可靠度分析中拉丁超立方和传统舍选抽样法对比研究

蒙特卡罗方法是计算工程可靠度的重要手段,其计算精度需要大量的样本数量,相应的计算量巨大。在蒙特卡罗方法中,采用拉丁超立方(LHS)法和传统舍选法两类抽样方法,计算了条形基础极限承载力的失效概率,对比分析两种抽样方法的差异。计算结果表明,拉丁超立方体抽样法得到失效概率需要样本数量约为舍选法数量的25%。通过增加样本数量拉丁超立方法能够更有效减小失效概率的变异系数,相同的样本数量得到的失效概率变异系数小于舍选法结果的一半。

基于NSGA-Ⅱ的锂电池液冷扁管结构设计与热性能优化研究

文中提出了一种锂电池模组蛇形液冷扁管空间并行交叉液冷结构,对液冷结构参数进行了优化。以电池最高温度和最大温差为优化目标,以液冷扁管高度为优化变量,采用拉丁超立方法(Latin Hypercube Sampling,LHS)对优化变量建立80组参数化组合样本,以CFD瞬态数值仿真计算,结合Kriging代理模型与NSGA-Ⅱ(Non-dominated Sorting Genetic AlgorithmⅡ)多目标遗传算法对液冷结构参数进行寻优求解,并进一步研究了冷却液入口速度对液冷结构散热性能的影响。结果显示:相对单层蛇形液冷扁管结构,蛇形液冷扁管空间并行交叉结构有更好的冷却性能,在冷却液入口流速为0.02 m/s时,电池1C放电工况下最高温度和最大温差分别下降3.2%和19.3%,电池2C放电工况下最高温度和最大温差分别下降6.4%和18.3%;在冷却液入口流速降低时,蛇形液冷扁管空间并行交叉结构的散热性优势更明显。

大口径主镜轻量化结构参数的优化设计

针对空间遥感器中大口径主镜的轻量化结构设计引入了基于Kriging近似模型的多目标遗传优化方法,以2 m口径SiC主镜为例对其轻量化结构参数进行了优化设计。采用拉丁超立方法对优化参数进行试验设计,建立了Kriging模型,并用多目标遗传算法迭代求得了最优解。优化后得到了质量为243 kg的2 m口径SiC主镜,其面形精度达到了25.7 nm PV,4.7 nm RMS,轻量化率为84%。试验结果验证了此优化设计方法的可行性,为大口径主镜的轻量化结构参数优化设计提供了借鉴和参考。

基于驾乘人员热感觉的车内空调送风参数设计

由于车内热环境的高度不均匀性,适用于均匀热环境的平均热感觉(PMV)评价方法无法对乘员热舒适状态做出客观评估。等效均匀温度(EHT)评价方法则考虑了不均匀热环境对人体的影响。通过建立计算流体力学(CFD)与人体热调节模型的耦合模型,采用最优拉丁超立方设计法,建立乘员舱空调送风参数和太阳参数与EHT和PMV等参数之间关系的近似模型。基于两种评价方法,通过序列二次规划优化算法(NLPQL),对不同热舒适需求下的送风参数进行设计。对比两种评价方法所设计的送风参数下,人体平均皮肤温度、人体与车内热环境的潜热/显热交换量等参数的区别。发现同一热舒适需求下,相较于PMV评价方法,基于EHT评价方法设计出的送风状态更偏向高风温及高风速。

轻量化车身车顶抗压设计优化

为保证轻量化车身的车顶在滚翻事故中有足够的强度抵抗变形,参考美国的有关标准对车顶进行抗压强度有限元分析,采用拉丁超立方法进行虚拟试验设计(Design of Experiment,DOE);根据虚拟DOE结果分析车身侧围和顶部部件的敏感度,得到最敏感的6个部件;采用微分进化算法对这些部件进行优化计算,并用高强度材料替换,达到保证抗压性、经济性并减轻部件质量的目的.

神经网络球磨机出力软测量模型的建立

为了准确地获得球磨机的制粉出力,提出了用灰熵关联分析法分析球磨机制粉出力的影响因素,选择对球磨机制粉出力影响较大的几个因素作为辅助变量建立模型,以最优拉丁超立方法选取的数据作为训练样本,基于BP神经网络建立球磨机出力软测量模型,并选出几组样本验证所建模型的可靠度.结果表明:所建立的球磨机出力软测量模型预测输出误差较小,有较强的泛化能力,具有很好的测量性能.

基于响应面法的数控机床床鞍尺寸优化

以数控车床上床鞍为研究对象,构建床鞍的有限元模型后对其进行模态分析。以床鞍的结构设计变量为基础进行拉丁超立方实验设计,得到一组试验点。将这组试验点作为训练数据用神经网络方法拟合出床鞍质量和一阶固有频率相对于设计变量的响应面模型,在此基础上完成数学模型的构建。最后通过遗传算法求解该模型,得到床鞍尺寸优化后的结果。文章的优化结果为改进床鞍的结构提供了理论依据,文中的分析思路和方法为其他机床床鞍的设计和生产提供了参考。

