基于主动学习Kriging模型的改进一次可靠度方法

结构可靠度分析的一次可靠度方法在每一迭代中均涉及迭代点的函数值及梯度值计算,但后续迭代过程不能充分利用前期迭代过程中迭代点的计算结果,因此计算效率有待于进一步提升。考虑到迭代后期迭代点在局部区域内波动,若以已有迭代结果为基础建立代理模型进行迭代后期迭代点的函数值及梯度值计算将有助于改善一次可靠度方法的计算效率。为此,该文在将一次可靠度方法的迭代过程分为全局搜索阶段与局部搜索阶段的基础上,针对两个阶段分别采用不同的计算策略,即全局搜索阶段沿用已有一次可靠度方法的迭代过程,在局部搜索阶段则基于全局搜索阶段的迭代结果建立Kriging模型,并引入可评估Kriging模型在迭代点处精度的学习函数,实现局部搜索阶段迭代点的高效率计算,从而提出了具有更高计算效率的改进一次可靠度方法。数值算例和工程算例的计算结果表明建议方法在保持精度不变的情况下,可显著提高一次可靠度方法的计算效率。

自适应顺序采样Kriging方法及其在增量动力分析中的应用

复杂结构的增量动力分析(IDA)对于结构的抗震设计和分析有着重要意义,但需对结构进行大量的非线性时程分析,计算量成本高。本文结合Kriging元模型和自适应顺序采样并用于结构增量动力分析以提高其计算效率和精度,其中:Kriging元模型用于预测结构的地震响应,顺序采样根据候选点的熵值补充非线性时程分析逐步增加Kriging模型的预测精度。借助本文方法,IDA曲线可通过少量的时程分析实现较高的精度。为了校验本文方法的可行性与有效性,对二层和九层钢框架结构模型应用直接IDA、hunt&fill方法和本文方法分析并比较了上述三种方法的计算误差、计算效率和IDA曲线差别。在此基础上本文将自适应顺序采样Kriging方法用于考虑结构不确定性参数的IDA分析,并和传统的蒙特卡洛方法进行比较。结果表明:该方法具有较高的计算效率,可以保证IDA曲线的精度。

一种基于增量学习MSET的风电变流器预警方法

为提高风电变流器故障预警的快速性和准确性,本文提出了一种基于增量学习MSET(Multiple Subset Estimation Technique)算法和误差分析的风电变流器故障预警方法。通过风电变流器正常工况下的运行数据,动态构建更新状态记忆矩阵并建立MSET模型,计算得到当前状态下的预测值。通过分析预测值和实际观测值的误差来进行故障预警。研究结果表明:基于增量学习的改进MSET算法可以有效对风电变流器的故障进行预警。由于当初的风场建设条件所限,早期投运的风机变频器一般采用的是就地维护方式。风电变频器作为并网核心组件,其稳定性与可靠性起着决定性的作用。传统的过程监测和故障诊断方法主要依靠维修人员的个人经验,再加上缺少详尽的系统状态信息可供参考,因此难以对故障开展快速准确的诊断。而且,过去经常采用的定时频繁维修的方式又很容易造成“维修过剩”。因此需要对风电变流器的运行参数进行监测,根据估算数据与观测值的偏差程度对风电变流器进行预警处理,避免事态进一步恶化,尽可能减少风电场的经济损失。

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。

Kriging与Breitung融合的可靠性分析方法

针对一阶可靠性方法在处理非线性极限状态函数时精度不足,以及Breitung方法在随机变量维度较高时计算效率低的问题,提出融合Kriging模型与Breitung方法的可靠性分析策略。采用一阶可靠性方法求解极限状态函数的最大可能失效点,并基于迭代过程中产生的样本点训练Kriging模型。通过Breitung方法计算Kriging模型在最大可能失效点各方向上的曲率,并据此构建近似抛物面。为避免Breitung方法概率公式中的奇异解问题,引入鞍点近似来计算近似抛物面的失效概率。通过3个数值算例和一个复合材料压力容器的工程实例对比一阶可靠性方法、Breitung方法以及融合Kriging与Breitung的可靠性分析方法的效率与精度。结果显示,融合Kriging与Breitung的可靠性分析方法不仅提高了计算效率,并且求解过程稳定,具有较高的求解精度。

京东零售基于ClickHouse的增量刷岗方法

刷岗是对某个最小存货单位(SKU)对应的岗位等维度字段发生变更,按照最新的SKU岗位等维度数据回溯、覆写的过程,刷岗这一行为在典型的电商企业(京东(JD)、淘宝)较为常见。针对京东零售业务场景下明细表和维表数据量庞大导致刷岗操作的运行时间过长的问题,提出一种基于ClickHouse的增量刷岗方法。首先,将维度表加载为ClickHouse字典表,采用明细表关联ClickHouse字典表的方法进行刷岗;其次,采用增量刷岗方法取代传统全量刷岗的形式,不仅提升刷岗效率,同时减少刷岗带来的集群资源消耗;最后,加入验数逻辑和并发控制机制保证数据准确性和集群的稳定。将该技术与传统的刷岗技术在实际业务生产场景中进行亿级数据的刷岗测试对比,实验结果表明,在硬件设备相同的情况下,提出的增量刷岗方法刷岗时间缩短80%,集群资源(CPU、内存)的使用减少50%,显著提高刷海量数据岗效率。

