Vibration reliability analysis for aeroengine compressor blade based on support vector machine response surface method

To ameliorate reliability analysis efficiency for aeroengine components, such as compressor blade, support vector machine response surface method(SRSM) is proposed. SRSM integrates the advantages of support vector machine(SVM) and traditional response surface method(RSM), and utilizes experimental samples to construct a suitable response surface function(RSF) to replace the complicated and abstract finite element model. Moreover, the randomness of material parameters, structural dimension and operating condition are considered during extracting data so that the response surface function is more agreeable to the practical model. The results indicate that based on the same experimental data, SRSM has come closer than RSM reliability to approximating Monte Carlo method(MCM); while SRSM(17.296 s) needs far less running time than MCM(10958 s) and RSM(9840 s). Therefore,under the same simulation conditions, SRSM has the largest analysis efficiency, and can be considered a feasible and valid method to analyze structural reliability.

基于LSSVM-RSM的边坡可靠度研究

由于岩土体材料复杂多变,边坡稳定的功能函数往往具有高度非线性,常规的二次多项式响应面法(RSM)往往很难对其拟合。对此,利用最小二乘支持向量(LSSVM)的小样本优良的拟合能力,提出了基于LSSVM-RSM的可靠度分析方法对边坡稳定的功能函数进行拟合,并通过网格搜索法优化LSSVM参数,最后通过两个算例进行对比验证。计算结果表明,与传统二次多项式响应面法相比,该方法能更好地拟合抗剪强度参数与边坡稳定性之间的非线性关系,有效地扩展了响应面法在边坡稳定的可靠度分析中的应用。

基于支持向量机柔性机构动态可靠性分析

针对柔性机构可靠性分析中计算效率低和精度差的问题,提出一种柔性机构动态可靠性分析的支持向量机回归极值法。该方法利用蒙特卡洛法抽取柔性机构动态响应极值的小样本;基于这些样本和支持向量机回归理论,建立柔性机构动态响应极值的代理模型;使用该代理模型进行柔性机构动态响应可靠性分析。结合曲柄摇杆柔性机构实例,利用支持向量机回归极值法、蒙特卡罗法、人工神经网络代理模型和二次响应面代理模型方法,分别对连杆的变形和摇杆的摆角进行可靠性分析,通过对四种方法计算结果的比较,证明了支持向量机回归极值法在柔性机构动态可靠性分析中高效率和高精度,验证了支持向量机回归极值法在柔性机构动态可靠性分析的可行性和适用性。

基于模态试验的某火炮身管有限元模型修正

针对某火炮刚柔耦合发射动力学中柔性身管有限元模型精度低的问题,提出一种基于支持向量机响应面模型修正理论和模态试验的身管组件有限元模型修正方法。应用ANSYS有限元分析软件对某火炮身管与支架装配体进行模态分析,提取前6阶模态的固有频率和振型,为验证模型,设计了模态试验方案,实测了火炮身管与支架装配体的模态信息。基于有限元模型数据与实测数据的相对误差,采用支持向量机响应面模型修正方法对身管与支架装配体弹性模量和密度进行修正。MAC模型确认结果和动力学模型应用结果表明:修正后的身管组件有限元模型精度有了大幅度提高,能更加真实地反映身管组件的结构特征,为射击精度分析提供了更加准确的模型基础。

基于SVM的RSM模型拟合方法研究

对于多极值、存在高阶交互作用和约束的复杂过程,参数RSM整体代表性差,难以达到全局最优;而非参数RSM在样本量有限时泛化性差,模型难以优化.将RSM模型拟合归结为一类有限制条件、可主动获取样本点的小样本学习问题;提出一种基于SVM的复杂过程RSM模型拟合方法,并提出了适用于RSM的实用性SVM核函数及参数选择方法.算例研究表明,所提的核函数及参数选择方法得到的泛化误差与其最小值的平均偏离率在20%以内;基于SVM的RSM拟合模型对因子约束、误差分布无严格限制,泛化性能、曲面重现能力均优于现有RSM,其平均泛化误差与样本量分别比非参数RSM降低约20%和30%,说明了所提方法的有效性与优越性.