基于ANSYS的水泥混凝土路面可靠性分析

利用ANSYS中的可靠性分析工具——Probabilistic Design,对水泥混凝土路面的可靠性进行分析,获得水泥混凝土路面的可靠度及板厚、混凝土弯拉强度、地基反应系数、混凝土弹性模量及标准汽车轴载等设计参数对可靠度的影响。实例证明:该方法可初步得到造成该水泥混凝土路面开裂破坏的主要因素,为有针对性地提出防裂对策提供依据。

基于参数化的水下航行器外形稳健性优化

为提高设计方案的稳健性和设计效率,本文将参数化设计和稳健性引入到某型水下航行器外形设计中。在设计了水下航行器阻力参数化分析流程的基础上,采用最优拉丁超立方法选取样本点进行阻力计算,利用响应面模型对样本点进行拟合,得到精度满足工程需要的艇体阻力近似模型。建立了水下航行器外形多目标优化模型,采用NSGA-Ⅲ多目标优化算法进行确定性多目标优化求解。在考虑了外形设计过程中典型制造误差的基础上,开展外形稳健性优化求解。结果表明:稳健性优化与确定性优化相比,艇体阻力上升了12.34%,总包络体体积增加了51.98%,提高了水下航行器的稳健性。

板片空间结构初始缺陷的动力稳定性影响分析

对板片空间结构体系的研究大都局限于静力载荷工况,结构在动力载荷作用下的稳定性及失效特征研究仍相对缺乏.板片空间钢结构先天存在各样缺陷,而缺陷对结构稳定性的影响不可忽略.本文引入拉丁超立方法,结合Budiansky-Roth准则,提出适用于求解含初始缺陷结构动力临界荷载的方法,对板片空间结构初始缺陷的动力稳定性开展研究.研究表明,相比于其它抽样方法,拉丁超立方法能显著减少样本数,有效提高计算效率.针对典型的板片空间结构,施加不同方向的阶跃荷载,分析了节点位置偏差缺陷、杆件截面尺寸缺陷以及板片厚度缺陷对板片空间结构临界承载力的影响.结果显示,节点位置偏差缺陷对该结构临界承载力影响最为显著,其它两类缺陷影响甚微.

P气田基于地质模型的储量不确定性分析

地质建模的最终目的是建立反映地质认识的地质模型,并对储层的不确定性以及由此带来的储量不确定性进行定量表征。南海P气田正处于开发的前期研究阶段,井点资料少,储层的纵横向变化快,储量不确定性强。该文以地质模型为载体,探讨了该气田地质储量不确定性分析的方法,总结了相似气田地质储量不确定性分析的一般方法:通过对变量的敏感性分析,确定影响该气田地质储量的主要变量,以此为基础通过拉丁超立方概率分析法进行储量评价及地质模型的优选,最终确定构造和气水界面的变化是影响该气田储量的主要因素,P50是该气田可动用储量。该方法为前期研究阶段的储量动用提供了新的思路。

车内低频结构耦合噪声板件贡献量分析

通过对车身板件声学贡献分析得出车室特性声学特性,推导封闭空间板件振动在空间内产生的辐射噪声,结合车室壁板计算车身板件声学贡献量,在考虑到目标点位置权重与相对噪声水平系数提出板件综合声学贡献量系数。为了确定车身需要优化的板件,通过声-固耦合有限元模型利用边界元法确定车内目标点的频响曲线,计算出声腔结构划分出的车身峰值频段下的车身板件综合声学贡献量系数。在Isight中用最优拉丁超立方法对需要优化的7块板件于设计空间内抽取50组样本,在有限元模型中计算目标响应,根据7块板件厚度参数因子与4个目标响应,运用径向基神经网络模型(RBF),建立精度较高的车身板件近似模型。

基于DOE的汽车外后视镜气动减阻优化

以国内某款SUV车型的汽车外后视镜作为研究对象,对后视镜进行形貌变形分析,提出基于试验设计的优化方法.对三维模型进行有限元网格无关性验证,通过仿真计算得到该车型初始造型的整车风阻系数C;和后视镜表面压力云图.选取后视镜上半部分形貌变形区域上与面网格贴合的控制点作为设计变量,利用均匀拉丁超立方选点方式对变形网格样本点抽样,通过STAR-CCM+软件进行整车气动阻力分析.并相比初始模型,得到最佳减阻方案在整车风阻系数和后视镜表面压力方面都有下降.最后,通过整车风洞试验对优化方案进行实验验证.

考虑几何不确定性的翼型随机参数化方法研究

参数化方法是翼型设计的重要方法。在翼型设计阶段,参数化模型中的变量通常认为在一定区间内变化,并进行离散化。参数化模型的变量较多时,设计样本空间大,计算量大。本文提出一种翼型的随机参数化设计方法,采用类/形函数变换方法参数化翼型,参数化模型的变量为服从一定概率分布的随机变量,基于不确定性量化方法与CFD模拟获得翼型气动性能的统计特性。将此方法与OpenFOAM耦合,对S809翼型进行了随机参数化建模,比较了蒙特卡洛、拉丁超立方和基于稀疏网格的多项式混沌法与CFD结合的精度和效率。结果表明基于稀疏网格的多项式混沌法收敛速度快和精度高,可以大幅减小高维设计变量下的计算量;通过敏感性分析寻找了影响翼型气动性能的主要设计变量。