的应用[J]．安徽工业大学学报，2002，18(2)：121-124．
[15] 王海亚，石自堂，王海波，等．遗传算法在宽缝重力坝优化设计中的应用[J]．水电能科学，2004．04．
[16] 李火坤，练继建．基于MATLAB遗传算法的弧形闸门主框架优化设计[J]．中国农村水利水电，2004．7：61-64．
[17] 侯石华．水力自动翻板闸门的稳定性分析与结构优化设计[D]．南京：河海大学，2004．
[18] 曲锋．水力自动翻板闸门的理论分析与实验研究[D]．南京：河海大学，2005．
[19] 吴持恭．水力学(下册)[M]．北京：高等教育出版社，1982．
[20] 清华大学水力学教研组．水力学[M]．北京：清华大学出版社，1981．6．
[21] 叶镇国．水力自控翻板闸门泄流水力关联理论[J]．湖南大学学报，1994，21(3)：98-105．
[22] 龙驭球．有限元法概论[M]．北京：人民教育出版社，1978．
[23] Weaver, William, Finite elements for structural analysis [M]. Prentice-Hall, 1984.
[24] Gallagher, Richard H. Finite elements for thin shells and curved members [J]. Wiley, 1976.
[25] 李文娟．弧形钢闸门三维有限元分析[D]．广西大学，2002．
[26] 石天鑫．弧形闸门支臂结构形式的研究[D]．南京：河海大学，2004．
[27] 孙刚．基于ANSYS平台的改进遗传算法在结构优化中的研究和探讨[D]．广西大学， 2005．
[28] 安徽省水利局勘测设计院．水工钢闸门设计[M]．北京：水利出版社，1980．
[29] 朱伯芳．有限单元法原理与应用(第二版)[M]．北京：中国水利出版社，1998．
[30] 博嘉科技．有限元分析软件—ANSYS融会与贯通[M]．北京：中国水利水电出版社，2002．
[31] 吴鹏，曾红，韩迈．基于ANSYS的二次开发技术的实现方法[J]．辽宁工学院学报，2004，24(5)．
[32] 李新坡，袁文忠．ANSYS结构计算二次开发技术研究及应用[J]．岩土工程技术 2004，18(2)．
[33] 王国强．实用工程数值模拟技术及其在ANSYS上的实现[M]．西安：西北工业大学出版社，1999．
[34] 龚曙光，谢桂兰．ANSYS操作命令与参数化编程[M]．北京：机械工业出版社，2004，4．
[35] 杨军，李峰．基于APDL语言模块的结构优化设计[J]．建筑技术开发，2003，30(4)．
[36] 安徽省水利局勘测设计院．水工钢闸门设计[M]．北京：水利电力出版社，1983．8．
[37] 水利部，电力工业部，东北勘测设计研究院．水利水电工程钢闸门设计规范(SL74-95)[S]．北京：中国水利水电出版社，1995．
[38] 陈大宏，王革，邹家祥．CAD技术在有限分析前处理中的应用[J]．北京科技大学学报，Vol．16，1994．11．
[39] 朱合华，缪圆冰，梁伟，等．组合结构有限元计算存在的问题和处理方法[J]．岩土力学，Vol．26，No．9，2005．9．
[40] 黄志望．改进遗传算法及其在结构工程优化中的应用研究[D]．北京：北京工业大学，2005．
[41] 严云．基于ANSYS参数化设计语言的结构优化设计[J]．华东交通大学学报，Vol．21，No．4，2004．8．
[42] 江爱川．结构优化设计[M]．北京：清华大学出版社，1986．
[43] 王光远，董明耀．结构优化设计[M]．北京：高等教育出版社，1987．
[44] 张炳华，候昶．土建结构优化设计(第二版)[M]．上海：同济大学出版社，1998．
[45] 陈立周．工程离散变量优化设计方法—原理与应用[M]．北京：机械工业出版社，1989．
[46] 汪树玉，刘国华，包志仁，等．结构优化设计的现状与进展[J]．基建优化，1999，20(4)：3-14．
[47] 黄冀卓．基于遗传算法的钢结构截面优化[D]．汕头：汕头大学，2003．
[48] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社，2001．
[49] Qi Xiao-feng. Theory analysis of evolution algorithms with an infinite population size in continuous space [J]. IEEE Trans Neural Network, 1994, 5(1) : 120-129.
