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Lasso-Bayesian改进的Kriging代理模型优化方法及其应用

为提高Kriging模型的性能并构建高精度代理模型,基于最小绝对收缩和选择算子(Lasso)与Bayesian算法对Kriging方法进行改进,实现了对Kriging模型的超参数调优,提出Lasso-Bayesian-Kriging代理模型的构建方法。采用Lasso正则化对模型输入进行特征选择,以降低模型复杂度,提高模型的泛化能力。使用Bayesian算法对Kriging中的相关参数、相关函数以及回归函数进行调优,得到高精度的Kriging代理模型。针对某车间加工矿用钻杆过程中的搬运桁架的实际工程问题,采用4种不同方法对桁架静力学分析进行代理建模,以桁架质量和变形量为代理对象,通过k折交叉验证,结果表明,Lasso-Bayesian-Kriging方法构建的代理模型精度最高,其交叉验证的平均决定系数R2分别为0.999、0.962。将优化算法与Lasso-Bayesian-Kriging模型相结合对桁架进行迭代优化,结果表明优化后的桁架在满足刚度的前提下实现了轻量化。

基于自适应增量Kriging模型的多目标稳健优化设计方法

提出了一种自适应增量Kriging模型的多目标稳健优化设计方法。依据结构特征及优化目标,构建了增量Kriging代理模型,并提出混合加点采样策略,提高增量Kriging代理模型的自适应性;提出了柯西变异多目标粒子群优化(CMMOPSO)算法,通过改进惯性权重因子、个体学习因子和社会学习因子,同时引入柯西变异策略,提高优化模型求解的效率和精度;构建以结构相关参数为设计变量、性能指标标准差为目标、3σ变量缩减区间为约束的优化模型,综合CMMOPSO算法和灰色关联分析获得多目标稳健优化最优解。算例分析结果表明,所提方法不仅能够以较少的性能函数调用次数获得高精度结构优化模型,而且优化结果与传统方法相比,收敛速度更快、稳健性更好。

基于Kriging模型的船舶主机隔离系统抗冲击优化

为了提高系统的抗冲击性能和优化效率,本文以限位隔离系统的刚度阻尼等7个参数为设计变量,以系统冲击响应中的相对位移响应和绝对加速度响最大峰值为响应值建立Kriging代理模型。通过NSGA-II多目标优化算法对构建的代理模型进行多目标优化,优化目标为相对位移响应和绝对加速度响最大峰值两者和的最小值。与初始方案相比,优化后系统相对位移响应降低了27.139%,绝对加速度响应降低了37.846%。结果表明:建立的代理模型对隔离系统的冲击响应有较精确的预报作用,优化后船舶主机隔离系统的抗冲击得到明显提高。

基于Kriging代理模型的迭代更新高效反演方法

为提高混凝土坝等大体积结构参数反演效率和精度,减少由于应用有限元进行大量正分析而产生的计算机时,建立了一种结合Kriging代理模型和粒子群优化(PSO)算法的迭代更新反演方法。通过拉丁超立方抽样(LHS)方法确定初始样本点的空间分布,并使用有限元正分析获取对应的响应值,构建粗糙的初始代理模型,结合具有全局寻优能力的PSO算法,反演大体积结构的分区弹性模量,随之再代入有限元模型中,计算获取新的位移响应,并将其作为新样本加入到样本集中,通过迭代更新获得局部更高精度的代理模型。工程实际算例表明,该方法对混凝土坝等大体积结构参数反演精度较高和适用性好,且能大幅减少传统有限元模型反演方法所需消耗的正分析机时,提高反演效率。

基于代理模型的索卡减重优化设计

索卡作为架空缆道的核心部件具有工作环境特殊,工况复杂等特点,有关其结构优化的内容国内外少有研究。另一方面,传统的有限元优化方法对于解决高维度问题往往效率低,工程应用性不强。这里通过构建高精度Kriging代理模型对索卡结构进行减重优化,使用MIGA和NLPQL相结合的优化算法获得全局最优解。优化结果表明,在满足强度和不发生共振的情况下,结构质量减少22.05%,Kriging模型与有限元模型的最大相对误差为5.27%。验证了高精度代理模型在工程优化问题中的实用性。

基于Kriging代理模型的葛洲坝电站水头预测研究

在水电站的调度运行中水头是一项重要数据指标,对机组安全稳定运行起着关键作用。选取非弃水期与弃水期,分析葛洲坝电站不同运行方式下出力分配与弃水流量对大、二江电站水头的影响;引入Kriging代理模型,建立两种典型期下的水头预测模型,并将基于Kriging代理模型得到的水头预测值与实际计算值进行比较分析。结果表明:在非弃水期,大、二江电站水头平均偏差分别为0.22 m和0.26 m,弃水期水头平均偏差分别为0.20 m和0.16 m,预测精度满足实时调度需求。该模型可为水电站水头的趋势变化规律提供一种分析方法,进而为实时优化调度提供决策参考。

