基于改进拉丁超立方抽样的高墩铁路桥梁地震可靠度分析方法

为高效准确地量化非线性结构的关键地震响应极值分布以及构件失效概率,在考虑结构和地震双重不确定的前提下发展一种有效的结构动力可靠度评估框架。首先详细阐述和发展了地震可靠度分析的理论方法,主要包括非平稳地震动的降维模拟,分数矩的单循环最大熵理论,以及与中心L2偏差相结合的拉丁超立方抽样方法三部分。然后通过一个三层非线性混凝土框架结构对所提出的方法进行初步验证。最后将提出的可靠度分析方法运用于西部山区某高墩大跨铁路刚构桥,开展高墩大跨刚构桥关键构件的地震可靠度分析,并与蒙特卡洛模拟结果进行对比,进一步验证该方法的高效性与适用性,为山区高墩大跨铁路桥梁抗震设防提供技术支撑。

基于最优拉丁超立方设计的糖尿病足鞋垫优化设计

目的提出一种鞋材弹性模量与厚度联合优化设计糖尿病足鞋垫的方法,以降低足底压力和软组织内部应力。方法通过逆向工程方法建立足部有限元模型,基于足底压力分布特征划分鞋垫压力区域,采用有限元法对接触力学进行研究,为优化过程中调整不同区域内材料的弹性模量和鞋垫前后足厚度奠定基础,使用最优拉丁超立方设计得到最优参数组合。结果设计的鞋垫增加约37.55%的足底接触面积,跖骨区和足跟区的压力峰值分别降低15.07%、36.96%,足跟处软组织内部应力降低20.83%,足底筋膜张力降低约60%。结论所提出的方法可用于设计定制鞋垫,设计的个性化鞋垫具有更大的接触面积和降低糖尿病足底溃疡的良好潜力。

基于拉丁超立方体的改进白骨顶鸡算法

针对白骨顶鸡算法求解工程问题时收敛速度慢,易陷入局部最优等不足,提出一种基于拉丁超立方体的改进白骨顶鸡算法。使用拉丁超立方体抽样增强初始种群的均匀性和多样性;引入非线性决策因子和自适应动态边界机制,提高算法全局搜索和局部开发能力;利用柯西变异对最优解进行扰动,帮助算法跳出局部最优。在16个基准函数、高维函数和工程问题进行仿真,其结果验证,该算法收敛速度和寻优精度良好,在工程问题上具有可行性和有效性。

基于拉丁超立方算法的永磁同步电机设计优化

为了设计出起动性能好,运行更加稳定的V形内置式永磁同步电机,通过改善空气隔磁槽结构的方法对空载反电势、气隙磁密、齿槽转矩、转矩脉动进行优化。将空气隔磁槽几何参数作为待优化变量,采用拉丁超立方抽样算法进行多目标优化,得到最优参数组合。优化后齿槽转矩下降了45%,转矩脉动下降了4.4%,电磁转矩提升了5.2%。优化结果理想,验证了该永磁同步电机优化方案的合理性。

基于最优拉丁超立方抽样方法和NSGA–Ⅱ算法的注射成型多目标优化

提出应用最优拉丁超立方抽样的方法并结合响应面模型和带精英策略的非支配排序遗传算法(NSGA-II算法)实现注射工艺多目标优化,缩短寻找最优工艺参数的时间,提高塑件生产效率。以充电宝上盖塑件的体积收缩率、缩痕指数为优化目标,以模具温度、熔体温度、保压时间、保压压力、冷却时间作为影响因素。通过模流分析获得优化目标值;建立体积收缩率、缩痕指数与影响因素之间的响应面模型并通过复相关系数评价了响应面模型的有效性;基于NSGA-II算法在响应面模型内自主寻优,获得了满足塑件注塑成型质量的一组最优工艺参数组合。优化后的体积收缩率为5.584%,比优化前的体积收缩率6.337%降低了11.88%;优化后的缩痕指数为1.458%,比优化前的缩痕指数1.681%降低了13.27%,优化效果明显。

一种快速优化拉丁超立方试验设计方法

工程设计优化中,优化试验设计方法常常用于求解大型复杂系统问题。针对传统优化试验设计方法计算耗时长、效率低的问题,提出一种快速优化拉丁超立方试验设计方法:在拉丁超立方抽样框架下,采用基于最大最小距离准则连续局部枚举方法设计生成高性能小尺寸基础样本,然后利用平移传播算法通过"平移"基础样本快速获得大尺寸试验样本。结合提出的样本尺寸调整策略,使该方法可以快速得到空间填充性能和映射性能良好的任意尺寸试验样本。测试结果表明快速优化拉丁超立方试验设计方法能够兼顾设计效率和样本性能,优于已有典型试验设计方法。

