基于GA遗传算法的拱桥静载试验车辆最优布载matlab仿真

news2024/9/20 10:46:43

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

5.完整程序

1.程序功能描述

基于GA遗传算法的拱桥静载试验车辆最优布载matlab仿真。主要是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。

2.测试软件版本以及运行结果展示

MATLAB2022A版本运行

工况1：

工况参数如下：

工况2：

工况参数如下：

工况3：

工况参数如下：

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

..............................................................
figure(2);
plot(Error,'b-o');
grid on
xlabel('迭代次数');
ylabel('适应度值');


% Xis{a} = [Xi];
% Dis{a} = [Di];
% Tis{a} = [Ti];
% Lis{a} = [Li];

[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;Lr37];
%              Lrs2= [Lrs2;Lr38];
%              Lrs3= [Lrs3;Lr39];
%              Lrs4= [Lrs4;Lr107];
%              Lrs5= [Lrs5;Lr108];
%              Lrs6= [Lrs6;Lr127];
%              Lrs7= [Lrs7;Lr128];
%              Lrs8= [Lrs8;Lr129];
%              Lrs9= [Lrs9;Lr136];
Lr37 = Lrs1(I);
Lr38 = Lrs2(I);
Lr39 = Lrs3(I);
Lr107 = Lrs4(I);
Lr108 = Lrs5(I);
Lr127 = Lrs6(I);
Lr128 = Lrs7(I);
Lr129 = Lrs8(I);
Lr136 = Lrs9(I);


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

% data37  = load('dat\37.txt');
% data38  = load('dat\38.txt');
% data39  = load('dat\39.txt');
% data106 = load('dat\106.txt');
% data107 = load('dat\107.txt');
% data108 = load('dat\108.txt');
% data127 = load('dat\127.txt');
% data128 = load('dat\128.txt');
% data129 = load('dat\129.txt');
% data136 = load('dat\136.txt');

DD1 = data106;
DD2 = data38;
DD3 = data39;
DD4 = data37;
DD5 = data107;
DD6 = data108;
DD7 = data127;
DD8 = data128;
DD9 = data129;
DD10 = data136;
DD11 = data136;
DD12 = data136;
DD13 = data136;
DD14 = data136;
DD15 = data136;
DD16 = data136;
DD17 = data136;
DD18 = data136;
DD19 = data136;
DD20 = data136;

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,Lr37,Lr38,Lr39,Lr107,Lr108,Lr127,Lr128,Lr129,Lr136]'
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：