基于进化Kriging模型的金属加筋板结构布局优化方法

借助于试验设计和进化Kriging近似模型,提出了一种金属加筋板结构布局优化策略。其基本思想是用试验设计法选取样本点,进行有限元分析得到该样本点的响应(重量、屈曲因子和剩余强度系数),以此分别建立Kriging近似模型。并采用更新技术提高Kriging模型的精度,应用折衷法和遗传算法对该近似模型进行优化获得最优解。金属加筋板结构设计变量包括加强筋型式、加强筋间距和尺寸变量,约束为强度和屈曲。本文所做的金属材料加筋板结构布局优化设计算例表明,所提方法优化效果明显,优化效率高。

基于进化Kriging模型的金属框板结构优化研究

金属加筋板在飞机结构设计中应用广泛,其优化改型设计亦备受重视,文章将借助试验设计和进化Kriging近似模型对金属加筋板尺寸进行优化设计,并采用多目标遗传算法NSGA-Ⅱ对近似模型寻优得到最优解。通过对金属框板结构稳定性优化计算结果分析,可以确定所提出的优化设计效果显著且优化效率高。

基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正

标准差分进化自适应Metropolis(differential evolution adaptive Metropolis,DREAM)算法需进行多条马氏链并行计算,存在收敛效率低和计算成本高的问题。为此,提出一种基于Kriging模型的多次尝试差分进化贝叶斯有限元模型修正(multiple-try differential evolution adaptive Metropolis with“ZS”,MT-DREAM(ZS))框架。该框架在DREAM的基础上引入历史向量差分采样、斯诺克更新以及多次尝试Metropolis抽样,并利用Kriging模型代替有限元模型进行随机抽样,实现利用极少数并行链便可快速探索多维修正参数后验分布。利用固结钢板梁模型试验,比较了DREAM和MT-DREAM(ZS)的修正效果。结果表明:MT-DREAM(ZS)可实现马尔科夫链的快速收敛,其收敛效率较DREAM提升了3.42倍,且修正结果精度和稳定性有提升;Kriging模型可大幅度降低计算成本。所提框架为解决多参数不确定模型修正中的收敛效率低和计算成本高等问题提供了一种新思路。

基于Kriging代理模型的无刷双馈发电机转子优化设计

无刷双馈发电机由于其自身没有电刷、滑环等结构特点,因此被认为是最有希望成为风力发电系统的主流发电机之一。无刷双馈发电机是依靠转子的磁场调制机理实现机电能量转换,其转子的耦合能力是影响电机性能的重要因素。因此本文提出了一种串联笼条辅助磁障转子的新型转子结构,分析了该种转子不同结构参数对电机性能的影响,并提出一种基于Kriging代理模型的多目标差分进化算法的无刷双馈发电机转子优化设计方法。首先建立该种新型转子的参数化模型,通过Kriging代理模型建立优化变量与优化目标之间的响应关系,再利用多目标差分进化算法找到最优的变量组合,最后通过有限元仿真对电机的性能进行分析。

基于Kriging插值代理模型的轴流式止回阀多目标优化

基于Kriging插值代理模型,对轴流式止回阀的各项性能进行综合优化,具体的优化目标为:降低正向流阻;减小阀芯振动;提升止回性能。通过试验设计方案找到影响轴流式止回阀正向流阻的主要结构参数因素,并以其作为优化对象,通过Kriging插值法拟合主要结构参数对应的性能样本点,在保证拟合精度的情况下,使用NSGA-II遗传算法同时对3个主要结构参数进行多目标优化,得到了三目标Pareto前沿,经过权衡不同因素对性能指标的影响大小,最终得到了综合性能最优的结构参数为:阀瓣丰满度系数α_(1)=2.199,阀芯长度L=386.322 mm,阀芯半径R=113.997 mm。其对应的止回阀性能为:正向出口流量Q=161.839 kg/s,正向出口流速v=3.30235 m/s,止回阀进口压力p=97632.2287 Pa。相比优化之前,阀门正向流阻减小了1.2%,阀芯振动降低了0.24%,止回性能提升了2.3%。