分层拉丁超立方体抽样方法及应用

为了提高样本数据的质量,文章提出了一种新的抽样方法——分层拉丁超立方体抽样,给出了该抽样方法的定义以及实现算法,证明了在相应条件下该抽样方法的估计精度比分层随机抽样方法更高,可以更有效地缩减蒙特卡罗方差。同时,还通过数值模拟比较了分层拉丁超立方体抽样与分层随机抽样在用蒙特卡罗方法估计定积分时的效果,数值模拟结果验证了上述结论的正确性。

基于最优拉丁超立方抽样的动车组轴箱弹簧稳健设计

传统的动车组轴箱弹簧设计方法不易确定其性能的主要影响因素,设计盲目性较大,且不能较好反映各关键技术参数波动对弹簧性能的影响。为此,引入权重系数,将弹簧刚度和疲劳强度同时作为考核弹簧性能的综合指标,建立其望小特性的稳健设计模型,采用最优拉丁超立方抽样的方法求出各设计参数对综合性能指标的贡献率,以此提高弹簧的设计质量。分析结果表明:簧条直径对弹簧综合性能指标影响最大;当权重系数选择在0.5~0.65,并且簧条直径变异系数控制在0.5~1.2%时,弹簧综合性能影响最小。

基于拉丁超立方试验设计的滑动适配器刚度优化

为解决导弹滑动适配器重量大的问题,选用了合适的滑动适配器材料及本构模型,对典型拓扑结构滑动适配器开展了刚强度优化分析。基于优化拉丁超立方试验设计方法获得样本空间,通过径向基神经网络方法建立了滑动适配器结构刚强度近似模型,再使用多岛遗传算法对近似模型在设计空间内进行寻优,通过有限元计算对优化后的滑动适配器结构进行刚度分析,结果表明:优化后的结构较优化前的结构重量减轻12.73%、改善度为52.39%。

拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法

针对蝴蝶优化算法存在种群多样性差、寻优精度低、收敛速度慢的不足,提出了拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法。首先利用拉丁超立方抽样种群初始化策略以提高种群的多样性,从而增强算法的全局搜索能力;然后引入在不同进化时期自动调节搜索范围的自适应最优引导策略,平衡算法的全局和局部搜索能力,从而提升算法的寻优精度;最后采用高斯小孔成像策略,对最优个体进行扰动,使得种群个体向最优个体靠近,以进一步提升算法的寻优精度并加快算法的收敛速度。通过对14个基准测试函数进行仿真实验以及Wilcoxon秩和检验,结果表明改进算法的寻优精度、收敛速度、稳定性和可扩展性等性能均得到了较大提高。

基于响应面法的60MN压剪试验机上横梁优化设计

针对压剪试验机大承载、小变形与轻量化的要求,结合有限元分析运用响应面法对60MN压剪试验机上横梁进行优化设计。首先运用拉丁超立方抽样法生成试验设计样本点,并根据设计结果采用多种拟合方法拟合并对精度校验,发现克里金(Kriging)法能够精确地与拉丁超立法实验设计法生成的实验点匹配,而且拟合的响应面模型高效且精准;然后以上横梁应力、质量、变形为优化目标,运用多目标遗传算法进行优化设计得出最优解,并通过灵敏度分析对优化后的结果进行修正,使其更具有工程应用价值。经校验优化后的结构比原始结构减重11.8%,优化效果显著,节省了生产成本,对压剪试验机的结构优化设计有重要的实际意义,同时也为其它类似结构件的优化分析提供参考。

Kriging插值与拉丁超立方试验相结合构造电路元模型

电路系统的设计与优化常常需要参数与指标间简单、直接的模型,即电路的元模型。本文将Kriging插值和拉丁超立方抽样试验相结合构造了低功耗集成运算放大器的元模型。对于这种输出结果为确定值的电路仿真试验,与基于传统部分要因试验设计的多项式回归模型相比,Kriging模型具有更高的预测能力。

基于拉丁超立方抽样的有限元可靠度程序开发及应用

在地下工程结构可靠性分析中,岩土体参数离散性大,功能函数非线性程度高,常为隐式函数,因此,对可靠度计算方法提出了很高的要求。针对传统蒙特卡罗抽样方法计算量非常大,难以满足工程要求的问题,基于拉丁超立方抽样技术,结合了Matlab和有限元软件Abaqus各自的优点,编制了Matlab-Abaqus联合计算的有限元可靠度程序,该程序具有节省样本空间、提高抽样效率的显著特点。通过对某圆形隧道的结构可靠性分析,表明该程序能很快达到收敛,能够满足地下工程结构可靠性计算分析的要求。

电力系统可靠性评估中的改进拉丁超立方抽样方法

将拉丁超立方抽样方法与重要抽样方法相结合,提出了一种应用于电力系统可靠性评估的改进拉丁超立方抽样方法。该方法首先通过重要抽样改变原系统样本空间的概率分布,然后对新概率分布进行拉丁超立方抽样,降低了抽样方差,避免了系统正常状态的大量重复抽样。应用该方法对IEEE-RTS系统与IEEE-RTS修改系统进行可靠性评估,并与常规非序贯蒙特卡洛抽样方法和传统拉丁超立方抽样方法的结果进行了比较。比较结果验证了所提出的方法在保证一定计算精度的条件下,可降低抽样方差,提高抽样效率,并且可适用于高可靠性的系统可靠性评估。

