基于Kriging代理模型及改进PSO的变模温注塑成型翘曲变形优化

为提升变模温注塑成型的产品质量,提高优化效率,将翘曲变形作为优化目标,模具温度、保压压力、熔体温度、保压时间、冷却时间等工艺参数作为变量因素,采用Moldflow模拟变量因素对优化目标的影响,通过最优拉丁超立方试验设计选出试验样本,建立Kriging代理模型,并且,检测代理模型拟合精度。采用改进PSO算法,得到最优翘曲模型预测值及最佳工艺参数组合。对比改进后的PSO与标准PSO,平均迭代次数、迭代时间约降低了45%,最优适应度、平均适应度、最差适应度、局部最优解及未实现收敛等参数均得到提升。通过实验验证可知,与优化前翘曲值(1.293 mm)相比,优化后翘曲值(0.7512 mm)降低了41.9%,误差为4.84%。结果表明,基于Kriging代理模型及改进PSO能有效地优化变模温成型工艺,降低了翘曲变形量,对于生产应用有指导意义。

基于kriging代理模型的电弧炉温度预测

为快速预测双电极电弧炉在不同电极高度、间距、电压下的温度,基于电弧炉理论建立仿真模型,获得输入样本与响应之间的大量仿真数据。在此基础上,以确定性系数R2为主要评价指标,应用Kriging、Rbf、Svm代理模型进行拟合预测,得出Kriging代理模型的预测精度最高,通过加点优化得到精度更高的kriging代理模型。

基于Kriging代理模型的无刷双馈发电机转子优化设计

无刷双馈发电机由于其自身没有电刷、滑环等结构特点,因此被认为是最有希望成为风力发电系统的主流发电机之一。无刷双馈发电机是依靠转子的磁场调制机理实现机电能量转换,其转子的耦合能力是影响电机性能的重要因素。因此本文提出了一种串联笼条辅助磁障转子的新型转子结构,分析了该种转子不同结构参数对电机性能的影响,并提出一种基于Kriging代理模型的多目标差分进化算法的无刷双馈发电机转子优化设计方法。首先建立该种新型转子的参数化模型,通过Kriging代理模型建立优化变量与优化目标之间的响应关系,再利用多目标差分进化算法找到最优的变量组合,最后通过有限元仿真对电机的性能进行分析。

基于混合加点Kriging代理模型的高速列车头型气动多目标优化

在高速列车多目标气动优化设计中,结合传统加点准则建立的代理模型在初始抽样样本点较少时寻优效率较低.为提高优化效率,本文融合改善期望加点准则(EIC)及Pareto前沿解加点准则(PIC),提出混合加点准则(HIC)方法,并基于HIC方法建立Kriging代理模型,以高速列车头车气动阻力、尾车气动阻力及尾车气动升力最小为优化目标,开展高速列车头型多目标气动优化研究;并以Branin单目标测试函数和Poloni多目标测试函数为例,对比分析EIC、PIC和HIC 3种代理模型的收敛速度.结果表明:单目标优化中,相比于EIC和HIC代理模型,HIC代理模型的寻优效率提高50.0%;多目标优化中,与PIC代理模型相比,HIC代理模型的效率提高62.5%;采用HIC代理模型开展头型多目标气动优化得到的最优解模型与原始模型相比,高速列车头车气动阻力、尾车气动阻力和尾车气动升力分别降低1.6%、1.7%和3.0%;最优解模型的鼻尖高度、车钩区域高度及司机室视窗高度都有所降低,2条横向轮廓线内缩.

基于CoKriging代理模型的涡流无损检测模型辅助探测概率问题的研究

无损检测模型辅助探测概率问题的研究需要大量仿真数据,而高精度的物理模型计算模型响应需要大量时间,往往是无法实现的。代理模型是一种高效的数学模型,可以替代费时复杂的物理模型,广泛应用于设计优化问题。CoKriging模型可以融合高精度和低精度的数据,融合了大量计算成本低的低精度数据和少量计算成本高的高精度数据,提高了建模效率,是一种非常有应用潜力的代理模型。文中将CoKriging模型应用于涡流无损检测模型辅助探测概率的研究,在有限截面线圈探测金属平板表面槽缺陷算例中,利用物理模型计算部分训练点,构建CoKriging模型,精度验证通过后的CoKriging模型可以代替物理模型进行MAPoD分析,通过对比物理模型计算的MAPoD关键参数验证CoKriging模型的精度和效率。结果表明,相较于Kriging模型,CoKriging模型只需要更少的样本点训练模型就可以达到求解精度的要求,其构建元模型所需时间仅为Kriging元模型所需的7%,提高了涡流无损检测模型辅助探测概率研究的效率。