Kriging水动力学代理模型在水库群优化调度中的应用

为解决传统水动力学模型结合调度模型求解耗时长的难题,使用代理模型模拟水动力学模型以提升求解效率。从金沙江下游—三峡梯级水库调度实际出发,结合水动力学和代理模型相关理论,建立了基于Kriging代理模型的水库群多目标调度模型并采用多目标进化算法对模型进行求解,最后采用投影追踪法对得到的多目标帕累托前沿进行决策。研究结果表明,代理模型的平均模拟误差≤1.5%,能够较为精确地替代原有长耗时水动力学模型并结合调度模型给出具有竞争关系的帕累托前沿及合理的折衷方案,对促进梯级水库综合效益发挥提供理论依据。

基于自适应Kriging模型的双螺旋轴可靠性分析

双螺旋轴是高速水稻插秧机的关键部分,其回转槽面在强轴向力作用下容易破坏失效,因此对双螺旋轴进行可靠性分析十分重要.针对传统方法获得其可靠度耗资大、时间长的问题,采用自适应Kriging模型结合Monte Carlo模拟的可靠性分析方法(AK-MCS)对双螺旋轴进行可靠性分析,以减少计算成本、提高计算效率.根据双螺旋轴的工况条件,考虑材料密度、工作载荷、工作温度3个参数对其所受挤压应力的影响,进行可靠性分析.分析结果表明:在许用应力值为613.21 MPa的条件下,计算得出双螺旋轴的可靠度为0.9986.与单一的Monte Carlo模拟法进行对比,本文提出的评估方法在仿真效率上有明显优势,为双螺旋轴可靠性分析提供了一种思路.

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。

一种基于自适应Kriging集成模型的结构可靠性分析方法

基于Kriging模型的复杂结构可靠性分析结果高度依赖于Kriging模型的拟合精度,在构建Kriging模型的过程中,不同相关函数和回归函数的选择均会影响模型精度。为解决模型的不确定性对可靠性分析结果的影响,同时兼顾计算效率和精度,基于Kriging模型和蒙特卡罗模拟(MCS)方法,提出了一种结合自适应集成策略和主动学习函数的结构可靠度计算方法。该方法考虑Kriging模型的建模不确定性,将多种Kriging模型组合,构建了一种综合考虑样本点贡献和样本点距离的主动学习函数,通过主动学习函数迭代更新集成Kriging模型直至满足收敛条件,最后通过构建的集成Kriging模型和MCS方法进行结构可靠性分析。数值算例和工程算例结果验证了所提方法的有效性,该方法与其他主要方法相比稳健性更好,在保证计算精度的同时,计算效率更高。

基于Kriging模型的高速水稻插秧机移箱机构滑块可靠性分析

【目的】高速水稻插秧机移箱机构中的滑块在受到较大轴向冲击载荷时容易破坏断裂,为保证移箱机构的可靠性,对其进行可靠性分析,供滑块的结构设计优化参考。【方法】首先通过ANSYS Workbench进行热-结构耦合分析获得滑块所受最大应力值,然后采用Kriging模型结合MonteCarlo模拟的可靠性分析方法,考虑材料密度、工作温度和工作载荷的影响,计算了滑块的可靠度和灵敏度。【结果与结论】在许用应力值为523.21 MPa时,滑块的可靠度为0.9987,其中工作载荷对滑块所受应力值的影响概率最大,其次为工作温度和材料密度,分析结果可为滑块的结构设计提供参考。

基于Kriging模型的主轴箱多目标尺寸优化

以自研五轴工具磨床为研究对象,利用Inventor建立其三维模型,导入ANSYS Workbench建立其整机有限元模型,通过对整机的模态分析与谐响应分析确定主轴箱为影响整机动态特性的关键部件。对主轴箱进行静动态特性分析,以主轴箱1阶固有频率、几何质量与最大变形量为目标函数,以主轴箱各壁厚以及斜度等为设计变量,基于Kriging法建立其响应面模型,对其进行多目标优化,从而得出最优Pareto解集,最后对优化后主轴箱进行验证。结果表明:主轴箱的1阶固有频率从113.03 Hz提升至144.50 Hz,提升了27.84%,几何质量减少了3.83%,最大变形量减少了10.31%,主轴箱综合性能显著提高。