基于进化算法改进拉丁超立方抽样的概率潮流计算

在对电力系统安全风险评估时所需概率潮流计算的模拟法中,基于拉丁超立方抽样(Latin hypercube sampling,LHS)的蒙特卡罗(Monte Carlo,MC)模拟比简单MC模拟效率更高。但针对概率潮流问题,目前在相关性控制方面仍待改善。为提高基于LHS法的MC模拟在概率潮流计算中的效率,从两方面改进算法:一方面,对随机变量间相关系数矩阵非正定情况提出含进化算法的改进中值拉丁超立方抽样法;另一方面,为顾及概率分布的尾部特征,提出拉丁超立方重要抽样技术。对IEEE 30和IEEE 118节点系统进行考虑发电机无功出力约束的局部相关性试验,所提方法能有效地控制相关性,并具有良好的收敛性。试验结果表明该方法是有效和合理的。

基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法

提出了基于拉丁超立方抽样的边坡可靠度分析非侵入式随机有限元法。采用有限元滑面应力法计算边坡稳定安全系数,通过Hermite随机多项式展开拟合边坡安全系数与输入随机变量间隐式函数关系,采用拉丁超立方抽样技术产生配点计算随机多项式展开系数。研究了该方法在锦屏I级水电站左岸边坡稳定可靠度分析中的应用。结果表明:基于拉丁超立方抽样的非侵入式随机有限元法实现了边坡可靠度分析和边坡稳定有限元分析过程不耦合,该方法计算精度高,为复杂高陡边坡可靠度问题求解提供了一条有效的途径。基于拉丁超立方抽样技术计算随机多项式展开系数,所需样本点数目约等于待定系数数目,其计算效率高于常用的概率配点方法。锦屏I级左岸边坡断层f42-9的内摩擦角敏感性程度最大,它对边坡稳定性具有重要的影响,其次为III2类岩体的内摩擦角,其余变量对边坡稳定性影响不明显。表征输入参数敏感性的Sobol指标为边坡加固方案的制定提供了参考依据。

铁道供电系统信息流延时的拉丁超立方抽样蒙特卡洛模拟

针对铁道供电系统信息流处理中的延时问题,建立主备模式的通信预处理队列模型、并列服务器实时队列模型和服务器轮询队列模型。利用拉丁超立方抽样技术和蒙特卡洛方法对信息流服务过程进行研究,运用统计学方法得出排队参数概率分布、置信区间和模拟次数之间的关系。以2M光纤通信为例,取平均到达率1 024kB·s-1和平均服务率1 500kB·s-1进行蒙特卡洛模拟。结果表明:报文字节处理服务延时可控制在2～3ms左右;验证了用拉丁超立方抽样代替随机抽样,可减少蒙特卡洛模拟的次数。比较并列服务器和单服务器的实时处理队列平均等待时间模拟结果可知:相同条件下单服务器的实时处理队列平均等待时间超出10ms的概率为82.95%,超出13ms的概率为56.08%,均大于并列服务器实时处理队列平均等待时间的概率。因此,采用并列服务器配置方式可减少铁道供电系统信息流实时处理中的平均等待延时。

拉丁超立方抽样在非能动系统可靠性分析中的应用与发展

拉丁超立方抽样(Latin Hypercube Sampling,LHS)方法具有较好的空间填充特性和良好的概率性质,广泛应用于计算机仿真领域,以解决复杂系统计算机仿真的巨大运算代价问题和复杂系统的精确替代模型建立问题。本文介绍了LHS方法在非能动系统可靠性分析中的优势,综述了LHS的改进方法、优化方法及样本扩展方法,给出LHS方法在核能领域的应用及存在的问题。最后,指出LHS方法应用于非能动系统可靠性分析中的发展趋势与方向。

基于拉丁超立方抽样及响应面的结构模糊分析

在对边值模糊分析方法和优化边值模糊分析方法研究的基础上,将拉丁超立方抽样和响应面方法引入结构模糊分析,提出一种基于拉丁超立方抽样及响应面的模糊分析方法。讨论这种方法的数学运算,并与Monte Carlo方法进行比较。最后基于这种方法,对一个用隐式方程描述的有限元悬臂梁模型进行模糊分析,得到变形模糊结果。

拉丁超立方体抽样遗传算法求解图的二划分问题

图的二划分问题是一个典型的NP-hard组合优化问题,在许多领域都有重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.基于理想浓度模型的机理分析,利用拉丁超立方体抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个解决图二划分问题的新的遗传算法,称之为拉丁超立方体抽样遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较,可以看出新的算法提高了求解的质量、速度和精度.