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。

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%。

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。

MRI优化组合序列在肩袖损伤诊断中的价值

目的:探讨肩袖损伤诊断中MRI优化组合序列的应用效果与临床价值。方法:选取2021年6月—2023年6月来自北京大学首钢医院的37例肩袖损伤患者为研究对象,入组患者均经临床关节镜检查确诊。对入组患者实施MRI优化组合序列检查,统计入组患者肩袖损伤类型,将MRI优化组合序列诊断结果与关节镜检查结果进行对比,计算准确率、灵敏度和特异度,统计不同类型肩袖损伤的MRI优化组合序列阳性检出率。结果:经关节镜检查,37例患者中肩袖损伤涉及到不同类型,其中以冈上肌腱损伤(54.05%)和肩胛下肌腱损伤(21.62%)为主,还包含冈下肌腱损伤7例(18.92%)和小圆肌腱损伤2例(5.41%)。将所得诊断结果与关节镜检查结果进行对比,准确率、灵敏度和特异度分别为97.92%、97.30%和100.00%。统计不同序列下的不同类型肩袖损伤的阳性检出率,差异有统计学意义(P<0.05)。小圆肌腱损伤阳性检出率方面,横轴位T_(l)WI和横轴位T_(2)WI-STIR的检出率均达到100.00%,其他序列则未能检出。在肩胛下肌腱损伤阳性检出率方面,采用横轴位T_(l)WI序列和横轴位T_(2)WI-STIR序列的检出结果均为62.50%,高于采用斜矢状T_(2)WI-STIR序列和斜冠状位T_(2)WI-STIR序列的12.50%。冈上肌腱损伤检出效果方面,斜冠状位T_(2)WI-STIR的阳性检出率最高,为95.00%,高于其他序列。冈下肌腱损伤阳性检出率方面,斜冠状位T_(2)WI-STIR与横轴位T_(2)WI-STIR的检出率均达到100.00%,高于其他两种序列。结论:MRI优化组合序列是诊断肩袖损伤的有效方法,具有诊断准确率、特异度以及灵敏度高的特点。

一种基于计算智能的飞机部件装配序列优化方法

针对目前装配资源受限条件下大型部件装配规划存在效率低、性能差的问题,提出一种基于离散烟花算法的装配序列规划模型。建立了装配部件、装配资源和混合干涉矩阵,以描述不同情况下的装配干涉问题。为了加快可行解的求解速度,设计了包括爆炸幅度、烟花爆炸产生的火花数量和火花位置更新的策略。实验阶段,以机翼的装配过程为例对所提模型进行验证。结果表明,与离散粒子群优化算法相比,使用所提出的离散烟花算法获得的解的适应度函数值更优,所提算法适应度值提升约24.5%。

基于数控工艺信息挖掘的型腔特征粗加工刀具序列优化决策方法

为有效提升数控加工过程中粗加工刀具的使用效率,提出一种基于数控工艺信息挖掘的型腔特征粗加工刀具序列优化决策方法。首先计算型腔特征的中轴变换表征数控加工的刀具轨迹,探究中轴变换与数控加工的映射机理;然后基于加工规则和中轴变换参数,挖掘隐含在型腔特征中的深层次数控工艺信息;最后综合考虑材料去除量和加工连续性,建立刀具序列决策的多目标优化模型,采用混合蚁群/模拟退火算法进行优化求解。实验结果表明,该方法能够高效、自动生成型腔特征最优粗加工刀具序列,提升企业数控工艺设计智能化水平。

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。

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。

基于工况序列寻优的列车节能操纵策略优化

传统“三阶段”“四阶段”工况序列的列车操纵模式难以满足城市轨道交通复杂线路条件下的列车节能运行需求,本文提出一种基于工况序列寻优的列车节能操纵策略优化方法。将物理区间离散为多个等距离子区间,建立工况序列与子区间之间的映射关系,以区间总牵引能耗和运行时间最小化为目标构建列车节能操纵策略多目标优化模型。为提高模型求解效率,改进非支配排序遗传算法的交叉算子和距离算子,通过离散仿真求解列车节能操纵策略集。以福州地铁1号线的两个典型区间为对象进行案例分析,结果表明,相比传统操纵模式,优化后列车牵引能耗平均降低约19%。本文方法通过合理选择算法参数能够有效构建适应不同线路条件的运行工况序列,生成秒级运行时间划分下的列车节能操纵策略集。

一种6-DOF小行星着陆轨迹序列凸优化方法

针对6自由度的小行星动力着陆多约束轨迹优化问题,提出了一种基于序列凸优化的小行星着陆轨迹优化算法。首先采用多面体引力场模型计算小行星的引力场,其可用于描述任意形状的小行星引力场,且比质点群法和球谐函数展开法等方法计算精度更高。为了在凸约束下解决小行星着陆过程燃料消耗最优问题,通过对探测器动力学模型及其约束进行线性化和离散化,将原来的非凸连续时间优化问题转化为凸化的子问题,即二阶锥规划问题(SOCP);然后引入了虚拟控制项和信赖域,以增强算法的鲁棒性。通过在形状不规则小行星上的着陆模拟,验证了所提出算法的有效性,仿真结果满足各项约束条件,可实现高精度着陆和燃料消耗最优的目标。

