基于变可信度近似模型的BGA焊点可靠性预测与优化方法

焊点可靠性预测研究多采用有限元仿真与单一精度近似模型相结合的模式,存在仿真时间长、效率低、准确性差等问题,为此,提出了一种基于变可信度近似模型的球栅阵列(ball grid array,BGA)焊点可靠性预测与优化方法.首先,对不同网格细化方案进行收敛性验证,分别设计高/低精度样本点进行有限元仿真;其次,基于CoKriging模型融合高/低精度仿真数据进行焊点可靠性预测;最后,将预测结果与单一精度近似模型进行对比分析,并采用遗传算法优化模型获得对应结构参数.结果表明,在更少的仿真成本下,变可信度模型的预测效果更好,在同等预测精度下,变可信度模型高精度样本点数量仅为单一精度模型的1/4,相比高精度神经网络预测模型,在寻优过程中收敛更快.

基于变可信度模型的飞行器翼结构模态分析

针对飞行器翼结构的模态快速分析需求,通过研究翼结构几何参数对其模态频率的影响,提出了一种基于变可信度模型的飞行器翼结构模态分析方法。结合翼结构几何模型和有限元模型,采用变可信度模型来描述结构几何参数对模态的影响;针对有限元仿真样本不足的问题,提出了基于序贯加点策略的变可信度模型建模方法,并结合数值算例分析了序贯建模方法的有效性。以飞行器典型梯形翼为应用对象,序贯建模方法能更准确地预测不同尺寸的翼结构模态频率,前3阶模态频率预测偏差在6%以下;利用变可信度模型能够快速分析几何参数对模态频率的影响,为飞行器翼结构设计提供支撑。

基于变可信度代理模型的气动优化

对于复杂的多设计变量优化设计问题,构造高精度的代理模型需要大量的高可信度样本,并带来巨大的计算量。利用较小的计算代价构建高精度的代理模型具有很强的工程意义。采用Co-Kriging方法,基于两组相互独立的高、低可信度模型样本,构建了一种高效的变可信度代理模型。Co-Kriging变可信度代理模型通过构建高、低可信度模型之间的关系模型,充分利用低可信度模型信息来提高代理模型整体的预测精度,在保证预测精度的前提下,大大减少了构造代理模型所需的计算时间。使用两个函数算例分析了不同选样方案对近似精度的影响,并用一个基于不同代理模型的RAE2822气动优化设计的对比证明了该方法在工程设计优化中的可行性。

变可信度模型在气动优化中的应用

在气动外形优化中,采用近似模型管理结构(AMF)方法,对变可信度模型进行组织和管理.这样能够充分利用低可信度模型,将主要计算量集中在低可信度模型的优化迭代过程中.同时,采用高可信度模型监控优化过程,使最终的优化解收敛到高可信度模型上.最后,设计了零阶变可信度气动特性优化管理结构与搜索算法,对某飞翼型无人机的翼型进行了气动优化.优化外形的气动性能与初始外形比有所提高.实际结果表明所提出的方法具有良好的可行性和适用性.

变可信度模型管理优化设计方法在气动外形设计中的应用

在信赖域最优化方法的基础上,将梯度搜索方法与近似模型管理结构相结合,结合N-S方程与Euler方程,建立了一种用于气动外形设计的梯度AMF优化设计方法。该方法在气动优化中,通过对采用不同的流体控制方程的计算结果进行组织和管理,从而可以在优化迭代过程中将主要搜索过程集中在低可信度模型的计算上,并利用高可信度模型监控优化过程,使得最终的优化解收敛到高可信度模型上。本文采用梯度AMF气动优化设计方法进行翼型设计,取得了良好的设计效果,实际结果表明本文提出的方法具有可行性和适用性。

基于差距映射的变可信度近似模型构建方法

为缓解复杂工程产品设计优化中计算复杂度和计算精度之间的矛盾,结合最小二乘支持向量回归(least squares support vector regression,LSSVR)模型,提出一种基于差距映射的变可信度近似模型构建方法,即最小二乘支持向量回归差距映射(LSSVR with difference mapping framework,DMF-LSSVR)方法,以实现小样本条件下高精度近似模型的构建,并通过工程实例验证该方法的有效性。工程实例结果显示所提出的方法具有较高的预测精度,可为复杂工程产品的设计优化提供理论基础。

翼身组合体的变可信度优化设计

基于信赖域思想,发展了一种变可信度优化设计方法组织和管理不同可信度模型,有效利用低可信度模型建立近似模型,进行优化设计,高可信度模型仅修正优化近似模型,使最终优化结果收敛到高可信度模型上.采用全位势边界层有粘无粘迭代方法作为低可信度模型,多重网格Navier-Stokes方程方法作为高可信度模型,对翼身组合体进行优化设计,优化结果表明:发展的变可信度优化方法优化效率高,且能保证优化精度,具有实际的工程应用价值.

