针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical p...针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming,ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm,GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明:相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section,RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function,Nfe)降低了93.5%。展开更多
针对机械产品全寿命周期的时变可靠性问题,提出了自适应首次穿越点(First-crossing time point,FCTP)的概率分布模型,可获得寿命周期内可靠性的演化规律,为机械产品在全寿命周期内可靠性分析和设计提供了工具。对于传统时变可靠性首次...针对机械产品全寿命周期的时变可靠性问题,提出了自适应首次穿越点(First-crossing time point,FCTP)的概率分布模型,可获得寿命周期内可靠性的演化规律,为机械产品在全寿命周期内可靠性分析和设计提供了工具。对于传统时变可靠性首次穿越法中首次穿越率模型估计困难的问题,首先基于支持向量回归提出首次穿越时间点自适应代理模型;其次,采用拉丁化部分分层抽样(Latinized partially stratified sampling,LPSS)估计首次穿越时间点代理模型的四阶原点矩;再次,以距离代理模型一阶矩最近的点为中心,结合均匀分布构建自适应学习函数;然后,以相邻两次迭代的各阶矩最大误差为收敛条件,建立最优的首次穿越时间点的代理模型;最后,基于最优代理模型,利用核密度函数求解首次穿越点的概率密度函数(Probability density function,PDF),获得产品寿命周期内时变可靠性的演化趋势。通过三个算例验证了所提方法的有效性。展开更多
文摘针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming,ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm,GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明:相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section,RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function,Nfe)降低了93.5%。
文摘针对机械产品全寿命周期的时变可靠性问题,提出了自适应首次穿越点(First-crossing time point,FCTP)的概率分布模型,可获得寿命周期内可靠性的演化规律,为机械产品在全寿命周期内可靠性分析和设计提供了工具。对于传统时变可靠性首次穿越法中首次穿越率模型估计困难的问题,首先基于支持向量回归提出首次穿越时间点自适应代理模型;其次,采用拉丁化部分分层抽样(Latinized partially stratified sampling,LPSS)估计首次穿越时间点代理模型的四阶原点矩;再次,以距离代理模型一阶矩最近的点为中心,结合均匀分布构建自适应学习函数;然后,以相邻两次迭代的各阶矩最大误差为收敛条件,建立最优的首次穿越时间点的代理模型;最后,基于最优代理模型,利用核密度函数求解首次穿越点的概率密度函数(Probability density function,PDF),获得产品寿命周期内时变可靠性的演化趋势。通过三个算例验证了所提方法的有效性。