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近似模型的车架轻量化优化

为了在减轻车架重量的同时尽可能提高其动、静态结构性能,以车架纵梁、横梁结构参数为设计变量,特别采用最优拉丁实验设计方法进行了样本数据设计,并运用Kriging方法构建了车架NVH、扭转刚度、弯曲刚度及车架质量等性能参数的多目标优化系统的近似模型,利用模糊多目标粒子群算法对近似模型进行了优化,得到了Pereto最优解集。结果表明,所建立的Kriging近似模型适合解决组合优化问题,在多个性能指标满足设计要求的同时,成功实现了车架结构的轻量化。

基于Kriging近似模型的某轿车前悬架不确定性优化

针对前悬架确定性优化没有考虑参数不确定性时存在的问题,提出了一种考虑不确定性因素的前悬架不确定性优化方法。应用ADAMS/Car建立了某轿车麦弗逊式前悬架模型,在ADAMS/In-sight中进行了悬架设计硬点参数的灵敏度分析,针对灵敏度较大的设计硬点参数和所考虑的不确定性量,建立了车轮定位参数在车轮跳动过程中的Kriging近似模型,简化了优化过程。针对该近似模型进行了动力学分析,运用经过改进的非支配排序遗传算法(NSGA-Ⅱ)和隔代遗传算法(IP-GA)进行了多目标不确定性优化求解。优化结果表明,该不确定性优化方法具有较高的有效性和精确性。与确定性优化结果的对比表明,不确定性优化具有更好的鲁棒性。

面向零件轻量化设计的自适应动态Kriging模型及应用

机械零件轻量化对提高装备运行性能、降低成本具有重要作用。针对传统基于Kriging模型的全局优化方法在处理零件轻量化问题时,收敛速度慢、优化效率低、精度差等问题,提出一种自适应动态Kriging模型。采用复相关系数R2检验实现Kriging模型的全局动态更新,以Pareto解中各目标函数最小值为特征点,通过特征点加权计算理想特征点位置,在理想点附近选取可行解完成样本局部更新,实现Kriging模型的动态自适应性。以数值算例和FT(N)-2800注塑机模板为例,验证了所提方法的有效性。

基于随机模型近似的再入目标自适应跟踪算法

针对再入目标跟踪问题,基于加速度动力学模型和随机模型近似思想,提出了分段匀Jerk自适应模型及跟踪算法.该算法引入Jerk动力学模型和Jerk分段均匀假设,给出了机动加速度的递推模型;根据随机模型近似思想提出了新的过程噪声定义方法并给出了分段匀Jerk模型和过程噪声的自适应方法;结合状态扩展方法和分离差分滤波算法实现了再入目标的实时自适应跟踪.仿真实验表明,相比基于分段匀加速模型的跟踪算法,该算法在保证了再入目标稳态跟踪精度的同时,对目标突变状态具有较强的跟踪能力.

基于Kriging近似模型的碳纤维增强复合材料疲劳性能预测及其应用

以平纹机织碳纤维增强树脂基(CFRP)复合材料为研究对象,通过力学试验测试材料的静态力学和疲劳力学性能,结合Kriging插值方法和Basquin疲劳方程建立预测任意载荷下疲劳应力-循环寿命(S-N)曲线的恒幅寿命图模型,并以此作为复合材料结构优化设计的性能约束;同时,利用最优拉丁超立方试验设计方法和Kriging近似模型构建优化目标和约束响应的近似模型,采用遗传算法优化得到CFRP复合材料电动汽车电池箱壳体的厚度,并通过台架实验加以验证.结果表明,优化后,电池箱壳体结构的减重率达到34.39%.