多目标差分进化算法改进与电工钢片磁致伸缩模型参数辨识

准确且高效地辨识电工钢片磁致伸缩模型参数是模型在变压器铁心振动分析中的应用前提。针对现有单目标优化算法不能兼顾参数辨识精度和速度的问题,该文基于改进Jiles-Atherton-Sablik和Energetic模型相结合的磁致伸缩模型,将该模型的参数辨识转换为多目标优化问题。以磁滞回线和磁致伸缩曲线的均方根误差作为待优化的2个目标,建立参数辨识的多目标优化数学模型。基于该模型,从控制参数自适应技术、变异算子改进策略以及选择算子改进策略3个方面对多目标差分进化算法进行改进,从而提出一种采用改进多目标差分进化算法的磁致伸缩模型参数辨识方法。通过与现有方法对比,该文方法的磁滞回线求解精度提升17.84%,磁致伸缩曲线求解精度提升13.60%,辨识速度提升41.57%。

自适应模型选用辅助的多种群进化算法

代理模型辅助的进化算法是求解目标函数评价昂贵优化问题的有效方法.在这类算法中,算法的搜索策略和填充采样策略是在有限评价次数下获得优化问题较好解的重要因素.为此,本文使用多种群搜索策略用于平衡种群搜索的多样性和收敛性,同时基于个体和训练样本之间目标函数值的距离自适应选择模型进行个体的目标函数值估计,以提高估值的准确度.为了验证算法的有效性,在CEC2005测试函数以及扩频雷达Polly编码优化设计问题上进行测试,并和现有求解昂贵优化问题的算法进行了结果对比.实验结果表明本文提出的算法在目标函数评价次数有限的情况下能够获得昂贵优化问题的较好解.

基于AL-Kriging模型及PSO算法的桥机主梁优化

为解决有限元模型和群智能算法相结合的起重机结构优化计算的计算成本昂贵的问题,该文基于AL-Kriging代理模型和粒子群智能优化算法构建了起重机主梁优化方法,在该方法中通过EFF学习函数选择优化所需的有效样本点,从而用较少的高保真计算样本构建出满足精度要求的代理模型,再通过PSO算法以及所构建好的代理模型完成结构优化。通过工程案例验证证明,在取得同样计算结果的情况下,与基于静态Kriging模型相比,该方法的优化时间节省了70%,调用样本数仅为静态代理模型的27%,证明了所构建的优化方法是可行和有效的。

基于Kriging元模型的多级供应链稳健优化设计

由于多级供应链的结构复杂性和目标多重性,不确定性因素对其整体绩效的影响不可忽视。为了估量不确定性因素对其整体绩效的影响,首先,将arena仿真和Kriging元建模技术相融合,基于稳健参数设计的思想,构建多个绩效响应指标的均值和标准差Kriging元模型;其次,借助已构建的Kriging元模型和满意度函数法,构建基于Kriging元模型的稳健综合满意度优化设计策略;最后,采用非参数bootstrap重复方法刻画不确定因素对稳健优化解的影响,并与基于多项式元模型的稳健优化方法进行比较分析,仿真验证了所提方法的有效性和稳健性。结果表明,所提方法能够有效解决不确定条件下具有多绩效响应指标的多级供应链的稳健优化设计,在保证供应链系统达到期望最优绩效的同时,尽可能地降低不确定性因素对供应链绩效的影响,为多级供应链的稳健运营提供一定的理论依据和决策参考。