基于Kriging代理模型方法的含风电场电力系统暂态稳定不确定性分析

在电网规划过程中,为了研究风电场并网运行电力系统的暂态稳定不确定性,采用Kriging代理模型来模拟电力系统。将基于概率权重矩的三阶多项式正态变换法预测得到的相关性随机风速作为随机输入,进行系统暂态时域仿真得到随机响应,建立系统Kriging代理模型,将随机输入和随机响应之间的复杂隐式函数简单显示化,与蒙特卡洛法相比相同仿真次数用Kriging代理模型可更快速地得到系统响应的统计信息。IEEE 39节点算例验证了Kriging代理模型对模拟系统的有效性、准确性、高效性。云南电网实际系统算例验证了Kriging代理模型对真实电力系统的实用性,同时表明风速的随机性会引起系统响应不确定性,对系统安全稳定运行产生一定影响。

基于Kriging代理模型的船舶水动力性能多目标快速协同优化

引入Kriging代理模型,对船舶兴波阻力、垂荡和纵摇运动幅值进行了多目标快速优化.优化过程中,以Rankine源非线性势流理论和三维频域面元法为基础,利用非支配排序遗传算法(NSGA-Ⅱ)并结合船体曲面修改函数对船体型线进行多目标优化设计,将高精度Kriging代理模型引入到优化进程中以解决迭代造成的耗时难题.数值分析结果表明:该优化方法能够使船型最优,在设计吃水、服务航速下有效减少航行阻力并提高耐波性能,且Kriging代理模型方法可以大幅提高船型优化效率.最后,基于雷诺平均(RANS)方程的计算流体动力学(CFD)方法对模型尺度λ为31.599的最优船型的阻力结果进行了对比验证,以证明优化结果的可靠性.

连续体结构裂纹识别的Kriging代理模型求解策略

提出了一种基于代理模型的裂纹识别方法,利用初始样本构造Kriging代理模型,建立裂纹模型参数与结构响应的关系,来代替结构的原有结构参数与动力响应关系,最大程度地减少了反演优化迭代过程中反复网格剖分和冗繁的有限元计算次数。使用最优设计加点准则进行代理模型修正,以改进初始代理模型的准确性。为了识别连续体结构上的裂纹模型参数,采用随机粒子群优化方法搜索代理模型多极值域下的全局最优解。数值算例对具有裂纹的悬臂梁和板结构进行了裂纹识别。结果表明,该方法能有效地识别裂纹参数,并且具有良好的抗噪性能。此外,讨论了初始样本数量对裂纹识别效率及识别结果的影响。

基于Kriging代理模型的水下目标模型几何参数识别方法

[目的]水下目标参数识别可为目标分类识别提供依据,为此,提出一种基于Kriging代理模型的水下目标参数识别方法。[方法]首先,对敷设声学覆盖层的水下目标模型在螺旋桨和主辅机激励情况下的结构表面低频振动声辐射与声辐射灵敏度进行分析;然后,基于分析结果建立低频声辐射功率代理模型,并基于该代理模型构造由低频声辐射响应特征和目标参数组成的样本空间;最后,基于所构建的样本空间,建立目标参数识别代理模型并选取测试点进行模型验证。[结果]结果显示,测试样本的实际目标参数值与所构建代理模型的目标参数预测值吻合良好;利用有限元法和边界元方法可以实现考虑阻尼材料频变特性的黏弹性阻尼结构的低频声辐射分析,并能解决商业软件无法大批量处理振动结果文件的问题;影响水下目标模型低频振动声辐射的主要目标参数为目标长度、最大半径、基层壳厚度和声学覆盖层厚度。[结论]基于Kriging代理模型的水下目标参数识别方法可以通过声辐射线谱特征准确预测水下目标模型的主要目标参数值。