基于频响函数截断奇异值响应面的有限元模型修正

考虑由于模型参数误差造成的有限元模型偏差的问题,提出一种基于频响函数截断奇异值响应面的模型修正方法。利用傅里叶反变换将结构频响函数变换为时域内的脉冲响应函数,通过延迟坐标法重构脉冲响应函数的相空间矩阵,进而对相空间矩阵进行截断奇异值分解,提取有限个较大的奇异值作为频响函数的特征量。以待修正模型参数为样本集输入,截断的奇异值为样本集输出,建立支持向量机响应面模型并进行训练,以逼近模型待修正参数与频响函数的特征量之间的非线性映射关系。以目标频响函数的特征量与支持向量机响应面模型输出的特征量之间的差值最小化为目标,利用遗传算法通过优化求解参数修正量。仿真计算表明:支持向量机的保留奇异值响应面能准确预报训练集以外样本的保留奇异值,具有较强的泛化能力;结合遗传优化算法能获得准确的参数修正量,算法对噪声有较强的鲁棒性。

基于加权线性响应面法的支持向量机可靠性分析方法

针对估算非线性隐式极限状态函数的失效概率问题,提出了一种基于加权线性响应面法的支持向量机可靠性分析方法。首先采用加权线性响应面确定设计点,在线性响应面迭代的同时获得一定数量的样本,然后在这些样本和设计点附近补充抽取样本的基础上,采用具有良好小样本学习能力的支持向量机方法来训练样本,保证了在设计点周围获得更好的非线性极限状态函数的替代。这种方法既保证了对设计点的精确近似,又保证了对设计点附近非线性极限状态函数的良好近似,大大提高了失效概率的计算精度,为非线性隐式极限状态的可靠性分析提供了一种合理可行的方法。

一种基于支持向量机的非参数双响应曲面法

现有非参数双响应曲面法只注重提高模型的拟合性能而忽视提高泛化性能,对于复杂工业过程的质量优化和稳健设计应用效果不佳．为此提出了一种新的非参数双响应曲面法．首先采用均匀空间网格形式取样,然后利用支持向量机来拟合过程的均值和方差响应,并且通过比较不同拟合模型的泛化误差上界来优化支持向量机的参数．与基于核函数和基于人工神经网络的非参数双响应曲面法对比结果表明：实验设计方式相同时,该方法的平均泛化误差分别降低了31．0%和51．8%；而泛化误差相近时,平均样本量分别降低了35．0%和48．6%；对不同取样方法的泛化性能研究表明,在没有先验知识时,均匀空间网格是一种可接受的实验设计方式．由此说明了该方法的适用性与优越性．

基于LS-SVM的结构可靠度响应面分析方法

针对实际工程中常见的功能函数不能显式表达的可靠性分析问题,提出了一种基于最小二乘支持向量机(LS-SVM)的结构可靠度响应面分析方法.采用正交试验设计和有限元程序生成学习样本,并依据各随机变量的概率分布抽样得到检测样本;利用LS-SVM的高度非线性映射能力,建立了结构响应量与随机变量之间的映射关系.进而结合Monte-Carlo原理,计算结构的失效概率.新方法可直接应用现有的有限元分析程序,对大型结构进行可靠性分析.通过典型工程结构的算例分析,结果表明该方法具有较好的效率和精度.

基于可靠度的海上风机基础结构优化设计方法研究

该文推荐了一种基于可靠度的优化设计方法,该方法利用支持向量回归机进行两级响应面近似策略,将双层优化问题转换为一个单层优化问题,第一级称为分析响应面,用来拟合极限状态方程的近似表达式,第二级称为设计响应面,用来拟合设计变量和失效概率的关系式,然后借助一种全局的优化方法——粒子群算法求解该确定性的优化问题,该方法的有效性可以从三脚架基础算例中验证。

步兵战车车体结构有限元模型修正

针对某型步兵战车整车刚柔耦合发射动力学中柔性车体有限元模型精度低的问题,基于模态试验数据,应用支持向量机响应面模型修正理论对车体结构有限元模型进行了修正。应用ANSYS有限元分析软件对车体结构进行模态分析,提取前6阶模态的固有频率和振型。为验证模型,设计了模态试验方案,实测了车体结构的模态信息。基于有限元模型数据与实测数据的相对误差,采用支持向量机响应面模型修正方法对车体结构弹性模量和密度进行修正。模型确认结果和动力学模型应用结果表明,修正后的车体有限元模型精度有了大幅度提高,能更加真实地反映车体的结构特征,为射击精度分析提供了准确的模型基础。

结构可靠性分析的支持向量机响应面法

针对隐式极限状态可靠性分析问题,提出了一种支持向量机响应面法,该方法采用了与经典响应面法类似的迭代思想,由支持向量回归机替代经典响应面法中的固定多项式函数来构建响应面,并结合一次二阶矩法形成迭代过程。在此基础上,还对训练样本提出了一种改进的选取方法,从而进一步提高方法的效率。文中将所提方法与多种经典可靠性分析方法的计算结果对比分析,改进的支持向量机响应面法精度较高,调用结构分析程序的次数最少。

基于支持向量机响应面的车身部件声特性优化

针对车身部件声学特性优化中计算设计灵敏度复杂和传统响应面法准确度较低的问题,提出用支持向量回归机方法构造响应面.支持向量机根据结构风险最小原理,具有小样本学习性能.本文用最小二乘支持向量机(LS-SVM)构造汽车地板部件的模态频率、域点声压的响应面,对其优化找到最优点.结果表明:与最小二乘法相比,支持向量机构造的响应面更接近仿真试验,优化结果与实际最优解更为接近.