[50] 杨晓华，陆桂花，杨志峰．结构最优设计问题的一种新方法[J]．河海大学学报，Vol．31，No．3，2003．5：351-354．
[51] CHEN Genshe, CHEN Xinhai. Application of Modified Genetic Algorithm to Computer Vision for Spacecraft Rendezvous [J]. Proceedings of international Conference on Modeling, Simulation and Control, 1993,3: 856-863.
[52] De Jong K. Learning with Genetic Algorithm: An Overview [J]. Machine Learning, 1988, 3 (2, 3): 121-138.
[53] Twardowski K E. Implementation of a Genetic Algorithm Based Associative Classifier System [J]. Proceedings of the 2nd international IEEE Conference on Tools for Artificial Intelligence, 1990: 48-54.
[54] 陈国良，王煦法，庄镇泉，等．遗传算法及其应用[M]．北京：人民邮电出版社，1999．
[55] 周明，孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社，1999．
[56] 李敏强，寇纪松．遗传算法的基本理论与应用[M]．北京：科学出版社，2002．
[57] 王小平，曹立明．遗传算法----理论、应用与软件实现[M]．西安：西安交通大学出版社．2002．
[58] [日]玄光南，程润伟．遗传算法与工程实现[M]．北京：科学出版社，2002．
[59] S.Rajeev, C.S., Krishnamoorthy, Discrete Optimization of Structures Using Genetic Algorithms [J]. Structural Engineering, ASCE, 118(5), 1992.
[60] Holland J H. Adaptation in natural and artificial systems [M]. Michigan: MIT Press, 1975.
[61] 陈长冰．VC与APDL的混合编程应用[J]．黄山学院学报，2005，17(3)：73-74．
[62] 刘洁，张和平，王丽娟．基于VC++的ANSYS参数化设计[J]．机电工程技术，2003，32(5)．
[63] Moody J,Darken C. Fast learning in networks of locally-turned processing units [J]. Neural Computation, 1989, (1): 281-294.
[64] Piggio T, Girosi F. A theory of networks for approximation and learning [J]. A I Memo, Artificial Intelligence Laboratory, Massachusetts Institute of Technology. Cambridge Mass, 1989, (1140).
[65] Monica Bianchini, et al. Learning without local minima in radial basis function networks [J]. IEEE Trans on Neural Network, 1995. 6930: 749-755.
[66] 高英杰，王海芳．MATLAB神经网络工具箱在系统辨识中的应用[J]．液压气动与密封，2001(5)，34-36．
[67] 李彦琴．RBF型神经网络预测控制在卫星姿态仿真系统中的应用技术研究与试验[D]．北京：北京化工大学，2003．
[68] 左国玉，刘文举，阮晓刚．基于遗传径向基神经网络的声音转换[J]．中文信息学报，2003，18(1)，78-83．
[69] 王阳萍，朱正平．MATLAB在RBF径向基神经网络仿真中的应用[J]．甘肃科技，2004，20(10)，54-56．
[70] 飞思科技产品研发中心．MATAB6.5辅助神经网络分析与设计[M]．北京：电子工业出版社，2003．
[71] 飞思科技产品研发中心．神经网络理论与MATAB7实现[M]．北京：电子工业出版社，2005．
[72] S.Haykin. Neural Networks: A Comprehensive Foundation [M]. Macmillan College Publishing Company, 1994.
