优化和成本 / CO2 排放估算

本文阐述并解释了索的抗弯刚度对其内力的影响。 本文还介绍了如何减少这种影响的方法。

规范 [1] 中的 ASCE 7-22 部分。 12.9.1.6 规定了在进行抗震设计的模态反应谱分析时应考虑 P-delta 效应的情况。 在 NBC 2020 [2] 的 Sent. 4.1.8.3.8.c 仅给出了一个简短的要求，即考虑重力荷载与变形结构的相互作用引起的侧移效应。 在某些情况下，进行地震分析时必须考虑二阶效应，也称为 P-delta。

本文介绍了结构动力学的基本概念及其在结构抗震设计中的作用。 着重于以浅显易懂的方式对技术问题进行说明，以便即使没有太深技术基础的读者也可以快速深入地理解该主题。

• 人工智能技术(AI)： 粒子群优化算法 (PSO)
• 按照最小自重或变形对结构进行优化
• 可以使用任意数量的优化参数
• 指定可变范围
• 优化截面和材料
• 参数定义类型
• 优化 | 升序或优化 | 下降
• 参数化模型和块的应用
• 基于规范的 JavaScript 技术对块进行参数化设置
• 根据设计结果进行优化
• 表格显示最佳模型突变
• 实时显示优化过程中的模型突变
• 通过给定的单价建模成本估算
• 通过估算 CO₂当量实现模型时，确定全球升温潜能值 GWP
• 可以指定重量、体积和面积的单位（价格和 CO₂ e）

您知道吗？ 在 RFEM 和 RSTAB 中的结构优化是参数化输入的补充。 这是一个并行的过程，与实际的模型计算以及所有的常规计算和设计定义并行。 该模块假设您的模型或块是在参数化环境下建立的，并且整体受“优化”类型的全局控制参数控制。 因此这些控制参数有一个下限、一个上限，以及一个优化范围的步长。 如果要为控制参数找到最优值，则必须在选择优化方法（例如粒子群优化）时指定优化准则（例如最小重量）。

在材料定义中已经可以找到成本和CO₂排放量的估算信息。 您可以在每个材料定义中单独激活这两个选项。 该估算基于杆件、面和实体的单位成本或单位排放。 表格中的单位是重量、体积还是面积。

有两种方法可以用于优化过程，一种是根据重量或变形准则找到最优参数值。

计算时间最短的最有效方法是近自然粒子群优化方法（PSO）。 您听说过或读到过吗？ 这种人工智能 (AI) 技术的应用很好地模拟了成群的动物在寻找落脚点。 在这样的群中，您会发现许多喜欢待在一个团中并跟着大团移动的个人（参见优化解决方案 - 例如重量）。 假设每个群成员都需要在最佳位置停留（参见最佳解决方案-例如最低重量）。 随着越接近停止位置，位移的需求越大。 因此，空间的属性也会影响空间群的行为（参见结果图）。

为什么来这里探索生物？ 非常简单 - RFEM 或 RSTAB 中的 PSO 过程以类似的方式进行。 程序开始时会随机分配需要优化的参数，得到一个优化结果。 它会根据以前进行的模型突变的经验，通过改变参数值反复确定新的优化结果。 该过程一直持续到达到指定的数量的可能的模型突变。

作为这种方法的替代方法，程序还为您提供了一种批处理方法。 该方法会尝试通过随机指定优化参数值来检查所有可能的模型突变，直到达到预先设定的数量。

在计算模型突变后，两种变体还会检查相应模块激活的设计结果。 此外，如果利用率<1，他们还会保存变量以及相应的优化结果和优化参数的赋值。

您可以由各种材料的总成本和排放量确定估算的总成本和排放量。 材料总数由杆件、面和实体单元的重量、体积和面积的部分材料组合得出。