Kriging模型的增量构造及其在全局优化中的应用

为了解决高效全局优化算法(EGO)中迭代次数增多时构建Kriging模型速度过慢,以及对于某些响应值变化范围较大的目标函数出现过早收敛的问题,提出了增量Kriging方法和基于此方法的改进EGO算法.增量方法利用已经得到的关联矩阵的逆矩阵和新增的数据点忽略关联系数优化的过程,直接进行一系列矩阵运算,得到新关联矩阵的逆矩阵,进而得到更新后的预测模型.改进的EGO算法使用上述的增量方法和更加严谨的停止规则,包括改善期望、自变量和响应值的停止准则.最后使用标准函数分别对增量方法和EGO算法进行测试,结果表明,增量方法可在损失少量精度的情况下大大缩短模型更新的时间,改进的EGO算法具有更高的效率和稳定性.

岩石大变形分析的增量流形方法

将增量流形方法推广到岩石大变形问题。基于总体拉格朗日列式，建立了大变形分析的增量流形元的计算公式，模拟了具有节理、裂隙的岩石大变形问题，结果表明是有效的。

基于Kriging方法Argo数据重构太平洋温度场研究

采用Kriging算法，将2007年1～12月份期间获得的太平洋海域的Argo剖面浮标资料重新构成3°×3°的月平均海温场。重构的温度场能较好地揭示太平洋暖流区、西边界流系的季节性变化和西边界流系强温度锋面。将插值数据与同一时期的实测数据进行比较。结果表明Kriging算法得到的海表温度最大误差0．7℃，平均误差0．3℃，平均相对误差0．7％，平均标准误差0．06℃，计算结果令人满意。进一步利用重构的太平洋表层及水下4个断面的温度场分析了太平洋海域的温度分布格局及季节变化，赤道海区表层暖水占主体，随着水深增加，东部冷水迅速往东扩展，在200m时冷水基本把北上的太平洋暖水切断。

用Kriging方法构建中纬度区域电离层TEC地图

提出了中国中北部及周边(30°N～55°N,70°E～140°E范围内)区域电离层电子浓度总含量(TEC)地图(简称CNC TEC Map)的Kriging算法.比较了目前被广泛使用的电离层模型(Klobllchar,IRI和JPL GIM)与真实的TEC分布的符合情况;比较了常数漂移(普通Kriging方法)、线性漂移和二次漂移的Kriging方法;在三种不同的时间分辨率(5min,30min和120min)下,比较了Kriging算法、就近插值算法和多项式回归算法(5阶)绘制CNC TEC Map的效果.结果显示在本文研究区域内常用的电离层模型与真实TEC分布存在较大的区别;使用普通Kriging方法就可以较好的表示华北地区TEC分布;Kriging方法的结果优于其余两种插值算法,尤其是当时间分辨率提高到5min时,Kriging算法的优势比较明显.

基于Kriging方法的空间散乱点插值

给出的一种距离加权插值方法借鉴地质统计学中的Ｋｒｉｇｉｎｇ 方法，在空间数据场满足给定的统计分布特征的前提假设下进行插值．通过对帽状曲面函数的插值结果的观察，可以看出该方法可以获得良好的插值效果．

Kriging与响应面方法在气动优化设计中的应用

近似模型方法在工程优化设计中开始得到重视。本文分别应用Kriging方法和响应面方法进行了翼型气动优化设计。结果表明,Kriging方法的设计结果,升阻比较参考翼型提高了81%;在初始设计空间,响应面方法的结果很差,通过不断缩减设计空间,设计得到了有效的改善,升阻比提高了70%,但需要的计算量远远高于Kriging模型。

基于Kriging代理模型的结构形状优化方法研究

建立了一种进行结构形状优化的工程方法。该方法利用试验设计法选取位置变量样本点,并对各个样本点对应的结构进行尺寸优化,然后根据样本点和尺寸优化结果建立Kriging代理模型,再利用遗传算法求出位置变量最优解,进而得到结构最优解。最后进行了15杆平面拱式桁架、悬臂梁和25杆空间桁架三个形状优化算例,算例分析结果表明:该方法思路清晰、适应性强、优化效果明显,具有较大的工程应用价值。

基于Kriging统计的GPS高程拟合方法研究

从GPS高程测量应用于局部工程的问题着手,简述了GPS高程拟合原理,以传统的GPS高程拟合分别采用函数逼近模型和统计逼近模型为背景,提出了移动法曲面模型和多面函数模型下的Kriging(克里格)统计综合模型。通过某地区GPS水准网数据进行实验验证,结果表明:对于GPS高程拟合,该模型克服了单一统计模型和函数模型的不足,理论上更为完善,实践上其外符合精度比常规函数模型有显著提高。