Kriging代理模型在对地观测卫星系统优化中的应用

结构优化是对地观测卫星系统(Earth observation satellite system,EOSS)性能提高的关键,但其覆盖性能难以解析计算.为实现EOSS优化,提出了仿真优化的求解思路:构建Kriging代理模型对仿真数据进行拟合,采用代理模型最优和最大化期望提高相结合的机制选择更新点,并定义单位距离的函数改进对更新点进行过滤;提出了改进广义模式搜索算法求解代理模型,搜索步采用遗传算法和序列二次规划算法实现,筛选步采用不完全动态筛选.最后,通过仿真实例和对比实验验证了本文方法的有效性.

基于自适应多保真度Co-Kriging代理模型的地下水污染源反演识别

为高效率高精度地进行地下水污染源反演识别,综合运用高保真度和低保真度地下水溶质运移数值模拟模型,研究应用集成差分进化算法的Co-Kriging方法建立模拟模型的多保真度代理模型;在此基础上,探索应用马尔科夫链蒙特卡洛(MCMC)-DREAM_((D))算法,并采用自适应更新多保真度代理模型策略进行地下水污染源反演识别.为验证上述方法的有效性和可行性,开展了数值算例研究.结果表明:相比仅基于高保真度模型输入-输出样本构建的Kriging代理模型,联合运用高保真度和低保真度模型输入-输出样本构建的Co-Kriging代理模型对模拟模型的逼近精度更高;耦合多保真度Co-Kriging代理模型和MCMC-DREAM_((D))算法能够得到较高精度的污染源反演结果,且能够大幅度减小计算负荷;同时,采用自适应更新多保真度代理模型策略能够进一步提高污染源反演识别精度.

基于Kriging代理模型的高速列车悬挂参数的区间优化

针对高速列车悬挂设计参数难以选定的问题,提出一种基于Kriging代理模型的高速列车悬挂参数区间优化的方法.采用拉丁超立方试验设计方法确定仿真数据样本得到动力学仿真数据,利用偏最小二乘方法确定影响脱轨系数的主要悬挂参数,进而建立基于设计参数与仿真数据Kriging代理模型,以此模型实现悬挂参数区间优化.最后以CRH某型动车组悬挂参数为例进行了验证性优化分析,结果表明该方法正确可行.

基于Kriging代理模型的结构损伤识别新方法

提出一种基于Kriging代理模型的损伤识别方法。利用初始样本建立结构响应与结构损伤参数之间的关系,代替原结构响应与结构物理参数之间的关系,有效减少损伤识别过程中反复调用有限元软件对结构进行网格划分和有限元计算的次数,提高了识别效率。采用加点准则对代理模型进行修正,保证代理模型可以准确反映结构响应与结构损伤参数之间的关系。通过一个管梁结构的数值算例验证了所提方法的有效性。最后,将该方法应用于某导弹发射台模型的损伤识别中,实验结果表明,该方法可应用于工程实际。

基于Kriging代理模型的铅铋反应堆智能优化方法

铅铋反应堆广泛应用的需求要求研究人员在现有堆芯方案的基础上开展大量优化设计工作。针对铅铋反应堆多物理、多变量、多约束耦合影响的多维非线性约束优化设计问题,基于Kriging代理模型、正交拉丁超立方抽样和SEUMRE空间搜索技术构建铅铋反应堆智能优化方法,耦合物理蒙卡计算/热工分析程序,开发包含抽样、耦合程序前后处理、反应堆优化分析功能的优化平台,并以铅铋反应堆SPALLER-4,URANUS为原型分别开展最小燃料装载量的方案寻优与参数优化验证。验证结果表明,该智能优化方法用于铅铋反应堆设计方案寻优和堆芯参数优化可行、有效,相比传统蒙卡程序计算寻优,在保证预测精度前提下极大地降低了计算成本,与URANUS初始模型比较,燃料装载量、堆芯总质量、活性区体积、堆芯总体积分别优化10.8%,11.5%,18.1%,17.1%,为基于代理模型的智能优化方法应用于铅铋反应堆的优化设计提供参考。

