ЗАПЪНАТА ГРЕДА
(Файл beam\beam-script.qsl)
Дефиниране на задачата

Променливи:
Височина - HEIGHT [5 50]
Широчина - BREDTH [20 250]
Цел 1: Минимално лице на сечението:
AREA = HEIGHT * BREDTH;
Цел 2: Минимално напрежение при огъване:
SIGMA-B = 6.0*FORCE*LENGTH/(BRDTH*HEIGHT*HEIGHT);
Ограничения
%напрежение при огъване: SIGMA-B <= 200
SIGMAB = 6.0*FORCE*LENGTH/(BRDTH*HEIGHT*HEIGHT);
%напречно напрежение: TAU <= 100
TAU = 1.5*FORCE/(BRDTH*HEIGHT);
%огъване: DEFLN <=5
DEFLN = 4.0*FORCE*LENGTH^3/(EE*BRDTH*HEIGHT^3);
%широчина към дължина: H-ON-B <= 10
HONB = HEIGHT/BRDTH;
%Натоварване за достигане на нестабилност (счупване): F-CRIT >=5000
FCRIT = (4.0*sqrt(GG*(BRDTH^3*HEIGHT+HEIGHT^3 *BRDTH)*EE*(BRDTH^3*HEIGHT)/(144.0*(1.0-NU*NU)))/(LENGTH*LENGTH));
Константи
LENGTH = 1500; FORCE = 5000; FACTOR = 2; EE = 216620;
GG = 86650; NU = 0.27; SIGMAY = 200
Демонстрация на решението
Отворете файл beam\beam-script.qsl. Примерът може да се повтори също използвайки файловете beam-exe.qsl и beam-spreadsheet.qsl, които съдържат различни начини за дефиниране на модела на гредата в QstatLab.
Постройте
контурна
диаграма
и
нанесете
граничните
линии за
зададените
ограничения


Използвайте бутона ‘Оптимизация’ за изпълнение на едноцелева оптимизация с тези ограничения

Използвайте едноцелева оптимизация за намиране на минимума на лицето на гредата, с последователност от Генетични алгоритми и градиентен метод (GAGrad.optseq)


Резултати от едноцелевата оптимизация с ограничения


Многоцелева
оптимизация.
Използвайте
бутона: ![]()



Допълнителна задача: постройте и сравнете регресионен полином и кригинг модел за 2 от ограниченията.
Кратки насоки:
1. Съставете план на експеримент и изчислете стойността на желаните функции в тези точки.
2. Заделете 5 от изчислените наблюдения в съседни колони и ги оставете за тестови точки
3. Създайте регресионен и кригинг модел по получните наблюдения
4. Проверете моделите върху тестовите точки.
Допълнителна задача 2: Използвайте beam_noise.qsl зада получите зашумени данни за AREA и DEFLN. Опитайте да приложите кригинг и регресия отново.
Виж също:
Упражнения по оптимизация, моделиране и робастно проектиране