基于Lasso-Bayesian改进的Kriging代理模型优化方法及其应用

为提高Kriging模型的性能并构建高精度代理模型,基于最小绝对收缩和选择算子(Lasso)与Bayesian算法对Kriging方法进行改进,实现了对Kriging模型的超参数调优,提出Lasso-Bayesian-Kriging代理模型的构建方法。采用Lasso正则化对模型输入进行特征选择,以降低模型复杂度,提高模型的泛化能力。使用Bayesian算法对Kriging中的相关参数、相关函数以及回归函数进行调优,得到高精度的Kriging代理模型。针对某车间加工矿用钻杆过程中的搬运桁架的实际工程问题,采用4种不同方法对桁架静力学分析进行代理建模,以桁架质量和变形量为代理对象,通过k折交叉验证,结果表明,Lasso-Bayesian-Kriging方法构建的代理模型精度最高,其交叉验证的平均决定系数R2分别为0.999、0.962。将优化算法与Lasso-Bayesian-Kriging模型相结合对桁架进行迭代优化,结果表明优化后的桁架在满足刚度的前提下实现了轻量化。

Y型铸钢节点抗压承载力设计方法研究

推导出了Y型铸钢节点在轴心受压和小偏心受压作用下的抗压设计承载力公式,并采用试验结果对提出的抗压设计承载力公式进行了验证。节点的抗压设计承载力公式推导过程分为以下三个步骤:1)推导节点简化模型的极限承载力公式。对原节点进行简化,参考空心球的力学模型和承载力公式的形式,对有限元分析结果进行线性回归,得到轴心压力、弯矩及偏心压力作用下简化模型的极限承载力公式;2)推导节点数值模型的设计承载力公式。根据节点数值模型几何参数的重要性分析结果和有限元分析结果,在简化模型的基础上,推导出轴心受压和小偏心受压的数值模型的抗压极限承载力公式,并根据CECS 235︰2008《铸钢节点应用技术规程》简称《规程》规定进行折减后,得到抗压设计承载力公式;3)验证小偏心受压节点的抗压设计承载力公式。根据节点的足尺试验结果对小偏心受压节点的抗压设计承载力公式进行验证,并与《规程》中的设计承载力公式对比。