第1章绪论
1.1课题研究的背景及意义
随着我国经济的不断发展,钢材的产量不断增加,钢材的规格及种类逐步健全,钢结构已经逐步成为主要的建筑结构形式之一。钢结构以钢材制作为主，与传统砌体结构和混凝土结构相比具有“轻质高强”的突出优点，相同的建筑设计方案，使用钢结构可以使得结构整体自重显著下降，结构的安全性和承载力显著提高；相同自重的建筑材料，钢结构建筑物比砌体结构和混凝土结构具有更大的使用空间；施工速度快，整体性能好，装配化程度高，可以大大缩短施工工期，钢结构在施工便利程度和施工效率方面较其他结构具有显著优势；具有较好的塑性和延性，显著降低了结构发生脆性破坏的可能性，且材料匀质性和各向同性较好，属理想弹性体，最符合一般工程力学的基本假定；而在砌体结构与混凝土结构中，其结构构件使用了大量的脆性材料，结构在外部因素作用下发生脆性破坏的可能性增大。在众多钢结构建筑中，钢框架结构体系应用最为广泛，不仅可用于民用多高层建筑结构，还可应用于多层工业建筑结构，成为目前主要采用的结构体系之一，随着社会的发展、技术的进步，钢框架结构在未来建筑发展中会越来越迅速。我国建设部发布《国家建筑钢结构产业“十五”计划和2015年发展规划纲要》明确提出在建筑工程中要大力推广钢结构的应用，而现行钢结构设计方法较为繁琐，设计理论和实际应用还不够成熟，没有得到广泛的应用，因此对钢结构体系领域的研究应用与实际成效还有待提高。
.........
1.2钢框架结构国内外的发展现状
国外钢结构的发展领先于中国。早在1872年，欧洲索尔尼工厂大楼建成，为世界第一座钢框架房屋，欧洲在其特定社会背景下,它的钢结构住宅建筑的发展领先一步。欧洲[1]国家的钢框架结构一般为4-5层，装配化程度高，在钢结构体系中的比例较高。二战后，英国与欧洲其它国家采用了工业化的装配方式建设大量住宅,并逐渐形成了一批完整的、标准化的、系列化的建筑体系,这些为钢结构住宅建筑的发展奠定了基础。英国伦敦[2]上世纪六十年代建造了一座三层钢框架结构住宅,主要承重构件梁和柱都是工字钢;瑞典[3]于上世纪六十年代初在首都斯得哥尔摩建造的朗茨克鲁纳单户房屋是较早的框架钢结构住宅；意大利[4-5]BsAIs工业化建筑体系适用建造多层钢框架结构,它具有造型新颖、结构受力合理、抗震性能好、施工速度快、居住办公舒适方便,在欧洲、非洲、中东等地区大量推广应用；美国[6-8]是最早采用钢结构住宅的国家，其中大多数采用的是钢框架结构住宅体系，它的发展也非常迅速,1965年钢结构住宅在美国仅占建筑市场15%;1990年就上升到53%,而1993年则已上升到68%,到2000年己经上升到75%；近几年来,日本[9]的钢结构住宅发展很快,年竣工量占住宅建筑总面积的25%，每年用于住宅建筑的钢材数量还在不断增加。
...........
第2章钢框架结构优化设计方法研究
2.1钢框架结构的优化算法简介
钢框架结构的安全使用与极限承载力要求在优化计算中的具体体现为材料的应力低于屈服极限、挠度小于允许值。以上限制条件是优化过程所必须满足的限制条件，它们共同规定了优化设计的可行性区间，在优化计算过程中应先于优化目标得到满足。作为优化目标的总用钢铁量，其与优化变量之间具有明确的数量关系。而目标函数、约束条件、优化变量之间数量关系较为复杂，三者之间关系的数学表达式无法直接获得，无法通过数乘法等传统方法求得目标函数的极值和最优解，而需要通过其他优化算法求得满足精度要求的最优解问题。近年来，优化算法随着计算机设备性能的快速发展而得到较大的发展。优化算法与现代计算机技术的结合使得包括结构优化设计在内的诸多领域中原本难以解决的问题逐渐得到了解决[28]。同时，也使得对于复杂目标函数与复杂约束条件下多变量优化与多目标优化问题的研究具备了有力的研究工具。目前发展较快应用较广的优化算法主要有：禁忌算法（Tuba Search，TS）、模拟退火算法（Simulated Annealing，SA）、遗传算法（Genetic Algorithm）、拓扑优化（Topology Optimization）方法和神经网络算法（Neural Networks）等。禁忌搜索算法的思想最早于1986年由Glover[29]提出。其主要思路为首先在约束条件构成的可行区域内取得一个可行解，并在该可行解附近取得新的多个可行解。取其中最优者作为当前最优解，并在该最优解附近可行区域内再次寻找新的可行解并不断重复以上所述步骤。该算法对已完成搜索区域进行标记并建立禁忌数据库从而避免重复搜索。
........