[73] 唐小兵，沈成武，陈定方．神经网络与遗传算法结合在结构优化设计中的应用[J]．武汉：交通科技大学学报，Vol．23，No．5，1999．
[74] Hiroyuki SUGIMOTO, Jun-ichi ABE, Kohei FURUKAWA. Research on SVM as Support system of constraints approximation [J]. The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems Kunming, 2006: 1-8.
[75] Zhihong Qie, Furuta Hitoshi, Xinmiao Wu, et al, Application of improved PSO to optimization of hydraulic structure [J]. The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems Kunming, 2006: 237-242.
[76] 梁壳模拟实体的疑问，中华钢结构论坛(www.okok.org)ANSYS之结构分析版块．2003．6．
[77] 李宗利，何运林，于志秋．复合形法的改进及其在弧形闸门主框架优化中的应用[J]．水电站设计．1994，10(2)：38-42．
[78] 许世刚．计算机智能及其在水利水电工程中的应用[D]．江苏：河海大学，2001．
[79] 李松辉．基于APDL及遗传算法的水工结构优化方法及其应用[D]．河北：河北农业大学，2005．
[80] Elperin T. Monte_Carol Structural Optimization in Discrete Variables with Annealing Algorithm [J]. Int. J. Number. Method in Engeg, 26,815-821.
[81] 吴剑国，赵丽萍．工程结构优化的神经网络方法[J]．计算力学学报，1998，15(1)：69-74．
[82] 陈仲超，陆金桂，朱伯兴．遗传算法和神经网络的结构优化策略[J]．南京化工大学学报，1999．1：35-38．
[83] 李传军．C语言与MATLAB接口——编程与实例[M]．北京：北京邮电大学出版社，2004．
[84] 飞思科技产品研发中心．MATAB6.5应用接口编程[M]．北京：电子工业出版社，2003．
[85] 陈明．基于进化遗传算法的优化计算[J]．软件学报，1998，9(11)：876-879．
[86] Goldberg D E. Genetic Algorithm in Search, Optimization and Maching Learning [M]. MA, Addison-Wesley, 1989.
[87] Jenkins W M. Towards structural optimization via the genetic algorithm [J]. Computers & Structures. 1991, 40 (50) : 1321-1327.
[88] Goldberg D E, Korb B, Deb K. Messy Genetic Algorithm: Motivation, Analysis and First Result [J]. Complex System, 1989, (3): 493-530.
[89] Goldberg D E. Computer-aided Gas pipeline Operation Using Genetic Algorithms and Rule Leaning [D]. MI: University of Michigan, 1983.
[90] Robin Wardlaw. Mohd Sharif. Evaluation of genetic algorithms for option reservoir system operation [J]. Journal of water resources planning and management.1999, 1-2: 25-33.
[91] 文靳．遗传神经网络理论与应用探究[M]．成都：西安交通大学出版社，1996．
[92] 司昕．预测方法中的神经网络模型[J]．预测，1998，(2)：32-35．
[93] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993．
[94] Svinvas M, Patnaik L M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms [J]. IEEE Trans on SMC, 1994, 24(4): 656-667.