基于双变量降维模型和Kriging近似的统计矩点估计法

对复杂随机系统进行统计矩分析时,双变量降维近似模型一定程度上可以缓解"维数灾难"。但当系统维数较高时,双变量分量函数较多,计算量仍然较大。为此,该文将降维近似和Kriging代理模型有机结合起来,提出了一类高效、合理的改进点估计法。充分考虑函数逼近和数值积分中积分点的特点,提出了"米"字形的选点策略,并基于此发展了双变量分量函数的Kriging近似模型;将此近似模型用于原函数和矩函数的双变量降维近似模型中双变量分量函数的近似,分别建立了基于原函数近似和矩函数近似的统计矩改进点估计法;通过多个算例对该文提出方法进行了效率和精度的分析。算例分析结果表明:基于"米"字形选点策略的双变量分量函数的Kriging近似具有较高的精度;相比于已有的基于双变量降维近似模型的统计矩点估计法,建议方法仅需较少的结构分析即可达到与已有方法相当的精度,能更好地体现精度和效率的平衡。

基于自适应Kriging模型的人行斜拉桥有限元模型修正

为了更加合理地确定Kriging模型样本点数量,提高Kriging模型对目标函数极值区域的预测精度,提出了一种自适应Kriging模型并将其应用于桥梁结构有限元模型修正。该方法首先通过中心复合设计估算初始样本点数量,然后利用拉丁超立方设计获得初始样本点的空间分布,并初步构建Kriging模型;最后利用期望改善准则(EI准则)控制新增样本点位置,使其位于目标函数极值附近区域;新增样本点的最终数量由收敛准则确定。利用测试函数比较了自适应Kriging模型和标准Kriging模型的预测精度;并以一座人行斜拉桥模型修正为例,对比了基于自适应Kriging模型和标准Kriging模型的修正结果。结果表明:在样本点总数一致的情况下,自适应Kriging模型与标准Kriging模型精度评价指标基本一致,但自适应Kriging模型能够避免样本点空间分布的随机性,提高对目标函数极值区域的预测精度,从而获得更好的修正结果。

基于Kriging近似函数的变复杂度近似模型

为解决飞行器多学科不确定性设计与优化过程中多次调用计算复杂的高精度学科分析模型带来的计算复杂性问题，结合变复杂度建模思想和Kriging近似函数，建立了基于Kriging近似函数的变复杂度近似模型。该近似模型的构造基于较少的高精度模型取样点和较多的低精度模型取样点，在满足近似精度的要求下可大大减小高精度模型近似模型构造的计算成本。数学算例和某飞行器气动力变复杂度近似模型算例证明了该方法的有效性。

基于近似模型的多层模糊CMAC自适应非线性控制

针对非线性离散时间系统的控制问题 ,提出了一种基于近似模型的多层模糊 CMAC自适应控制方法 .采用多层模糊 CMAC对非线性函数进行逼近 ,并提出了一种新的神经网络学习算法来保证权值的有界性 .由于无需满足 PE条件 。

Kriging近似模型在副车架轻量化设计中的应用试验

针对现有副车架轻量化设计要么优化效果不理想、要么对模型精度要求较高的问题,采用Kriging近似模型替代物理模型对副车架进行了轻量化设计:利用拉丁超立方试验设计方法对副车架的重要特征点进行采样,建立Kriging近似模型,并将副车架参数化;以副车架质量为目标函数,选取11个厚度尺寸作为设计变量对其进行优化,通过约400次的迭代得到最优解.优化后的副车架质量为11.3 kg,较优化前减轻10.3%,跳动工况下最大应力值仍满足屈服条件,且自由模态频率也满足模态要求,较好地实现了轻量化设计.该方法的优点在于既实现了较好的优化效果,又无需在不同软件间转换,有效避免了模型的失真.

基于Kriging近似模型的果园作业机车架结构参数优化设计

针对果园作业机质量较重、强度富余的问题,对某果园作业机车架结构参数进行以减轻质量、改善结构静力特性与模态特性为目标的优化设计。建立车架有限元模型,分析其在典型作业工况下的结构静力特性与结构模态特性,通过灵敏度分析方法选出对车架的质量、结构静力特性和模态特性影响较大的结构参数作为设计变量,采用最优拉丁超立方实验设计法设计样本点,运用Kriging方法构建车架质量、最大应力、低阶固有频率的多目标优化系统的近似模型,综合多目标遗传算法与层次分析法对近似模型进行优化,得到最优解。结果表明:优化后的车架在满足结构静强度的同时,质量减小11.6%,1阶固有频率和2阶固有频率分别提高12.3%和7.2%,有效减小果园作业机自重,改善车架结构模态特性。

