Reliability-Based Optimization:Small Sample Optimization Strategy

The aim of the paper is to present a newly developed approach for reliability-based design optimization. It is based on double loop framework where the outer loop of algorithm covers the optimization part of process of reliability-based optimization and reliability constrains are calculated in inner loop. Innovation of suggested approach is in application of newly developed optimization strategy based on multilevel simulation using an advanced Latin Hypercube Sampling technique. This method is called Aimed multilevel sampling and it is designated for optimization of problems where only limited number of simulations is possible to perform due to enormous com- putational demands.

多孔质静压轴承静态特性预测研究

在多孔质静压轴承设计中,轴承设计参数是影响其静动态特性的关键因素之一,通常情况下,要得到合适的轴承设计参数,需要多次重复建模和仿真,且由于轴承结构复杂,建模难度大,仿真时间长,严重影响了轴承的设计效率。本文构建了一种基于遗传算法(Genetic algorithm,GA)优化反向传播(Back propagation, BP)神经网络的轴承静态特性预测模型,采用拉丁超立方抽样方法在轴承参数设计空间内采样,并进行Fluent流体仿真,将仿真数据用于GA-BP神经网络模型的训练与测试,实现了对设计空间内任意设计参数下的多孔质静压轴承静态特性的预测。研究结果表明,训练出的GA-BP神经网络模型能够准确预测多孔质静压轴承的静态特性,预测精度在95%以上,对多孔质静压轴承的快速设计和参数优化具有重要意义。

基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

考虑两层相关性的腐蚀油气管道失效概率计算方法

在腐蚀油气管道失效概率计算中,存在随机变量相关和腐蚀缺陷相关的两层相关性。针对当前腐蚀管道可靠性评价中对相关性影响的研究不足,本文提出了考虑两层相关性影响的腐蚀油气管道失效概率计算方法。该方法首先基于Copula函数对具有相关性的随机变量进行抽样,结合管道失效极限状态方程,计算单个腐蚀缺陷的失效概率。进一步采用系统可靠性理论,考虑缺陷间相关性,对含多个腐蚀缺陷的腐蚀油气管道失效概率进行计算。并以我国某条天然气管道的实际数据为例,采用拉丁超立方抽样方法研究了两层相关性以及缺陷数量对管道失效概率的影响,并基于敏感性分析,量化了随机变量相关系数和腐蚀缺陷相关系数对腐蚀油气管道失效概率的影响。结果表明,缺陷相关性对管道失效概率计算影响明显高于随机变量相关性。小孔泄漏和爆裂失效概率随着缺陷之间相关系数的增大而减小,随着缺陷数量的增加而增大。随机变量相关性对管道小孔泄漏失效概率没有影响,管道爆裂失效概率随着壁厚与管径相关系数的增大而减小,随着初始缺陷长度与深度的相关系数增大而增大。缺陷轴向与径向增长速率相关系数的增大对管道爆裂失效概率的影响具有双向性,预测周期内大约前16年随着相关系数的增大,管道爆裂失效概率增加,大约25年后随着相关系数的增大,随相关系数增大而降低。研究成果适用于分析含多个腐蚀缺陷的油气管道可靠性评价,对管道安全运行、油气资源平稳供应具有参考意义。

基于多策略混合改进MVO算法的光伏多峰MPPT研究

光伏阵列的电功率输出在局部遮荫工况下具有多峰特性,且随外界环境的变化而变化.为实现高效电能输出,利用多元宇宙优化(MVO)算法在解决低维度、小规模优化问题中的突出优势进行最大功率点跟踪(MPPT),并融合多种策略对其存在的缺陷进行改进.采用拉丁超立方抽样策略初始化宇宙种群,并对按照轮盘赌策略随机交换的宇宙实施柯西变异,提高宇宙种群的多样性.同时引入莱维飞行式量子粒子群优化(QPSO)算法,且对虫洞存在概率及旅行距离率进行自适应调整,以增强算法的全局勘探及局部开发能力.Matlab仿真结果表明,相比其他算法,采用该算法的MPPT时间减少了45%以上,精度亦有所提高,从而具有更优的MPPT性能,可有效提高光伏发电效率.

考虑风-光不确定性的风-光-蓄-火联合调度研究

在当前风电和光伏大规模并网的背景下,要确保能源供应的稳定性和高效性,关键任务是确定合适的可再生能源渗透率,并精确配比可再生能源与储能系统的容量。因此,在考虑风、光不确定性的基础上,构建风-光-蓄-火优化调度模型,使用拉丁超立方抽样法模拟模型中风电和光伏出力场景,再基于Kantorovich距离的同步回代消除算法对生成的风、光出力场景进行缩减,并通过改进的粒子群算法对模型进行求解。以白莲河抽水蓄能电站为例,结合当地的实测风速、光照数据,探究有无抽蓄参与以及不同能源容量配比下的调度结果,得到以下结论:①抽蓄电站的加入使得联合系统收益增加了428.06万元,风、光出力的波动性降低了12.24%,可再生能源的弃电率下降了5.62%,污染物排放也得到了减少。②抽蓄与可再生能源装机容量比例在1∶8.33范围内配置较为合理,在1∶5.21时可再生能源弃电率达到最低。③当可再生能源渗透率为71.09%,抽蓄与可再生能源装机容量比例为1∶6.25时,风-光-蓄-火联合运行边际效益最大。

