基于Kriging的多阶段加点策略及离心叶轮汽蚀优化

为了实现燃油离心泵汽蚀特性智能优化设计,提出一种基于Kriging的多阶段主动学习加点策略。重点是建立3个阶段的加点策略,并明确各阶段加点策略的切换判据。基于一维函数、多维函数等测试函数,与单加点策略对比以验证多阶段主动学习加点策略的有效性。进而,以某型燃油离心泵为例,完成所提出加点策略在其汽蚀特性的优化应用。测试函数算例结果表明:多阶段主动学习加点策略达到相同精度所需时间稍长于单MSE策略,优于单EI策略与单CV策略;但相比单MSE策略,全局最优解局部精度更高。离心泵汽蚀特性优化结果表明:优化泵进口处压力损失降低且进口处回流、旋涡等局部流动减弱,蜗壳内压力梯度增大且其出口处旋涡流动减弱;优化泵的汽蚀系数提高30.83%,汽蚀余量下降9.14%,汽蚀比转数下降7.17%,泵内气体含量下降17.27%,所提出的方法有效地提高了离心泵的抗汽蚀性能。

基于多峰优化Kriging模型与距离相关系数的高速列车动力学参数多输出灵敏度分析

高速列车动力学参数较多,有多个动力学性能的评价指标。综合考虑这些动力学指标进行参数灵敏度分析,对高速列车动力学参数的恰当匹配具有重要意义。现有的单输出灵敏度分析技术难以准确度量参数对车辆动力学综合性能的影响。为避免这一缺陷,本文引入了一种新的基于距离相关系数的多输出灵敏度分析技术。该方法通过求解单个输入与多个输出变量之间的距离相关系数,实现多输出全局灵敏度分析的目的。为提高灵敏度分析的效率,建立了多个动力学指标与输入参数的Kriging模型;为提高近似模型的精度,引入了一种新颖的多峰优化算法对Kriging模型的超参数进行全局寻优。与传统单目标智能优化算法不同,该优化算法通过引入种群差异指标,将单目标优化问题转化为双目标优化问题,从而增加了子代种群的多样性,避免了传统优化算法易于陷入局部最优解的问题。基于所提方法,以和谐号动车组动车为例,研究了多个动力学指标的多输出全局灵敏度。结果表明:由于增强了种群多样性,所提的超参数优化方法对Kriging模型精度和稳定性提升效果明显;基于距离相关系数的灵敏度分析方法能够更加合理地识别出对车辆动力学综合性能影响较大的参数,排除几乎没有影响的参数。

应用时空复合趋势面Kriging方法插值地表沉降

通过布设监测点可反映地表沉降变化趋势,确保施工和运营期间安全,但沉降监测点数量有限,且易受施工作业、天气等因素干扰导致数据缺失或污染,因此需对监测区域数据进行插值处理。针对采用传统地统计插值方法估计地铁地表沉降趋势精度较低的问题,提出了一种基于时空复合趋势面的Kriging插值方法。以乌鲁木齐地铁3号线2017年6月24日—9月3日共15期地铁地表沉降观测值为实验数据,分别采用两种方法对沉降监测点缺失数据进行插补。结果表明,相较于传统方法,基于时空复合趋势面的Kriging插值方法的拟合精度更高,RMSE可降低约35%。

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模型与FORM的钢板组合梁桥结构优化设计

考虑材料参数的不确定性以及设计变量多重约束条件的影响,提出了基于可靠性分析的钢板组合梁桥结构优化设计方法。首先,利用拉丁超立方试验设计(Latin hypercube design,LHD)构建试验组合方案,并通过有限元分析获取试验设计组合下的最大挠度响应值。基于获取的训练样本,构建能够表征结构最大挠度值与随机输入之间映射关系的Kriging代理模型。基于建立的代理模型,以钢结构截面积最小化为目标函数,建立符合规范要求与可靠度约束的优化数学模型,并采用一阶可靠性方法(first order reliability method,FORM),实现设计变量优化。通过比较具有相同设计变量上限,但下限分别为初始值的80%和70%两种优化设计方案,评估了两者在相同阈值以及不同阈值下设计变量的优化结果。最后对方案二在阈值为17 mm下的优化结果进行极限状态验算。结果表明:两个优化设计方案在阈值为17 mm下的优化结果更具合理性,并且方案二在同一阈值下具有更高的优化程度。随着阈值增加,优化程度增加,且腹板高度在较大阈值下对结果影响更大,而翼缘宽度在较小阈值下影响更大。

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%。

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。

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.