[2] 蔡正坤，路观平，翟尔仁，等．闸门与启闭机[M]．北京：水利水电出版社，1983．
[3] 马思伟．新型水力自控翻板闸门及其应用[J]．四川水利，2001(5)：26-27．
[4] 刘学杰．液压控制翻板闸门的研制[J]．山东水利，2002(3)：32．
[5] 水利电力部．水利水电工程钢闸门设计规范SDJ13-78(试行)[S]．北京：电力工业出版社，1978．
[6] 东北水利水电专科学校．水工金属结构[M]．北京：水利水电出版社，1989．
[7] 武汉水利电力大学，大连理工大学，河海大学．水工钢结构(第三版)[M]．北京：水利水电出版社，1995．
[8] 郑克红．高水头弧形钢闸门三维有限元分析[D]．南京：河海大学，2005．
[9] 蔡新，郭兴文，张旭明，等．工程结构优化设计[M]．北京：中国水利水电出版社，2003．10．
[10] 胡白香．闸门的优化设计[J]．灌排机械，1997(1)：28-31．
[11] 刘礼华，曾又林，段克让．表孔三支腿弧形闸门的优化分析和设计[J]．水利学报，1996(7)：9-15．
[12] 练继建，李火坤．基于SQP优化算法的露顶式弧形闸门主框架优化设计[J]．水利水电技术，2004，35(9)：63-66．
[13] 孙林松，王德信，许世刚．进化策略在重力坝优化设计中的应用[J]．海河大学学报，2000，28(4)：104-106．
[14] 谢能刚，邵韦循，孙林松，等．遗传算法在大型水工结构优化设计中的应用[J]．安徽工业大学学报，2002，18(2)：121-124．
[15] 王海亚，石自堂，王海波，等．遗传算法在宽缝重力坝优化设计中的应用[J]．水电能科学，2004．04．
[16] 李火坤，练继建．基于MATLAB遗传算法的弧形闸门主框架优化设计[J]．中国农村水利水电，2004．7：61-64．
[17] 侯石华．水力自动翻板闸门的稳定性分析与结构优化设计[D]．南京：河海大学，2004．
[18] 曲锋．水力自动翻板闸门的理论分析与实验研究[D]．南京：河海大学，2005．
[19] 吴持恭．水力学(下册)[M]．北京：高等教育出版社，1982．
[20] 清华大学水力学教研组．水力学[M]．北京：清华大学出版社，1981．6．
[21] 叶镇国．水力自控翻板闸门泄流水力关联理论[J]．湖南大学学报，1994，21(3)：98-105．
[22] 龙驭球．有限元法概论[M]．北京：人民教育出版社，1978．
[23] Weaver, William, Finite elements for structural analysis [M]. Prentice-Hall, 1984.
[24] Gallagher, Richard H. Finite elements for thin shells and curved members [J]. Wiley, 1976.
[25] 李文娟．弧形钢闸门三维有限元分析[D]．广西大学，2002．
[26] 石天鑫．弧形闸门支臂结构形式的研究[D]．南京：河海大学，2004．
[27] 孙刚．基于ANSYS平台的改进遗传算法在结构优化中的研究和探讨[D]．广西大学， 2005．
[28] 安徽省水利局勘测设计院．水工钢闸门设计[M]．北京：水利出版社，1980．
[29] 朱伯芳．有限单元法原理与应用(第二版)[M]．北京：中国水利出版社，1998．
[30] 博嘉科技．有限元分析软件—ANSYS融会与贯通[M]．北京：中国水利水电出版社，2002．
[31] 吴鹏，曾红，韩迈．基于ANSYS的二次开发技术的实现方法[J]．辽宁工学院学报，2004，24(5)．
[32] 李新坡，袁文忠．ANSYS结构计算二次开发技术研究及应用[J]．岩土工程技术 2004，18(2)．
[33] 王国强．实用工程数值模拟技术及其在ANSYS上的实现[M]．西安：西北工业大学出版社，1999．
[34] 龚曙光，谢桂兰．ANSYS操作命令与参数化编程[M]．北京：机械工业出版社，2004，4．
[35] 杨军，李峰．基于APDL语言模块的结构优化设计[J]．建筑技术开发，2003，30(4)．
[36] 安徽省水利局勘测设计院．水工钢闸门设计[M]．北京：水利电力出版社，1983．8．
[37] 水利部，电力工业部，东北勘测设计研究院．水利水电工程钢闸门设计规范(SL74-95)[S]．北京：中国水利水电出版社，1995．
[38] 陈大宏，王革，邹家祥．CAD技术在有限分析前处理中的应用[J]．北京科技大学学报，Vol．16，1994．11．
[39] 朱合华，缪圆冰，梁伟，等．组合结构有限元计算存在的问题和处理方法[J]．岩土力学，Vol．26，No．9，2005．9．
[40] 黄志望．改进遗传算法及其在结构工程优化中的应用研究[D]．北京：北京工业大学，2005．
[41] 严云．基于ANSYS参数化设计语言的结构优化设计[J]．华东交通大学学报，Vol．21，No．4，2004．8．
[42] 江爱川．结构优化设计[M]．北京：清华大学出版社，1986．
[43] 王光远，董明耀．结构优化设计[M]．北京：高等教育出版社，1987．
[44] 张炳华，候昶．土建结构优化设计(第二版)[M]．上海：同济大学出版社，1998．
[45] 陈立周．工程离散变量优化设计方法—原理与应用[M]．北京：机械工业出版社，1989．
[46] 汪树玉，刘国华，包志仁，等．结构优化设计的现状与进展[J]．基建优化，1999，20(4)：3-14．
[47] 黄冀卓．基于遗传算法的钢结构截面优化[D]．汕头：汕头大学，2003．
[48] 王凌．智能优化算法及其应用[M]．北京：清华大学出版社，2001．
[49] Qi Xiao-feng. Theory analysis of evolution algorithms with an infinite population size in continuous space [J]. IEEE Trans Neural Network, 1994, 5(1) : 120-129.