序列图像自主导航系统观测能力优化方法

针对空间目标序列图像自主导航系统欠观测的问题,详细阐述了图像序列对系统性能优化的作用,设计了一种基于多步轨道机动的系统观测能力优化方法。该方法以系统观测能力量化指标和机动能量消耗为目标函数,通过约束法将能量消耗目标转化为不等式约束,进而将多目标优化问题转化为单目标优化问题,并以相对运动位置范围为约束条件,利用内点法获得使观测能力最优的服务航天器轨道机动策略,分析了能量约束对观测能力优化结果的影响,即能量上限在一定范围内时,系统观测能力随着能量上限增加而改善;当超过一定范围时,观测能力将会达到最优并不再有明显的提升。仿真结果表明该方法能够有效提升观测能力,与现有方法相比在导航精度和优化效率上具有明显优势。

基于对比学习和元优化学习的序列推荐方法

序列推荐是根据用户和项目的历史交互记录对用户兴趣建模,进行下一项目推荐。对比学习(CL)作为一种辅助信息能够有效地提高推荐模型质量,但现有基于对比学习的序列推荐方法采取随机数据增强方式存在的效果不稳定及难以泛化的问题,为此,提出了一种基于对比学习和元优化学习的序列推荐方法。首先,在数据增强环节,根据序列中项目之间的时间间隔为序列生成数据分布更加均匀的数据增强视图;其次,构建可学习的模型增强模块,用于捕获数据增强视图中潜在的语义信息,增强模型的泛化能力;最后,为解决数据增强模块和模型增强模块之间不同优化目标问题,使用元优化学习方法优化更新两个模块之间的参数,进而完成推荐。在Beauty、Sports和Yelp等三个公开数据集上的实验结果显示,在召回率和归一化折损累计增益指标上,相较于其它基线模型,CLMLRec均有显著提升,表明该模型具有良好的推荐性能。

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。

基于遗传算法-序列二次规划的磁共振被动匀场优化方法

为了解决磁共振成像(MRI)系统中固有的主磁场(B0)不均匀的问题,提出遗传算法-序列二次规划(GASQP)算法,以提高7 T磁共振的主磁场均匀性.从被动匀场数学模型的角度出发,该混合算法利用GA算法获得稳定的初始解,实现主磁场的第1次优化,再通过SQP算法的快速求解,在较少的时间内实现主磁场的第2次优化,同时提高磁共振主磁场的均匀性.采用正则化方法减少磁场均匀所需的铁片质量,并且获得稀疏的铁片分布.在仿真建模的案例研究中,7 T磁共振裸磁场均匀度可以从462×10-6优化到4.5×10-6,并且在匀场空间上仅消耗0.8 kg的铁片.相比于传统的GA优化方法,新方案的磁场均匀性提高了96.7%,总铁片消耗质量减少了85.7%.实验结果表明,GA-SQP算法比其他优化算法具有更强的鲁棒性和竞争力.

基于布谷鸟算法的风电机组装配序列优化

装配序列规划(ASP)是风电机组制造的重要技术。ASP是一个组合优化问题,风电机组最优装配序列的搜索空间和计算量均很大。提出基于布谷鸟算法的风电机组装配序列优化方法。首先,从三维装配体模型中提取多种装配约束信息并表示成装配约束矩阵,以降低最优装配序列的搜索空间;继而构造装配序列目标函数,建立装配序列规划模型,方便算法计算出最优装配序列;对离散布谷鸟算法(DCA)改进,求解ASP模型,获得风电机组产品的最优装配序列。最后通过实验验证了ASP模型的有效性和DCA的优良性能。

基于序列凸优化的带动力飞行器再入轨迹优化

对序列凸优化方法在带动力飞行器再入轨迹优化中的应用进行了研究。首先,针对原始优化问题中控制量高度耦合且非线性的问题,通过引入新的控制量并建立与原始控制量的映射关系,得到关于控制量为线性的状态方程。其次,对原始优化问题中的非线性动力学方程、性能指标、过程约束与控制量约束进行松弛和线性化处理,通过附加状态变量的信赖域约束,并在性能指标中加入速度方位角的积分项以保证松弛和线性化的合理性。进一步,通过离散技术,将原始问题转化为一个凸优化问题。最后,通过数值仿真进行了算法验证。结果表明,本文算法对于带动力再入轨迹优化问题具有较高的求解精度,序列凸优化求解结果满足原始非线性约束,在一定精度范围内优化解可以作为原始问题的可行解。