matlab機(jī)械優(yōu)化設(shè)計培訓(xùn)資料-全文預(yù)覽
【正文】 h h? ??最大彎曲應(yīng)力 m a x4502 fMhI t h? ??翼板中的屈曲臨界穩(wěn)定應(yīng)力 2222 ( ) 4 7012( 1 )fkftE tb???? ? ??最大撓度 47100125 10 ()384 fqlf l q qbEI Et h?? ? ?蓋板單位長度的質(zhì)量 (120 )fW t h???為材料密度 ?二、數(shù)學(xué)模型 設(shè)計變量： ? ?12, TT fX x x t h???? ??目標(biāo)函數(shù)： 12( ) 120F X x x??單位長度允許撓度 0[]400lf ?約束條件： 按照強(qiáng)度，剛度和穩(wěn)定性要求建立如下的約束條件。mycon239。VUB=[5 10]。%沒有非線性等式約束，要設(shè)置 ceq為空矩陣。) 3. 運算結(jié)果為 ： x = fval = 例 3 ? ?? ?? ?100 ,50 07 025 ..2min 21222122221121???????????????xxxxXgxxXgtsxxXf1．先建立 M文件 : function f=fun(x)。 [x,fval]=fmincon(39。 Aeq=[1 1]。 3．主程序為 : x0=[1。,x0,A,b,Aeq,beq,VLB,VUB) 運算結(jié)果為： x = fval = 1． 先建立 M文件 ,定義目標(biāo)函數(shù) : function f=fun4(x)。0]。5]。1]。在每一步迭代中求解二次規(guī)劃子問題，并用 BFGS法更新拉格朗日 Hessian矩陣。 注意： [1] fmincon函數(shù)提供了大型優(yōu)化算法和中型優(yōu)化算法。 [x,fval,exitflag,output] = fmincon(...) 返回包含優(yōu)化信息的輸出參數(shù) output。 x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon,options,P1,P2,...) 將問題參數(shù) P1, P2等直接傳遞給函數(shù) fun和 nonlin。 x = fmincon(fun,x0,A,b,Aeq,beq,lb,ub,nonlcon) 在上面的基礎(chǔ)上，在 nonlcon參數(shù)中提供非線性不等式 c(x)或等式 ceq(x)。 x = fmincon(fun,x0,A,b,Aeq,beq) 最小化 fun函數(shù)，約束條件為 Aeq*x = beq 和 A*x = b。 fmincon函數(shù) 數(shù)學(xué)模型 ： m i n ( )( ) 0( ) 0xfxcxc e q xA X bAe q X be ql b X ub????????其中， x, b, beq, lb,和 ub為向量， A 和 Aeq 為矩陣， c(x) 和 ceq(x)為函數(shù)，返回標(biāo)量。 參數(shù) ： 各參數(shù)的意義同 fminunc。 x = fminsearch(fun,x0,options,P1,P2,...) 將問題參數(shù) p p2等直接輸給目標(biāo)函數(shù) fun，將 options參數(shù)設(shè)置為空矩陣，作為 options參數(shù)的缺省值。該函數(shù)常用于無約束非線性最優(yōu)化問題。 fminunc函數(shù)有時會給出局部最優(yōu)解。 2．使用大型方法時，必須通過將 39。mediumscale: QuasiNewton line search39。tolx39。maxiter39。display39。 l – 一階優(yōu)化的度量：解 x處梯度的范數(shù)。 l – 所采用的算法。 exitflag 描述退出條件 : l 0 表示目標(biāo)函數(shù)收斂于解 x處。 只用于中型算法的參數(shù)： l DerivativeCheck – 對用戶提供的導(dǎo)數(shù)和有限差分求出的導(dǎo)數(shù)進(jìn)行對比。 l PrecondBandWidth – PCG前處理的上帶寬，缺省時為零。若不方便求 fun函數(shù)的稀疏 Hessian矩陣H，可以通過用梯度的有限差分獲得的 H的稀疏結(jié)構(gòu)（如非零值的位置等）來得到近似的 Hessian矩陣 H。 l TolFun – 函數(shù)值的終止容限。 l GradObj – 用戶定義的目標(biāo)函數(shù)的梯度。顯示每一步迭代過程的輸出；選擇 39。選擇 39。off39。對于fminunc函數(shù)來說，必須提供梯度信息?？梢酝ㄟ^ optimset函數(shù)設(shè)置或改變這些參數(shù)。若 fun=39。 [x,fval,exitflag,output,grad,hessian] = fminunc(...)將解 x處目標(biāo)函數(shù)的 Hessian矩陣信息返回到 hessian參數(shù)中。 [x,fval] = fminunc(...)將解 x處目標(biāo)函數(shù)的值返回到 fval參數(shù)中。 m i n ( )x fx語法格式及描述 x = fminunc(fun,x0)給定初值 x0，求 fun函數(shù)的局部極小點 x。 首先編寫 M文件 : function f = myfun(x) f = (32*x).^2 * x。此時， fmincon函數(shù)的計算速度更快，計算精度更高。其算法基于黃金分割法和二次插值法。 output 該參數(shù)包含下列優(yōu)化信息： l – 迭代次數(shù)。 l TolX – x處的終止容限。final39。off39。 options 優(yōu)化參數(shù)選項。若 fun=39?？梢詫?fun函數(shù)指定為命令行，如 x = fminbnd(inline(39。 [x,fval,exitflag] = fminbnd(...)返回 exitflag值描述 fminbnd函數(shù)的退出條件。 x = fminbnd(fun,x1,x2,options)用 options參數(shù)指定的優(yōu)化參數(shù)進(jìn)行最小化。Matlab 機(jī)械優(yōu)化設(shè)計 中國石油大學(xué) 課件 167。 x = fminbnd(fun,x1,x2)返回區(qū)間 {x1， x2}上 fun參數(shù)描述的標(biāo)量函數(shù)的最小值 x。 [x,fval] = fminbnd(...)返回解 x處目標(biāo)函數(shù)的值。 fun函數(shù)需要輸入標(biāo)量參數(shù) x，返回 x處的目標(biāo)函數(shù)標(biāo)量值 f。對應(yīng)的函數(shù)可以是 M文件、內(nèi)部函數(shù)或 MEX文件。 function f = myfun(x) f = ... %計算 x處的函數(shù)值。選擇 39。顯示每一步迭代過程的輸出；選擇 39。 l MaxIter – 最大允許迭代次數(shù)。 l 0 表示目標(biāo)函數(shù)不收斂。 算法
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1