工程优化设计中的近似模型技术

解决复杂系统的建模优化问题,需根据具体的应用环境,选择合适的近似模型。本文对响应面模型、多元自适应回归样条模型、克立格模型、径向基函数模型、支持向量回归模型等近似模型的性能特点和适用范围进行了系统的比较研究,在分析这些近似模型基本特性的基础上,选取具有广泛代表性的测试函数,并综合考虑问题的复杂度、非线性程度、采样点的规模及分布等多个因素,对上述5种近似模型的全局和局部拟合能力、鲁棒性等进行了较为全面的比较评价,并给出应用实例。

基于支持向量回归的响应面可靠度计算

针对可靠度计算问题中极限状态函数比较复杂或为隐式的情况,提出了一种基于支持向量回归的响应面可靠度计算方法。该方法通过支持向量回归来拟合极限状态函数,所得函数偏导数计算简单,便于进一步采用常规的一次或二次可靠度方法进行求解。该方法首先用拉丁超立方抽样方法产生训练所需样本,通过支持向量回归构造极限状态函数的替代函数,然后用可靠度计算中比较常用的梯度优化法计算其可靠指标或失效概率。算例结果证明了该方法的可靠性和有效性。

基于支持向量机和重要度抽样的高强度钢板冲压成形工艺稳健设计

高强度钢板成形中噪声因素的存在造成了冲压质量不稳定.提出了基于支持向量机和重要度抽样的板料成形工艺稳健设计方法,量化了噪声因素对成形质量的影响,同时结合优化算法求解即满足质量可靠性又保证质量目标最优的工艺条件.对一高强度钢板冲压实例进行了工艺优化.按优化工艺冲压成形的零件减薄率及回弹均有所改善,验证了该方法的有效性.

基于支持向量机的小样本响应曲面法研究

当影响因素和响应输出的关系较为复杂时,应用传统响应曲面法(RSM)、非参数响应曲面法(NPRSM)和人工神经网络(ANN)难以拟合真实的响应曲面,不仅需要大的样本量,而且泛化风险大,不易达到全局最优。将RSM归结为可有限制地主动获取样本的小样本机器学习问题,提出了一种基于支持向量机(SVM)的RSM。以大间隔网格取样,利用SVM拟合过程,对拟合方程寻优确定极值大致区域,再逐步缩小间隔求精。算例研究表明,该方法的拟合与泛化性能优于NPRSM和基于ANN的RSM,能在小样本条件下建立全局性数值模型,寻优可以得到多个极值。

基于支持向量回归的迭代序列响应面可靠度计算方法

在基于支持向量回归的响应面可靠度计算方法基础上,采用试验设计中设计试验点的方法生成样本点,构造训练集,并对可靠度计算的迭代序列响应面方法进行改进。计算结果表明,与采用拉丁超立方抽样和常规梯度优化法求解的基于支持向量回归响应面方法相比,文中方法所需样本更少、收敛更快、结果更理想。

基于机器视觉的大枣表面缺陷检测

以中国灵武长枣为试验对象,采用Halcon12.0视觉处理软件,通过支持向量机的方法,在HSI颜色空间中提取H分量的均值、方差作为颜色特征值。通过试验选择高斯核函数,当核函数为0.2,正则常数为0.005时达到较好的分级效果,准确率达到94.6%,大大提高了大枣无损在线检测效率,降低了劳动强度和成本。

基于响应面和支持向量机的产品健壮设计方法

提出一种基于集成替代模型的产品健壮设计方法.该方法采用响应面和支持向量机来逼近产品质量特性与其影响因素的关系模型,保证了在有限样本条件下的建模效率和精度.为了提高产品的抗干扰能力和可靠性,在同时考虑设计目标的健壮性和设计约束的可行健壮性的基础上,建立了基于分位数的产品健壮设计优化模型.最后通过太阳能灌溉系统的健壮设计实例,验证了该方法的有效性和实用性.