基于Kriging代理模型的PX氧化过程优化

基于流程仿真模型的复杂化工过程优化,往往需要较长的优化时间,效率低下,因此提出了用拉丁超立方采样和Kriging建模法构造流程仿真模型的代理模型,建立基于Kriging代理模型的多目标优化策略。将该策略应用于PX氧化反应过程优化,结果表明:所建立的Kriging代理模型的3个目标的输出精度都控制在1%以内,建模精度高。采用改进的多目标粒子群算法对此Kriging代理模型进行优化,不但能收敛到全局最优解,而且与PX流程仿真模型优化相比,优化时间大大减少,提高了优化效率。因此,在满足精度要求的前提下,Kriging代理模型可以代替PX流程仿真模型来进行优化,并具有较高的优化效率。

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。

基于Kriging代理模型的连梁金属阻尼器性能研究与参数优化设计

连梁阻尼器是剪力墙连梁结构中主要的耗能部件,其构造形式直接影响剪力墙的性能。本文从连梁阻尼器的几何特征入手,在用料相同的前提下,对四种典型开孔形式金属平面内屈服连梁阻尼器进行耗能性能对比研究,引入Kriging代理模型,构造出不同开孔尺寸与滞回耗能的关系。然后,分别对四种开孔形式的连梁阻尼器几何参数进行进一步优化,以获得最优构型。为简化优化迭代过程中反复的多步加载非线性求解计算,在优化过程中以Kriging代理模型作为反演优化平台,代替原有的几何参数与滞回耗能关系,并采用最大期望提高加点方法,不断提高代理模型在最优解附近的精度,在提高代理模型的代理精度同时,也提高了优化设计效率。所提算法为寻求一种形式简单、性能优越的金属平面内屈服连梁阻尼器提供了新的解决框架。

基于Kriging代理模型的磁控电弧传感器参数优化方法

为提高磁控电弧焊缝自动跟踪系统的稳定性与跟踪精度,引入拉丁超立方取样试验设计方法和Kriging代理模型技术,建立磁控电弧传感器的参数(励磁频率、励磁电流、磁极间隙、线圈匝数)预测模型;分析磁控电弧传感器的主要参数对焊缝跟踪信号的影响规律及其在焊接过程中的稳定性;选取传感器参数的优化设计点,试验验证磁控电弧传感器参数优化的可靠性.结果表明,优化后的焊缝跟踪传感信号波形明显,且干扰少,由于提高了信号的信噪比,从根本上提高了焊缝跟踪的准确性和稳定性.

基于Kriging代理模型的拉杆组合转子强度可靠性研究

针对燃气轮机拉杆组合转子可靠性分析的复杂性,研究了基于Kriging代理模型的强度可靠性分析方法。通过拉丁超立方抽样法对代理响应曲面进行采样,得到了拉杆组合转子透平端各零件的应力分布特性;建立拉杆组合转子系统的强度可靠性数学模型,分别从零件与系统的角度研究了拉杆组合转子的强度可靠性;研究不确定性因素和强度退化共同影响下的拉杆组合转子强度可靠性,揭示了拉杆组合转子强度可靠性变化规律。研究结果为燃气轮机机组的可靠性设计、安全稳健性运行及停机检修提供了一定的参考。

基于Kriging代理模型和MOPSO算法的注塑成型质量多目标优化

为减少CAE分析时间,提高寻优计算效率,提出基于Kriging代理模型并结合多目标粒子群算法(MOPSO算法)对塑件的注塑成型质量进行多目标优化。以塑件的翘曲变形量、缩痕指数为优化目标,以影响塑件成型质量的模具温度、熔体温度、保压时间、保压压力、注射时间、冷却时间等注塑工艺参数为试验影响因素,应用最优拉丁超立方试验设计方法结合模流分析(MFI分析)建立分析样本,基于Isight参数优化软件构建优化目标与影响因素之间的Kriging代理模型,基于MOPSO算法在代理模型内进行全局寻优,获得了一组使塑件翘曲变形量和缩痕指数最小的最优工艺参数组合并给出了优化目标的预测值。结果表明,Kriging代理模型的预测值与模拟试验结果基本吻合,优化后的翘曲变形量降低15. 3%、缩痕指数降低19. 7%,本文提出的方法能有效、快速实现注塑成型质量的多目标优化,为工程实践提供了有益的参考价值。