基于Kriging模型的造纸法再造烟叶筛分工艺参数优化方法

为充分考虑造纸法再造烟叶筛分工艺参数的随机变化,以水流速度和烟浆固含量为设计参数,以筛分后12目以上纤维质量占比和50目以下纤维质量占比为性能响应,提出了基于Kriging模型的造纸法再造烟叶筛分工艺参数优化方法。首先,以当前工艺参数为继承点进行继承拉丁超立方采样和筛分实验,在此基础上构建初始Kriging模型以拟合水流速度和烟浆固含量与12目以下纤维质量占比和50目以上纤维质量占比间的隐式关系;其次,采用局部自适应采样方法开展序列采样以提高Kriging模型在优化迭代关键点的精度;最后,利用蒙特卡罗仿真-序列二次规划计算最优的再造烟叶筛分工艺参数。结果表明:优化得到的水流速度和烟浆固含量分别为6.31 L/min和0.53%,该工艺参数下的12目以下纤维质量占比为13.72%,较优化前提升了7.19%;50目以上纤维质量占比为17.65%,较优化前降低了4.13%。该方法能够满足造纸法再造烟叶筛分工艺参数优化需求。

基于Fiducial推断的Kriging模型选择

计算机试验异军突起,并因其经济性而越来越普遍地取代物理实验。Kriging模型作为计算机试验的元模型之一,因其使用简单、灵活被广泛地应用于各大领域。本文给出了基于Fiducial推断的Kriging模型选择方法,并与Lasso和Elastic Net惩罚下的选择方法相比较。数值模拟和实例分析表明Elastic Net惩罚下的选择方法优于Lasso,基于Fiducial推断的模型选择方法相较于Lasso和Elastic Net具有更高的拟合准确性和预测精度。

基于Kriging模型与MOGA的制动盘响应面优化

针对盘式制动盘在制动过程中的热衰退现象,以Xhu-panda纯电动方程式赛车的制动盘为研究对象,根据设计要求用ANSYS建立简化制动盘CAE模型,并以制动盘厚度、通风孔直径作为设计变量,制动最高温度、制动盘最小质量为设计目标建立Kriging模型,运用多目标遗传算法(MOGA)寻求设计目标的Pareto最优解。通过对响应面优化及验证结果进行对比分析,优化前后制动最高温度最大可降低7.50%,优化效果显著。证实了响应面优化方法的可行性,并为制动盘结构设计提供一定的参考。

自适应进化模型下的土壤重金属含量预测

针对Elman神经网络在土壤重金属含量预测时出现预测精度低、模型收敛速度慢等问题,提出一种自适应进化模型(AEM)。该模型以Elman神经网络为基础,运用贝叶斯正则化优化Elman神经网络的目标函数,提高网络模型预测精度;为解决网络模型收敛速度慢和易陷入局部极值等缺陷,采用自适应灰狼算法(AGWA)对网络模型初始参数进行优化;采用基于熵权距离的离群点检测法剔除数据中的离群点,以降低离群点对预测结果的干扰。以武汉市农业科学院采集的农田土壤重金属含量数据进行预测试验,AEM模型预测重金属含量的平均绝对误差和平均绝对百分比误差分别为1.623和17.48%,其决定系数比Elman的提高了0.394。AEM、自调整反距离加权插值模型(SIDIM)、小波神经网络模型(CBSA-WNN)、双向门控循环神经网络模型(SBGRNN)及Elman神经网络模型等5种不同预测模型进行对比试验表明,AEM模型在土壤重金属含量预测上具有更高的准确性。消融试验结果表明,贝叶斯正则化优化、自适应灰狼算法优化和基于熵权距离的离群点检测的离群点数据剔除等3个改进点对于提升土壤重金属含量预测精度均有一定的贡献。

一类SIS模型病原体毒力进化动力学分析

本文利用适应性动力学等理论对病原体的毒力演化进行分析,讨论可能出现的进化效果,能够为疾病的治疗方案设计、防控策略的制订提供一定的理论依据。通过引入经典的传染病SIS模型,应用进化入侵分析方法来讨论病原体能否产生进化分支,结合进化动力学理论研究了进化稳定性与感染者的恢复率、出生率之间的关系. 研究结果表明,如果权衡函数在进化奇异策略处是凹的,则该策略是收敛稳定并且是进化稳定的,即该策略为连续稳定策略,病原体不会产生进化分支。