基于自适应近似模型的GTS模型低风阻尾板优化

为解决静态近似模型所需样本量大、优化效率低的问题,基于粒子群算法(PSO)的最小二乘支持向量回归(LSSVR)自适应近似模型构建优化算法,并通过构建全局和局部自适应近似模型以减小优化算法陷入局部最优解的可能,加速收敛过程。文中将Branin函数作为测试函数,证明构建的自适应PSO-LSSVR近似模型用于单目标优化问题的有效性;将自适应PSO-LSSVR近似模型用于GTS模型低风阻尾板的快速优化上,以上尾板倾角、下尾板倾角、侧尾板倾角和尾板长度为设计变量,仅通过31组数据集样本便收敛至最优解,且近似模型预测气动阻力系数误差仅为0.18%。相比初始尾板,优化后的尾板使得GTS模型气动阻力下降9.38%,证明了自适应PSO-LSSVR近似模型优化算法对小样本快速寻优问题具有较好的可行性。

基于分区间泛化Kriging近似模型的船舶局部结构形状优化

为提高Kriging近似模型在船舶结构性能多维度响应预测方面的适用性,对常规Kriging近似模型进行分区间泛化改进:一是对设计样本点的各个维度(分量)进行划区,并在每一个分区间内采用最优拉丁超立方(OLhd)取样;二是引入比例系数w1组合高斯与指数型相关函数提高模型对数据的泛化能力,从而在每个划分的区间内建立泛化的Kriging近似模型。通过SCH测试函数,验证了构造的分区间泛化Kriging模型有效性。结合参数化建模和改进Kriging近似模型对某过渡肘板和舱口角隅边界进行形状优化,优化第一阶段由改进的近似模型通过多岛遗传算法得到全局初步的最优解,第二阶段在初步解的基础上缩小优化变量范围,由少量的FEM计算即可在小范围内搜寻到精确的最优设计变量。结果表明:分区间泛化Kriging近似模型在预测多维度响应时较常规Kriging模型预测精度更高;分阶段的形状优化流程在保证极小误差和缩小计算成本的情况下能够得到理想的应力分布和重量优化结果,有助于船舶结构的轻量化研究。

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Kriging近似模型的GCHE曲轴稳健性设计

缸间齿轮联动液压发动机是一种综合性能较好的新型液压发动机。曲轴位于发动机一侧,曲轴外形为半拐结构,其具有与传统发动机不同的受力情况与工作状况,因此需要对其进行结构优化设计,以实现最佳的工作状态。针对GCHE曲轴结构优化数学模型,基于Kriging近似模型与最优拉丁超立方试验设计方法,创建面向6σ稳健性优化设计的曲轴结构尺寸优化模型。仿真结果表明,该方法可完成对目标性能的最优寻值,并提高约束条件的可靠性和目标函数的稳健性。通过对比确定性优化,稳健设计可使曲轴体积降低1.61%,质量水平达到99.999%。

基于克里金(Kriging)近似模型的风管多阀门优化调节方法

介绍了近似模型理论和多目标粒子群优化算法。利用Fluent软件建立了某飞机喷漆大厅空调送风系统的数值模型,采用拉丁超立方采样方法生成阀门开度配置,通过多次仿真运行获得了样本数据,利用Kriging近似模型技术构建了风管阀门开度倒数和-风量标准差的近似模型,利用改进的多目标粒子群优化算法获得了帕雷托(Pareto)前锋线。

基于自适应近似模型的液压挖掘机轻量化设计

为解决挖掘机工作装置传统设计保守,导致大量能源资源消耗以及严重的环境排放问题,提出一种基于自适应近似模型的结构轻量化设计方法。计算结构设计参数对质量、变形和应力的综合贡献度,筛选作用显著的参数作为设计变量。构建近似模型资源池,根据最大的决定系数自适应构建近似模型的响应面。在此基础上建立以最小质量为目标,应力与变形为约束的优化模型,结合遗传算法开展结构轻量化设计。结果表明所提方法实现某型号液压挖掘机动臂减重9.38%,并通过仿真验证应力和变形满足动臂的设计要求。