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GAPSO-RBFNN的动车组电机吊架多目标稳健优化设计

基于遗传粒子群(GAPSO)算法获取最优平滑系数,从而改进径向基神经网络(RBFNN);通过电机吊架的灵敏度分析筛选出对其总质量和自然频率等质量特性影响较大的关键设计变量;结合正交试验设计与有限元分析得出电机吊架各质量特性值及对应的信噪比,将试验数据作为输入、信噪比作为输出用于GAPSO-RBFNN的训练和测试,并对比分析预测精度;基于GAPSO-RBFNN构建电机吊架的多目标稳健优化模型,采用NSGA-II多目标优化算法对其寻优求解,并与传统设计方案进行对比。结果表明:GAPSO-RBFNN的预测误差远低于传统RBFNN;优化后电机吊架各质量特性信噪比得到提高,实现了对电机吊架的多目标稳健优化,降低了电机吊架总质量,提高了其自然频率。

基于Taguchi与TOPSIS-熵的车门多目标离散稳健优化研究

车身轻量化已经成为当前研究的重要方向,而车门作为汽车车身的一个相对独立的部件,如何在保证性能要求的基础上实现其轻量化是当前研究的热点。为实现车门轻量化,并保证其刚度、模态及耐撞性等性能,同时提高设计的稳健性,提出了一种基于连续Taguchi方法和TOPSIS-熵的多目标离散稳健优化算法;该方法充分利用了试验数据的决策信息,使优化效率大大提高。采用提出的算法对国内某款汽车前门结构进行优化的结果表明,不仅能满足刚度和模态要求,车门质量下降了28.44%,柱碰工况所吸收的能量增加了3.07%,同时提高了车门系统的稳健性,在工程实际中,具有非常强的实用性。

基于Dual-Kriging模型多目标稳健设计在板料拉深成形中的应用

板料拉深成形工艺中,由于设计参数波动的影响,导致在传统最优工艺条件下成形件质量不够稳健。该文采用板料成形有限元仿真、代理模型,并结合稳健设计思想,提出基于Dual-Kriging模型的稳健设计方法。筛选影响成形质量的主要模具几何、工艺参数,并确定其相应波动范围;基于有限元仿真,运用Kriging模型,建立设计参数与成形质量的函数关系;根据参数波动情况,基于第一重Kriging模型以及Monte Carlo模拟,运用Kriging模型,建立设计参数与成形质量期望与方差的第二重模型;运用基于拥挤距离的粒子群算法,以及灰色关联分析进行多目标优化,完成设计参数的稳健设计。将该方法运用于NUMISHEET 93的方盒件拉深成形,与传统确定性优化设计相比,可有效减少成形质量的波动范围以及不确定性分析的计算量,提高成形件的稳健性。

基于响应面模型的起重机主梁的结构稳健优化设计

针对起重机主梁结构的稳健优化设计,研究了拉丁超立方体试验设计技术、近似模型技术、基于方差的稳健设计模型构建过程和利用灰色绝对关联度求解多目标优化问题的方法,选取决定起重机主梁截面的5个主要尺寸参数为输入变量,以主梁跨中最大应力和垂直静刚度为响应变量,构建二次多项式响应面模型。在响应面模型的基础上,利用方差作为稳健性评价指标,以最大应力与垂直静刚度的方差和截面面积为3个目标,构建起重机主梁的多目标稳健优化设计模型,并利用灰色绝对关联度进行优化求解。优化结果表明:考虑参数不确定性的稳健优化设计在一定程度上可以降低性能指标对设计参数的敏感性,同时基于近似模型的优化设计可以为复杂工程提供很大的方便,为工程实际中的稳健优化设计提供指导。