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的耐压球壳可靠性计算方法研究

为研究耐压球壳的可靠性计算问题,提出基于自适应Kriging的耐压球壳可靠性计算方法。该方法主要包括在开展试验设计的基础上,基于有限元方法获得样本点对应的承载能力,使用自适应Kriging方法结合ERF学习函数构建结构失效方程,并在此基础上开展可靠性计算。耐压球壳计算结果表明,10个验证样本点计算结果偏差均小于0.5‰,该方法具有较高精度和计算效率。基于计算结果提出在开展自适应方法建立Kriging模型过程中,学习函数的收敛指标应随着计算方法的精度进行适当地调整的结论。研究结果可为无失效方程结构的可靠性计算提供参考。

基于Kriging模型的船舶主机隔离系统抗冲击优化

为了提高系统的抗冲击性能和优化效率,本文以限位隔离系统的刚度阻尼等7个参数为设计变量,以系统冲击响应中的相对位移响应和绝对加速度响最大峰值为响应值建立Kriging代理模型。通过NSGA-II多目标优化算法对构建的代理模型进行多目标优化,优化目标为相对位移响应和绝对加速度响最大峰值两者和的最小值。与初始方案相比,优化后系统相对位移响应降低了27.139%,绝对加速度响应降低了37.846%。结果表明:建立的代理模型对隔离系统的冲击响应有较精确的预报作用,优化后船舶主机隔离系统的抗冲击得到明显提高。

基于监督降维和自适应Kriging建模的高维不确定性传播方法研究

高维不确定性传播目前面临维度灾难和小样本的问题,难以利用有限的样本资源获得高精度的分析结果,针对此问题,提出了一种基于监督降维和自适应Kriging模型的高维不确定性传播方法。利用改进充分降维方法将高维输入投影到低维空间中,并利用Ladle估计器确定低维空间的维度。将降维投影矩阵嵌入Kriging核函数中以减少待估计超参数的数量,提高建模精度和效率。最后,创新性地定义了投影矩阵留一交叉验证误差,并基于此提出了相应的Kriging自适应采样策略,可以有效避免模型精度在自适应采样过程中发生较大波动。数值算例与工程案例的结果表明,相比现有方法,所提方法能够以较少的样本点获得高精度不确定性传播结果,对复杂装备结构的不确定性分析和设计具有一定参考作用。

基于AMCPSO优化Kriging插值的温度补偿方法研究

为了降低温度变化对转换力传感器测量精度的影响,提出一种自适应变异混沌粒子群算法(AMCPSO)优化Kriging插值的温度补偿算法(AMCPSO-Kriging)。研发转换力传感器,分析温度对传感器输出的影响,建立温度补偿标定实验平台,通过标定实验获得建立温度补偿模型所需要的样本集,采用数据稀疏化方法对样本数据进行优化。通过Kriging插值构建了温度补偿模型,利用AMCPSO算法以交叉验证方式下模型预测产生的均方根误差和作为适应度函数,对Kriging插值中的范围参数θ和平滑度参数pk进行寻优求解,得到性能最佳的温度补偿模型。基于AMCPSO-Kriging温度补偿模型对转换力传感器的测量效果进行实验验证,与标准力传感器进行对比。实验结果表明:对样本数据进行稀疏化处理,算法平均运行时间从1076 s减少到6 s,提高了温度补偿算法的运行效率。在−20~70℃温度范围内,经过AMCPSO算法优化的Kriging模型有效提高了转换力传感器的测量精度,相比于未经AMCPSO算法优化的Kriging插值,转换力传感器测量的平均满量程误差从1.2%FS降低到0.6%FS。通过现场实验验证温度补偿的效果,转换力传感器测量的绝对误差在70 N以内,最大满量程误差为2.3%FS。所提出的温度补偿方法有效消除了温度对传感器测量精度的影响,满足铁路工况使用要求,对转换力传感器在铁路上实际运用具有重要价值。

基于Kriging代理模型及改进PSO的变模温注塑成型翘曲变形优化

为提升变模温注塑成型的产品质量,提高优化效率,将翘曲变形作为优化目标,模具温度、保压压力、熔体温度、保压时间、冷却时间等工艺参数作为变量因素,采用Moldflow模拟变量因素对优化目标的影响,通过最优拉丁超立方试验设计选出试验样本,建立Kriging代理模型,并且,检测代理模型拟合精度。采用改进PSO算法,得到最优翘曲模型预测值及最佳工艺参数组合。对比改进后的PSO与标准PSO,平均迭代次数、迭代时间约降低了45%,最优适应度、平均适应度、最差适应度、局部最优解及未实现收敛等参数均得到提升。通过实验验证可知,与优化前翘曲值(1.293 mm)相比,优化后翘曲值(0.7512 mm)降低了41.9%,误差为4.84%。结果表明,基于Kriging代理模型及改进PSO能有效地优化变模温成型工艺,降低了翘曲变形量,对于生产应用有指导意义。

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LHS-Kriging-DW的页岩气集输管道内腐蚀预测模型研究

为了准确预测页岩气集输管道的内腐蚀速率,对DW(DeWarrd)模型进行修正,运用LHS(拉丁超立方抽样)优化的Kriging(克里金方法)对修正DW进行训练以建立模型并验证。通过高清漏磁检测器检测某页岩气集输管道内腐蚀速率,基于PIPESIM模拟该管道现场工况,运用多元非线性回归修正DW模型。运用LHS-Kriging对修正DW模型进行训练并优化,运用建立的模型对另一相邻管道进行了腐蚀速率的预测和现场开挖验证。现场内检测的结果显示:管线在几处低洼积液处发生了严重的腐蚀,因此引入了持液率作为修正因子修正DW模型。选择样本数为500用于LHS-Kriging-DW模型时误差较小。在实例运用中,10个开挖检测点有9个都在预测结果的95%置信区间内,这说明建立的腐蚀速率模型可用于指导现场内腐蚀直接评价等相关工作。

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。

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。