基于变可信度近似的设计优化关键技术综述

利用变可信度近似模型进行设计优化,可以发挥不同可信度分析模型的优势和特点,大幅减少复杂工程产品设计过程中的计算量,提高计算效率,是解决复杂工程产品设计优化计算复杂度难题的有效途径之一。分析和阐述了基于变可信度近似的设计优化方法的基本思想,总结归纳了主要研究内容和关键技术,并对适用于变可信度近似的实验设计方法、变可信度近似模型构建方法及设计优化策略进行了综述,指出了今后的主要研究方向:结合自适应采样的变可信度近似模型实验设计,CoKriging类带有误差信息的变可信度近似模型建构,基于空间映射的变可信度近似模型建构,以及变可信度近似模型在多学科设计优化、不确定性优化等各个领域的应用。

基于并行变可信度置信下界算法的航行体天线罩结构优化设计

[目的]为了使水下发射的航行体天线罩结构在满足碰撞性能要求的条件下,尽可能减轻结构质量,提出一种并行变可信度置信下界(PVF-LCB)算法,对航行体天线罩结构尺寸进行优化设计。[方法]变可信度置信下界(VF-LCB)函数在设计过程中可自适应地分配计算资源,可以使用高/低精度代理模型构建影响函数(IF),选取对模型改善较大的多个样本点,最后与相应的约束处理策略结合,从而对航行体天线罩结构尺寸进行优化。[结果]提出的方法使航行体天线罩的结构尺寸优化设计满足了要求,且质量比基于变可信度代理模型的串行优化方法降低了约50%,并缩短了设计优化时间;相比单精度并行优化方法,天线罩质量降低约30%,搜索优化可行解的效率得到提高。[结论]该方法在航行体的天线罩结构优化设计中不仅缩短了设计周期,而且提高了优化解的质量,在工程应用中具有一定的发展前景及指导意义。

变可信度近似模型及其在复杂装备优化设计中的应用研究进展

变可信度近似模型通过融合不同精度分析模型的数据,可有效平衡近似模型预测性能和建模成本之间的矛盾,在复杂装备优化设计中受到广泛的关注。综述变可信度近似模型及其在复杂装备优化设计中的应用研究进展。概述三类常用变可信度近似建模方法的基本思想,并介绍变可信度近似建模方法研究的最新进展。回顾面向变可信度近似模型试验设计方法的发展现状,包括一次性试验设计方法和序贯试验设计方法。综述直接影响变可信度近似模型优化设计求解精度和效率的两类近似模型管理策略,探讨基于变可信度近似模型的智能优化和可靠性/稳健性优化这两个领域前沿问题。归纳总结变可信度近似模型应用于复杂装备优化设计的现状。针对变可信度近似建模及其优化设计给出了一些应用建议,并指出未来值得深入研究的方向。

基于新型多可信度代理模型的多目标优化方法

相对于常规直升机,基于前行桨叶方案(ABC)速度更高的刚性共轴双旋翼直升机对旋翼翼型的气动性能要求更加苛刻,包括更高马赫数下的低阻和高阻力发散特性,并维持良好的中、低马赫数下的升阻特性以及所有状态下的力矩特性等10余项指标要求,面临高维多目标优化难题。针对该类问题,首先发展了基于核主成分分析(KPCA)的非线性目标降维技术,然后建立了基于新型多可信度多项式混沌-Kriging(AMF-PCK)代理模型的高效多目标稳健优化方法,并提出了变可信度伪期望改进矩阵(VF-PEIM)并行样本填充方法,使多目标优化设计效率和能力显著提高。利用所建立的基于新型多可信度代理模型的多目标优化方法对高速直升机7%厚度旋翼翼型进行了优化设计。设计翼型的气动表现分别与经典的OA407翼型在高、中、低马赫数下进行了全面比较,对比结果验证了提出的新型多目标优化设计方法的有效性,设计翼型高速气动特性得到了显著提升。