基于代理模型的超燃冲压发动机燃烧室构型参数优化设计

针对传统超燃冲压发动机燃烧室构型设计中存在的计算周期长、试验成本高等问题,提出一种燃烧室的Kriging代理模型,并使用NSGA-Ⅱ多目标优化算法以实现对超燃冲压发动机燃烧室构型参数高效的优化设计.通过测试,将应用Kriging代理模型的预测结果与CFD计算结果进行对比分析,验证了该代理模型能够较为快速并准确地预测代表燃烧室性能的推力和压力损失系数.以推力和压力损失系数为优化目标,基于NSGA-Ⅱ多目标优化算法,通过该Kriging代理模型获得了Pareto最优解集;然后,采用灵敏度分析法对设计变量进行排序,成功识别出了显著影响燃烧室性能的关键构型参数;最后,基于控制变量法针对单个设计变量的变化对超燃冲压发动机燃烧室性能的影响进行研究,分析结果可以指导燃烧室的优化设计.文章研究结果可加速超燃冲压发动机燃烧室构型的优化设计,为其设计提供了一种新的思路和方法,为后续的相关研究提供了有价值的参考和借鉴.

基于POD_Kriging代理模型的结冰云雾参数快速计算方法研究

掌握结冰云雾参数的分布对于飞机结冰分析具有重要意义。为了获得这些参数,传统的高保真数值模拟技术计算效率低,难以应用于需要实时评估结冰的工程场景。为了克服这一困难,通过本征正交分解(Proper orthogonal decomposion,POD)方法与Kriging技术相结合,提出了一种非侵入式结冰云雾参数计算代理模型。该模型以4个飞行参数和2个云参数作为输入变量,模型输出为液体水含量(Liquid water content,LWC)和液滴收集系数。采用准三维NACA0012翼型验证了模型的准确性和计算效率。4个测试案例的数值结果表明:POD_Kriging模型准确、有效。相比于经典的FENSAP‐ICE软件,所开发的代理模型能够更有效的得到结冰云雾场。

基于AL-Kriging模型及PSO算法的桥机主梁优化

为解决有限元模型和群智能算法相结合的起重机结构优化计算的计算成本昂贵的问题,该文基于AL-Kriging代理模型和粒子群智能优化算法构建了起重机主梁优化方法,在该方法中通过EFF学习函数选择优化所需的有效样本点,从而用较少的高保真计算样本构建出满足精度要求的代理模型,再通过PSO算法以及所构建好的代理模型完成结构优化。通过工程案例验证证明,在取得同样计算结果的情况下,与基于静态Kriging模型相比,该方法的优化时间节省了70%,调用样本数仅为静态代理模型的27%,证明了所构建的优化方法是可行和有效的。

基于Kriging代理模型的离心通风机叶片优化

为了提高离心通风机的气动效率,进而实现节能减排和保护环境,提出了一种基于Kriging回归的代理模型用于离心通风机的气动优化。首先,通过拉丁超立方采样设置初始样本点,构建样本点对应下的离心通风机结构模型;进而用CFX软件计算其结构参数对应下的气动性能响应参数;其次,构建Kriging回归的代理模型用于表征初始样本点参数与气动性能响应参数间的耦合对应关系;最后把代理模型嵌入到智能优化算法中,并以气动效率最大为目标进行函数迭代寻优,进而寻得最佳的叶轮结构参数,优化后风机的工况效率从76%提高到80.9%,气动效率明显提高。

基于NARX和Kriging的时变可靠性分析双层代理模型

针对具有动态输出性能的结构系统,传统的求解时变可靠性的代理模型方法在建模时只关注当前瞬间作用于系统的随机变量的作用,而忽视了时间累积效果,使得模型对于时变可靠性的预测效果并不理想。基于此,提出了一种基于带外生输入的非线性自回归(NARX)模型和Kriging模型的时变可靠性分析的双层代理模型方法。所提方法在内层利用NARX模型构建给定随机输入变量下输出响应随时间的变化模型,准确模拟系统的动态行为;在外层基于NARX所得极值构建系统极值与随机变量之间的Kriging模型,得到时变结构系统的可靠性。通过3个算例验证了所提方法在处理具有较强波动性输出系统的可靠性问题时的有效性和准确性。

