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.

基于Kriging模型的螺旋波纹管流动换热特性及结构优化

在螺旋管式换热器的基础上结合波纹结构,设计出一种新型的螺旋波纹管换热器.通过数值计算研究了不同波纹深度和波纹节距对其流动换热的影响.以数值计算结果训练Kriging模型,训练后的Kriging模型可预测大量不同螺旋波纹结构特征样本的流动换热特性.通过筛选摩擦系数较低且换热效率较高的结构参数以实现螺旋波纹管换热特性优化.结果表明,波纹结构产生的流速突变和螺旋结构产生的二次流提高了换热效率和流动阻力.通过与数值计算结果的对比,Kriging模型预测换热特性具有较高的效率和精度.在所选定的参数范围内,当波纹深度、波纹节距、螺旋中径、螺旋节距分别为1.32,27.99,86.49,57.85 mm时,螺旋波纹管具有较低的摩擦系数和较高的换热效率.

基于Kriging模型的大跨度拱桥时变地震易损性分析

文章以桥墩钢筋锈蚀机理为基础,探究了基于氯离子环境侵蚀引起的钢筋直径及力学性能的退化规律,同时考虑地震动和结构参数的变异性,因分析计算量很大,引入Kriging模型和拉丁超立方抽样(Latin hypercube sampling,LHS)法建立易损性曲线,并利用Monte Carlo抽样方法形成全寿命周期内的桥梁系统损伤概率曲面。运用OpenSEES程序引入时变效应,对某大跨度拱桥建立有限元模型。分析结果表明:Kriging模型能够较精确地代替有限元进行分析,能够显著减小计算量;对于大跨度拱桥而言,由Monte Carlo抽样得到的全桥体系易损性来评价桥梁的抗震性能更加合理;在全寿命设计基准期内,随着服役时间增加,桥墩损伤概率明显增大。该研究可为类似桥梁结构全寿命抗震性能设计提供参考。

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。

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。

结合Kriging模型权重信息熵函数的结构可靠性研究

为提高基于Kriging模型信息熵函数(Information Entropy Function,H)的可靠性计算效率,考虑样本点与极限状态曲面的空间距离和随机变量的概率密度函数,通过对样本点的信息熵赋予不同的权值,提出权重信息熵函数(Weight Information Entropy Function,WH)。该学习函数选择更接近极限状态曲面且概率密度函数值较大的样本点更新Kriging模型,从而减少对功能函数的调用次数,有效提高可靠性计算效率。通过算例表明:与其他学习函数相比,WH学习函数在建立Kriging模型过程中所需要的样本点更少,收敛速度更快,计算效率更高。

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。

基于LARS-泛Kriging模型的气动建模及翼型优化设计

以超临界翼型为例,基于泛Kriging模型与最小角回归算法建立了气动特性关于几何外形与攻角的代理模型。分析了代理模型的精度,并通过特征选择过程研究了不同参数对气动特性的影响。采用基于代理模型的全局优化方法进行了翼型阻力优化设计,并与原始翼型、直接优化结果、普通Kriging模型优化结果进行了对比。结果表明:LARS-泛Kriging模型可识别气动特性的重要影响参数,建模精度满足工程需求;采用LARS-泛Kriging模型优化相比直接CFD计算优化及初始普通Kriging模型优化所需CFD计算次数分别减少91.0%、65.6%,计算效率分别提高98.5%、94.0%,优化结果相似。

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。

基于改进Kriging模型的大跨度斜拉桥结构可靠度分析

对大跨度斜拉桥结构体系进行结构可靠度分析时,其极限状态方程与功能函数存在着高度非线性与繁杂失效路径的特点,从而会加大计算成本并导致精度失准。为此,提出将改进粒子群(IPSO)算法应用到Kriging模型的参数寻优过程中,并利用Kriging模型在小样本和高维非线性数据处理能力上的优势,建立响应面模型来逼近实际的极限状态函数,同时通过改进粒子群算法的寻优能力,使得计算结果处于全局最优。结合工程实例对该算法的有效性进行验证,结果表明:改进粒子群算法与传统PSO算法相比对Kriging模型各参数的寻优效果更好;提出的方法在样本数量、计算精度、迭代次数等方面相对于传统可靠度分析方法具有明显的优势,可为斜拉桥结构可靠度计算提供方法参考。

基于主动学习Kriging模型的起重机臂架不确定性传播分析

考虑到起重机在实际工程中存在各种加工制造误差和随机载荷等不确定性因素影响,同时由于起重机实验成本和生产批量等因素的限制,部分样本数据不足。因此,针对少样本的不确定性参数信息量不足的问题,考虑随机和认知的混合不确定性问题,开展了起重机臂头的p-box不确定性传播分析。首先,将起重机的起升载荷,风载和杨氏模量等不确定性参数看作非参数化p-box变量,结合区间蒙特卡洛法和一种主动学习Kriging模型,提出了一种臂架结构的p-box不确定性传播分析方法。结果表明,所提方法相较于典型的采样类方法效率大大提高,另外,与一次性Kriging模型相比,主动学习Kriging模型在相同的原始响应函数调用下,具有更高的模型精度。

特征向量预测的POD-Kriging模型

特征向量在实际问题中有重要的含义,但实际问题常常所对应的矩阵维数是相当大的,直接求解特征向量是费时的.通过构建POD-Kriging模型对时变问题任意时刻各阶特征向量可以进行预测.对于时变系统求解特征向量可选取某些时刻的各阶特征向量样本矩阵,基于已知的各时刻各阶特征向量,通过POD方法预测各阶向量对应的一组基向量,由基的线性组合来预测任意时刻各阶特征向量,基系数则通过Kriging方法得到,从而可以用模型预测任意时刻的各阶特征向量.在预测过程中基向量只需要求一次,因此可以简化工作,且预测精度高.

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模型的改进型NSGA-Ⅲ解决昂贵优化问题

在许多实际的优化问题中,为了进行适应度评估,其物理实验或数值仿真代价高昂,这给大多数现有的多目标进化算法(EAs)带来了巨大挑战。因此,文中提出了一种基于克里金模型辅助的改进参考点引导进化的优化算法,用于解决昂贵的超多目标优化问题。具体而言,根据种群的空间分布特征,借助关联点的熵差信息筛选参考点引导进化,以达到探索与开发的平衡。所提出的代理辅助进化算法(SAEA)使用克里金法来逼近每个目标函数,而无需进行原始昂贵的函数评估从而降低了计算成本。模型管理中采用一种纯指标填充采样准则,借助收敛性、多样性指标确定适当采样策略并使用昂贵目标函数对采样解进行真实评估以提升种群收敛与算法优化的效率。对具有3个以上目标的80个DTLZ与WFG基准测试问题进行了对比研究,证明了此算法的有效性和可行性。