已有降维方法的推广

SAVE,PHD和SIR_(Ⅱ)已被证明是有效的降维方法,这些方法基于下面的两个假设:线性条件和常数方差条件.但是,常数方差条件非常强.当常数方差不成立时,即使线性条件成立,SAVE,PHD和SIR_(Ⅱ)经常会找到中心空间之外的方向.通过去掉了常数方差条件,在较弱条件下推广了SAVE,PHD和SIR_(Ⅱ).从而使得在较弱的条件下,能得到中心空间的正确估计.

基于核主成分分析的涡轮盘结构设计优化

为解决轮盘形状优化过程中变量多且高度非线性的问题,建立了基于核主成分分析(Kernelized Principal Component Analysis,KPCA)技术的航空发动机轮盘优化方法。利用控制点形式的非均匀有理B样条(NURBS)曲线构造涡轮盘截面形状,以控制点的坐标作为设计变量;利用实验设计(DOE)进行采样,从中选取60个较优样本,计算核矩阵K,应用核矩阵K的特征向量计算投影向量的系数矩阵,采用投影后的变量作为新的设计变量,重构设计空间;最后,在降维后的设计空间中优化涡轮盘。结果表明:优化后轮心当量应力降低4.21%,周向应力降低0.26%,轮背径向应力降低1.58%,子午截面平均周向应力降低2.57%,圆柱截面平均径向应力降低6.51%。