Kriging插值方法在地层模型生成中的应用

为了建立三维数字地层,采用了一种适合城市工程地质和岩土工程特点的地层数据模型-基于钻孔信息的3棱柱模型。由于钻孔之间的距离稀疏程度、方向、数据值存在差异,钻孔以外未知的地质特性需要插值和推断,传统的数理统计方法无法很好地解决空间样本点的选取、空间估值和2组以上空间数据的关系等问题。借鉴地质统计学的Kriging方法给出一种距离加权插值算法,即先根据空间数据得到统计特征,再根据统计特征进行插值。通过对地层模型插值结果的观察,得出该算法可以获得良好的插值效果。

用Kriging方法对中国历史气温数据插值可行性讨论

使用Kriging插值方法对已经过质量控制和均一化的1951年1月—2004年12月中国全部基本、基准站气温资料逐月进行空间插值。通过站点的实际序列与插值后格点序列进行比较,针对相关系数和线性趋势等多个量来检验Kriging方法对气候资料插值的效果。结果表明:插值前、后的气温空间分布、气温变化趋势都非常一致,从年际变化来看,插值序列与实际站点序列的相关性也非常高。对比分析还发现用距平序列的插值效果要明显优于原始气温序列插值,但不同的球面模型半径插值在站点稀疏地区的插值结果差别较大,需要先对气候要素进行空间代表性进行分析,以合适的球面半径进行插值。对于气候变化比较特殊的地区,如中国西南部分地区,插值序列很难反映更小尺度的气候变化规律。

基于监测及Kriging方法的京津冀地区大气污染物暴露分布研究

为了实现充分利用已有环境监测站点数据进行人群精细化暴露评估的目的,同时解决某些待测人群社区周边无监测站点时数据的选择问题,以保定市作为大气高污染研究城市,基于现场监测和Kriging(克里金插值)空间分析方法,明确了在研究大气污染物人群暴露时,某一个固定监测站污染物数据的代表性问题.研究表明:对于大气中φ(SO 2)、φ(NO 2)、颗粒物及其组分,空气质量监测点位的代表性一般为5~6 km;对于φ(CO)、φ(O 3)和φ(VOCs),它们在城市不同地区的空间分布更为均匀,空气质量监测点位的代表性范围更大.通过使用Radial Basis Functions(径向基函数,RBF)、Local Polynomial Interpolation(局部多项式插值,LPI)、Inverse Distance Weighting(反距离权重插值,IDW)、Kriging、Kernel Smoothing(内核平滑插值,KS)和Diffusion Kernel(内核扩散插值,DK)等6种空间分析方法对大气污染物浓度进行预测发现,Kriging方法对大气污染物浓度预测时可使预测值和实测值间的偏差小于10%,准确度最高.因此,在进行某城市某点位的污染物人群暴露浓度预测时,若该点位周边5 km以内有空气质量监测点位,则可用该点位的监测值代替;若5 km以内没有空气质量监测点位,则可基于最近监测点位的污染物浓度进行Kriging空间插值,从而获得该点位的污染物暴露水平.

基于Kriging模型的涡轮盘优化设计方法

研究了航空发动机涡轮盘设计问题,将Kriging方法与全局约束优化算法相结合,提出了基于Kriging近似响应模型的优化求解方法,有效减少了有限元分析的次数和计算量。该优化设计方法采用正交试验设计和有限元分析方法获得涡轮盘设计空间的初始样本数据;利用已有的设计样本数据建立涡轮盘重量和应力响应近似计算的Kriging模型,在此基础上利用全局优化算法在设计空间进行设计方案优化搜索;利用有限元分析方法计算近似最优设计方案的输出响应,并以此更新已有的设计样本数据,不断提高Kriging模型的近似精度。数值计算结果表明,基于Kriging模型的涡轮盘优化设计方法不仅可以获得良好的设计结果,还能大大降低计算代价,提高设计效率。

Kriging插值无网格方法及其在力学边值问题中的应用

在传统的无网格Galerkin法中,采用滑动Kriging插值方法构造形函数,并与无网格方法相结合建立一种新的无网格方法。依此方法所构造的形函数具有Kroneckerδ-函数属性,便于直接施加强制边界条件。结合弹性力学边值问题,阐述该方法的基本原理,进而通过算例计算与分析,考察该方法的计算精度及其效率。

一种基于Kriging模型的机械结构可靠性分析方法

通过分析现有机械结构可靠性抽样方法存在的不足以及影响失效概率估计精度的主要因素,提出了一种基于Kriging模型及自适应抽样方法的机械结构可靠性分析方法.该抽样方法将随机抽样与聚类算法相结合,能够在概率上保证新增样本点落在对失效概率贡献较大的区域,避免对非重要区域的不必要抽样.以大数定律及中心极限定理为基础,推导了所提出的Kriging模型的收敛条件.通过两个算例说明所提出方法的迭代收敛过程、准确性及稳定性,结果表明,该方法能够在较少调用结构功能函数情况下得到失效概率较准确的估计值.