变温度条件下基于代理模型的Lamb波裂纹定量诊断方法研究

高速列车运行环境复杂多变,因循环载荷作用内部结构会产生裂纹等损伤。为实现不同温度环境中对列车结构裂纹的实时检测和诊断,本文研究了-40℃~85℃的环境中Lamb波裂纹定量诊断方法。将试验材料置于不同的温度梯度下,进行Lamb波信号的激励和收集,接着进行变温条件下Lamb波裂纹定量监测试验,获得了不同温度和裂纹长度条件下的Lamb波信号,通过归一化幅值提取了相位变化和相关系数3个特征值。将特征值作为Kriging代理模型的训练样本,生成基于特征值的响应面构建诊断参数的三维模型,实现了不同温度条件下裂纹的定量诊断。

基于灰色关联和Kriging模型的汽车饰件注塑工艺优化

为减小某汽车内饰件注塑成型质量缺陷,提出了基于灰色关联分析和Kriging代理模型的注塑成型质量多目标优化方法。以塑件的Z方向翘曲变形值、体积收缩率、缩痕指数为优化目标,影响了塑件成型质量的熔体温度、模具温度、保压压力、保压时间等注塑工艺参数,应用最优拉丁超立方试验设计方法结合模流分析进行数据采样,基于灰色关联分析(GRA),将多目标优化问题转化为单目标优化问题,利用层次分析法(AHP)确定各优化目标对灰色关联度的影响权重,建立灰色关联度与各工艺参数之间的Kriging代理模型,采用自适应粒子群算法(APSO)在代理模型内进行全局寻优,得到最佳工艺参数组合。结果表明,Kriging代理模型的预测值与实际结果基本吻合,优化后,Z方向翘曲变形值、体积收缩率、缩痕指数分别为0.2686 mm、2.235%、0.3971%,与优化前相比,分别降低了1.21%、30.11%、68.53%,因此,提出的方法能实现注塑成型质量多目标优化。

基于优化加点代理模型的桥架结构疲劳寿命预测方法

为快速评估起重机服役过程中损伤桥架结构的安全性,提出基于优化加点代理模型的桥架结构疲劳寿命实时预测方法。以实测载荷数据为基础,结合工作循环过程,刻画服役工况相关参数的随机性;依据最不利服役工况,通过有限元静力学分析,结合失效案例统计,确定桥架结构应力薄弱位置,建立疲劳损伤和寿命预测的有限元模型,结合MSC.Fatigue的S-N模块与裂纹扩展模块,模拟随机工况下桥架结构的剩余寿命,分析不同裂纹深度对结构剩余寿命的影响;利用黑箱封装的思想,基于拉丁超立方抽样及Kriging模型,结合鹈鹕优化算法及加点准则,建立桥架结构寿命预测的优化加点代理模型,结合Miner线性累积损伤理论,实现小车带载移动过程中桥架结构的疲劳寿命实时预测。以QD20/10 t×43 m×12 m通用桥式起重机桥架结构为例,验证所提方法的可行性。通过与传统基于有限元仿真的疲劳寿命预测方法相比,结果表明,所提方法能够以较少的仿真调用次数和较短的仿真时间准确评估损伤桥架结构的剩余寿命,可为起重机检修周期制定与报废决策提供一定的参考意义。

坠物冲击下基于混合代理模型的水下管汇动力学分析方法

海上坠物冲击直接影响水下管汇工作稳定性,开展坠物冲击下水下管汇的动力学分析能够为其结构设计提供依据、提高水下管汇生产安全性。针对基于非全尺寸模型的水下管汇动力学分析方法导致分析结果精度受损的问题,建立水下管汇全尺寸有限元模型进行动力学分析,并针对由此造成的计算成本过高的问题,引入支持向量回归(support vector regression,SVR)、Kriging和径向基函数(radical basis function,RBF)代理模型提高分析效率,结果表明Kriging模型精度最高,RBF模型次之,SVR模型精度最低。进一步地,考虑单一代理模型预测性能的局限性,基于组合预测理论建立水下管汇动力学响应混合代理模型,构建坠物冲击下基于混合代理模型的水下管汇动力学分析方法,并对其预测精度和计算成本进行了分析,结果表明:相较于单一代理模型,混合代理模型的平均计算精度提高了10.12%,与单独使用有限元方法相比,其计算效率提高了81.24%,验证了此方法的有效性。

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.

基于Kriging代理模型的主轴箱稳健设计

为了建立复杂工程问题性能变量和设计变量之间的解析关系从而对其进行稳健设计,提出基于Kriging代理模型的分析性稳健设计方法,即"确定参数-正交试验-代理模型-稳健优化-验证"的设计过程.然后以主轴箱的稳健设计为例,以Matlab工具箱和自编的稳健设计软件为工具检验了所提出的方法.建立的代理模型中各个响应变量的最大相对均方根误差为5.89%.用有限元方法对稳健设计结果进行验证,结果表明该设计方法可以得到与实际情况吻合的稳健分析及优化结果.

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。