2.2神经网络算法研究
人工神经网络仿照生物神经网络的结构和行为机制构造人工神经元和神经网络，并最终构成完整的人工神经网络系统。对于单个具体的人工神经网络中的神经元，其接收来自多个神经元的信息进过处理后生成新的信息，并在满足预先设定的检验条件下以单向信息传递方式将新产生的信息传递到其他神经元。向同一神经元传递信息的多个其他神经元所传递的信息对于该神经元所产生的新的信息的影响程度可以具有不同的权重。各神经元对新产生的信息的阈值条件也可依据优化的具体需要而有所差异。人工神经元对于其他神经元所传递的信息的处理函数也可由用户依据研究需要而设定。如图2-4所示为人工神经元模型示意图[40]。人工神经元模仿了生物神经元基本信息处理功能。但单个人工神经元仍无法满足完成复杂的优化问题的功能需要，对于生物神经网络和人工神经网络，只有一定数量的神经元相互之间按照一定结构关系连接成神经网络才有可能完成对现有信息灵敏和准确的反应，单个人工神经元所具备的功能为结构优化计算的人工神经网络的形成提供了基础。
...........
第3章钢框架结构优化设计实例分析....16
3.1作为优化目标的框架结构的选取.........16
3.2荷载计算与初始设计方案的校核..........18
3.3节点半刚性连接的力学简化...........23
3.4优化变量选取与优化计算流程......28
3.4.1优化变量的选取......28
3.4.2优化计算流程..........30
3.5优化模块介绍....33
3.6有限元分析模型的建立..........34
3.7有限元结果分析........43
3.8ANSYS局部优化计算的敏感度与拟合曲线分析.......50
3.9不同刚度配置下的优化结果分析..........53
3.10神经网络数据训练设置.........55
3.11数据训练与优化结果分析.....56
3.12本章小结..........64
第4章总结与展望..........65
4.1对本文工作的总结..........65
4.2对未来工作的展望..........66
第3章钢框架结构优化设计分析实例
3.1作为优化目标的框架结构的选取
选择四层钢框架结构作为优化设计的研究对象。该结构正立面方向具有五跨，每跨跨度为9m，侧立面方向具有三跨，每跨跨度为6m，设计层高3.9m。侧立面次梁与次梁之间的间距为3m。在沿结构侧立面方向的第二跨内设置斜向支撑。沿着正立面方向的主梁与柱之间采用半刚性连接，其他方向的主梁与柱之间采用铰接，次梁与主梁之间采用刚接。支撑与主梁连接端采用刚性连接，支撑与柱连接端采用铰接。结构平面图与立面图在图3-1至3-3图中展示。在图3-1中，轴线与x方向平行的主梁与柱采用半刚性连接并使用符号@表示，轴线与y方向平行的主梁与柱采用半刚性连接并使用符号0表示。该结构中，各构件均采用H型钢截面，所用钢材均为Q345。结构屋面与楼板部分均采用钢-混凝土组合构件，其中所使用的压型钢板型号为YX-75-230-690（I）。现场浇筑混凝土厚70mm，各部件之间采用完全抗剪连接。选取适当的荷载值与场地类型与初始构件截面尺寸对所选取的半刚性钢框架结构进行承载力极限状态验算。如表3-1所示为各不同构件型号及尺寸。
...........
总结
本文在广泛调研有关于半刚性节点钢框架结构特点的基础上，应用神经网络的优化算法结合有限元分析软件，以四层钢框架结构整体为研究对象，考虑了构件之间的相互作用，这本身就增加了研究的难度，最后得到了很好的经济效果，充分说明此方法的可行性，为今后优化设计工作提供了很好的借鉴。结合传统设计方法对计算结果进行分析，对文中所使用的优化方案的设置及其所得结果进行评价，得出以下重要结论：
（1）本文采用神经网络算法，计算结果表明神经网络算法可以高效、准确的完成整体钢框架结构的优化设计研究工作。其所提供的丰富而灵活的最优解搜寻策略和其本身易于调整的算法结构，使得神经网络算法对半刚性节点整体钢框架的优化设计非常适用。
（2）依据本文研究需求和各类半刚性节点力学简化模型的特点，合理选择线性模型作为半刚性节点的简化模型。计算和优化结果表明，线性简化模型可有效提高在满足应力和挠度约束条件的前提下所进行的优化计算，其计算精度可较好的反应半刚性节点对结构整体性能的影响，由该模型所做简化而产生的误差没有在本文所研究的问题中占据主导地位。
（3）运用 ANSYS Workbench 平台中结构分析模块与优化设计模块工作的基本原理及其功能特点，参数化建模、静态结构分析、约束条件下的优化设计计算，为进一步搜寻全局最优解提供数据来源。
（4）充分利用了 MATLAB 中神经网络工具箱的使用方法，并比较不同算法的特点，依据本文所研究课题的研究需要选择适当的优化算法，选择适当的参与训练、验证和测试环节的数据量，优化计算得到不同方案中满足应力与挠度约束条件的最优化解。
.........
参考文献(略)