[50] 杨晓华，陆桂花，杨志峰．结构最优设计问题的一种新方法[J]．河海大学学报，Vol．31，No．3，2003．5：351-354．
[51] CHEN Genshe, CHEN Xinhai. Application of Modified Genetic Algorithm to Computer Vision for Spacecraft Rendezvous [J]. Proceedings of international Conference on Modeling, Simulation and Control, 1993,3: 856-863.
[52] De Jong K. Learning with Genetic Algorithm: An Overview [J]. Machine Learning, 1988, 3 (2, 3): 121-138.
[53] Twardowski K E. Implementation of a Genetic Algorithm Based Associative Classifier System [J]. Proceedings of the 2nd international IEEE Conference on Tools for Artificial Intelligence, 1990: 48-54.
[54] 陈国良，王煦法，庄镇泉，等．遗传算法及其应用[M]．北京：人民邮电出版社，1999．
[55] 周明，孙树栋．遗传算法原理及应用[M]．北京：国防工业出版社，1999．
[56] 李敏强，寇纪松．遗传算法的基本理论与应用[M]．北京：科学出版社，2002．
[57] 王小平，曹立明．遗传算法----理论、应用与软件实现[M]．西安：西安交通大学出版社．2002．
[58] [日]玄光南，程润伟．遗传算法与工程实现[M]．北京：科学出版社，2002．
[59] S.Rajeev, C.S., Krishnamoorthy, Discrete Optimization of Structures Using Genetic Algorithms [J]. Structural Engineering, ASCE, 118(5), 1992.
[60] Holland J H. Adaptation in natural and artificial systems [M]. Michigan: MIT Press, 1975.
[61] 陈长冰．VC与APDL的混合编程应用[J]．黄山学院学报，2005，17(3)：73-74．
[62] 刘洁，张和平，王丽娟．基于VC++的ANSYS参数化设计[J]．机电工程技术，2003，32(5)．
[63] Moody J,Darken C. Fast learning in networks of locally-turned processing units [J]. Neural Computation, 1989, (1): 281-294.
[64] Piggio T, Girosi F. A theory of networks for approximation and learning [J]. A I Memo, Artificial Intelligence Laboratory, Massachusetts Institute of Technology. Cambridge Mass, 1989, (1140).
[65] Monica Bianchini, et al. Learning without local minima in radial basis function networks [J]. IEEE Trans on Neural Network, 1995. 6930: 749-755.