基于混合维度仿真的自适应循环发动机引射喷管安装性能研究

自适应循环发动机(Adaptive Cycle Engine,简称ACE)独特的三外涵道结构使引射喷管成为一种可行的排气系统方案。为准确评估各种工况下引射喷管与ACE匹配工作下的安装性能,提出了一种基于变可信度代理模型的ACE-引射喷管混合维度仿真方法。该方法搭配引射喷管高、低两种可信度的计算流体动力学(Computational Fluid Dynamics,简称CFD)仿真模型,建立了引射喷管变可信度代理模型。通过动态更新该代理模型,在引射喷管性能空间的匹配工作区域集中进行高可信度CFD仿真,高效准确地实现了引射喷管匹配状态下的安装性能评估。仿真结果发现,ACE引射喷管在亚声速巡航和超声速巡航状态下的安装推力系数分别为0.979和0.961,在跨声速区段采用中间状态加速时后体阻力系数达到最大,为0.25。亚声速巡航状态下主喷管流量系数最低,为0.896。应用本方法仅需180次低可信度CFD仿真以及173次高可信度CFD仿真即可完成共计33个ACE工作点的引射喷管安装性能计算。

差分进化算法在平面扭簧设计中的应用

由于因变量和自变量的关系无法用显式函数表达,导致平面扭簧的设计优化问题都是昂贵黑箱问题。差分进化算法是近年来用于解决高成本优化问题的方法,它通过使用代理模型,对适应度与因变量的关系进行预测,从而大幅降低计算成本。提出一种基于变可信度代理模型和差分进化相结合的设计优化方法(VFS-DE)。利用所提出的VFS-DE进行相关优化测试函数检验,结果表明:该方法可以有效地解决函数优化问题。将VFS-DE应用在机床伺服电机平面扭簧的设计中,相关实验结果验证了该方法的有效性。

机器学习数据融合方法在火箭子级栅格舵气动特性建模应用中的比较研究

机器学习数据融合方法可帮助降低飞行器气动数据库建立的成本,加快研制进度,目前已经成为飞行器设计方法领域越来越活跃的研究方向,但其在工程复杂问题方面的应用研究并不充分。将多种常见变可信度数据融合模型应用于运载火箭子级栅格舵落区控制的工程项目,在开展部分工况的风洞试验基础上,结合少量的CFD数值模拟结果,研究相关函数和不同模型预测完整工况气动特性数据的差异性。通过对比加法标度函数修正模型、Co-Kriging模型、分层Kriging模型和多可信度神经网络模型等4种不同的数据融合模型发现:高斯指数相关函数对气动建模问题的适应性更好;Co-Kriging模型对气动数据的内插表现最好;分层Kriging模型对内插的预测精度较高,外插效果不理想;多可信度神经网络模型在外插区域能获得更光滑、合理的预测结果。

迁移学习下的极限学习机代理建模方法及应用

针对在工程产品的迭代更新或者相似工程在特定需求下的重新设计优化中,使用少量样本构建高精度代理模型的问题,提出了基于迁移学习的极限学习机代理建模方法。结合相似工程产品的历史累积数据和当前产品上采样的少量真实样本,构建变可信度近似模型;融合近似模型生成的随机样本和当前产品的真实样本,构建基于迁移学习的极限学习机代理模型。所提算法使用数值算例进行了验证,并通过构建叉车臂架液压系统变幅缸最大压力代理模型的工程案例做进一步验证,实验结果表明,使用少量样本时,所提算法能显著提升代理模型的预测精度。

高效率采样的数据关联融合气动力建模方法

飞行器设计阶段的气动分析需要大量的高保真度气动力数据以提高设计性能,但其获取成本十分高昂。为了缓解建模成本与模型精度之间的矛盾,构建了关联不同保真度数据的多保真度气动数据融合模型,并提出了最优关联点选取方法和均匀性增强序贯采样方法,以此实现co-Kriging变可信度模型的高效初始化与最速收敛。作为验证,选用标准数值算例开展建模研究,并结合统计结果对方法精度优劣进行了对比。最后将该建模框架成功应用于NACA0012翼型跨声速气动力工程算例当中。结果表明,与传统模型相比,在仅有的少量高保真度样本下,所采用的方法可以大幅提升变可信度模型收敛精度和建模效率,有效降低了采样成本;相较于高保真度单精度元模型,误差可降低50%以上。

多源数据融合方法在大舵角舵效预报上的应用

目前敞水舵水动力性能研究主要从试验和数值模拟两方面展开,由于大舵角工况流场异常复杂,预报精度是难点之一。论文分别采用雷诺平均和分离涡两种数值方法对舵角变化的舵力试验开展数值计算。同时为了平衡预报成本与精度之间的矛盾,融合敞水试验与数值计算的优点,提出一种基于变可信度近似模型的敞水舵水动力快速预报方法,将少量通过试验获取的高可信度样本与大量通过数值求解得到的低可信度样本融合,构建一种高效的敞水舵水动力变可信度近似模型,并采用试验数据对近似模型的精度进行验证,实现敞水舵水动力的快速预报。