[66] 高英杰，王海芳．MATLAB神经网络工具箱在系统辨识中的应用[J]．液压气动与密封，2001(5)，34-36．
[67] 李彦琴．RBF型神经网络预测控制在卫星姿态仿真系统中的应用技术研究与试验[D]．北京：北京化工大学，2003．
[68] 左国玉，刘文举，阮晓刚．基于遗传径向基神经网络的声音转换[J]．中文信息学报，2003，18(1)，78-83．
[69] 王阳萍，朱正平．MATLAB在RBF径向基神经网络仿真中的应用[J]．甘肃科技，2004，20(10)，54-56．
[70] 飞思科技产品研发中心．MATAB6.5辅助神经网络分析与设计[M]．北京：电子工业出版社，2003．
[71] 飞思科技产品研发中心．神经网络理论与MATAB7实现[M]．北京：电子工业出版社，2005．
[72] S.Haykin. Neural Networks: A Comprehensive Foundation [M]. Macmillan College Publishing Company, 1994.
[73] 唐小兵，沈成武，陈定方．神经网络与遗传算法结合在结构优化设计中的应用[J]．武汉：交通科技大学学报，Vol．23，No．5，1999．
[74] Hiroyuki SUGIMOTO, Jun-ichi ABE, Kohei FURUKAWA. Research on SVM as Support system of constraints approximation [J]. The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems Kunming, 2006: 1-8.
[75] Zhihong Qie, Furuta Hitoshi, Xinmiao Wu, et al, Application of improved PSO to optimization of hydraulic structure [J]. The Fourth China-Japan-Korea Joint Symposium on Optimization of Structural and Mechanical Systems Kunming, 2006: 237-242.
[76] 梁壳模拟实体的疑问，中华钢结构论坛(www.okok.org)ANSYS之结构分析版块．2003．6．
[77] 李宗利，何运林，于志秋．复合形法的改进及其在弧形闸门主框架优化中的应用[J]．水电站设计．1994，10(2)：38-42．
[78] 许世刚．计算机智能及其在水利水电工程中的应用[D]．江苏：河海大学，2001．
[79] 李松辉．基于APDL及遗传算法的水工结构优化方法及其应用[D]．河北：河北农业大学，2005．
[80] Elperin T. Monte_Carol Structural Optimization in Discrete Variables with Annealing Algorithm [J]. Int. J. Number. Method in Engeg, 26,815-821.
[81] 吴剑国，赵丽萍．工程结构优化的神经网络方法[J]．计算力学学报，1998，15(1)：69-74．
[82] 陈仲超，陆金桂，朱伯兴．遗传算法和神经网络的结构优化策略[J]．南京化工大学学报，1999．1：35-38．
[83] 李传军．C语言与MATLAB接口——编程与实例[M]．北京：北京邮电大学出版社，2004．
[84] 飞思科技产品研发中心．MATAB6.5应用接口编程[M]．北京：电子工业出版社，2003．
[85] 陈明．基于进化遗传算法的优化计算[J]．软件学报，1998，9(11)：876-879．
[86] Goldberg D E. Genetic Algorithm in Search, Optimization and Maching Learning [M]. MA, Addison-Wesley, 1989.
[87] Jenkins W M. Towards structural optimization via the genetic algorithm [J]. Computers & Structures. 1991, 40 (50) : 1321-1327.
[88] Goldberg D E, Korb B, Deb K. Messy Genetic Algorithm: Motivation, Analysis and First Result [J]. Complex System, 1989, (3): 493-530.
[89] Goldberg D E. Computer-aided Gas pipeline Operation Using Genetic Algorithms and Rule Leaning [D]. MI: University of Michigan, 1983.
[90] Robin Wardlaw. Mohd Sharif. Evaluation of genetic algorithms for option reservoir system operation [J]. Journal of water resources planning and management.1999, 1-2: 25-33.
[91] 文靳．遗传神经网络理论与应用探究[M]．成都：西安交通大学出版社，1996．
[92] 司昕．预测方法中的神经网络模型[J]．预测，1998，(2)：32-35．
[93] 张立明．人工神经网络的模型及其应用[M]．上海：复旦大学出版社，1993．
[94] Svinvas M, Patnaik L M. Adaptive Probabilities of Crossover and Mutation in Genetic Algorithms [J]. IEEE Trans on SMC, 1994, 24(4): 656-667.