基于概率精英差分和自适应黄金正弦的鲸鱼优化算法

针对鲸鱼优化算法收敛速度慢和寻优精度低的缺点,提出一种基于概率精英差分和自适应黄金正弦的鲸鱼优化算法。基于最大最小思想优化拉丁超立方体抽样来初始化鲸鱼种群,使初始种群分布更加均匀,拥有更好的全局搜索能力;提出融合余弦自适应算子的黄金正弦算法改进鲸鱼的螺旋更新,加快收敛速度,提高收敛精度;设计概率精英差分变异方法并进行贪婪选择,优化算法流程,增强算法跳出陷入局部最优的能力。选取4个单峰测试函数、4个多峰测试函数和5个多最优解的多模态测试函数与主流优化算法进行对比实验,实验结果表明,该算法具有更高的寻优精度、更快的收敛速度以及更优的全局搜索能力,通过消融实验验证了该算法改进策略的有效性。

碳排放清单在天然气场站应用的不确定性研究

温室气体清单编制指南为有效推进节能减排措施提供了重要参考和政策支撑,但目前各清单标准不一、推荐缺省值的偏差是碳排放计算误差的主要来源。从计算方法的角度建立研究排放清单不确定性的模型,通过对比采用蒙特卡洛模拟法和拉丁超立方抽样法对不确定性因素进行模拟的结果;提出采用消减技术找到具有代表性典型数据的方法,改善仅采用平均值计算碳排放量带来的误差。将模型应用于阿克苏管理站2022年碳排放计算中,依据不同清单计算造成的碳排放不确定度在1%~4%,采用不确定性模型计算的碳排放结果比确定性模型计算的碳排放量少,更具代表性,有助于企业更早实现“双碳”目标。

参数化人体有限元模型的体表样本选取方法

为了准确选取到参数化方法建立的中国女性人体有限元模型的体表样本,设计了一种用于人体体表建模的样本选取方法。通过采用样本估计总体的方法确定体表样本的选取数量;采用计算正态分布区间估计参数和按照数据分布比例方法生成体表样本的身高、BMI和年龄3个统计特征参数;利用拉丁超立方抽样方法按照体表样本统计特征的参数分布生成各样本的选取参数;通过Pearson相关系数检验各特征参数向量间的相关性。基于所设计的体表样本参数生成方法,在置信度为95%、误差不大于10%的条件下,所生成的97例女性体表样本各特征参数所构成向量之间无显著相关性,各特征参数分布与中国女性人体的总体分布相一致。所设计的体表样本选取方法可有效选取到代表中国女性人体特征的体表样本。

基于Latin方抽样和修正的Latin方抽样的可靠性灵敏度估计及其方差分析

运用Latin方抽样(Latin hypercube sampling)方法和经统计相关减小方程修正后的Latin方抽样(updated Latin hypercube sampling)方法对结构进行可靠性灵敏度估计及其方差分析。单模式和多模式的数值及工程算例说明,可靠性灵敏度分析的Latin方抽样和修正的Latin方抽样在样本容量较小时都可以得到比Monte Carlo抽样方法更稳定的估计结果。采用Latin方抽样可以得到可靠性灵敏度的无偏估计,而修正的Latin方抽样方法在样本容量较小的情况下得到的可靠性灵敏度估计值的方差的分散性较Latin方抽样有进一步的减小。Latin方抽样和修正的Latin方抽样方法对基本变量的分布形式和相关性等均无限定,是适用于结构可靠性灵敏度分析的一种有效而实用的小样本抽样方法。

基于Cholesky分解法的LHS放射性废物处置场安全不确定性分析

放射性废物处置是一项与国土环境、公众安全、核工业健康以及可持续发展有关的重大问题。安全全过程系统分析是保障放射性废物处置设施从选址、建设、运行到关闭后安全性的重要手段,不确定性分析是其中重要一环。环境变化、人员行为等事前无法控制的外部因素都将对放射性废物处置设施的安全产生重大影响,需要对其进行不确定性评估。在放射性废物处置库的不确定性分析中,参数不确定性分析的计算过程相较于常见的蒙特卡罗模拟的运用场景,其涉及输入的随机参数多、运用模型庞杂,势必需求更小的抽样样本以减少运算时间、提高抽样效率。拉丁超立方抽样(LHS)是不确定性分析中常用的方法,但该方法应用于多维抽样时由于排序质量较低,使得小样本条件下的相关性要求不能得到满足。本文采用Cholesky分解法对拉丁超立方抽样过程中的排列构造过程进行了改进,通过对排列矩阵各行向量进行解耦,以最小化其各维度间的相关性。此改进方案显著降低了拉丁超立方抽样对样本相关性的影响,加速了计算结果的收敛速度。在本文的使用场景下,改进后的抽样方法只需要使用改进前所需样本规模的1/10,提高了计算效率。

基于降方差采样策略的随机重构法

在随机重构法的采样过程中,每个结构特征需要的采样数量是不相等且变化的。为了将拉丁超立方采样用于降低随机重构模型的方差,基于随机重构法采样过程的特征和拉丁超立方采样原理,提出了适用于随机重构法的新型拉丁超立方采样方法,探究了在多种分子数量设定情况下应用该方法对随机重构模型的方差和精度的影响。结果表明,应用该方法能够显著降低随机重构模型的方差,提高模型的精度,在分子数量为1000~50000范围内,新模型的标准差相较传统模型降低了71.36%~74.53%,目标函数值降低了1.69%~13.82%。综合模型精度和模拟过程的运算开销,选择4000~6000作为新模型最优的分子数量设定。

基于改进实例学习算法的风电机组齿轮箱状态监测

风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽样思想的网格划分初始样本选取方法,并基于z-score方法剔除其中的离群点。然后第一步基于信息性和代表性的综合得分选出候选样本来避免离群点影响,第二步基于多样性使第一步的候选样本稀疏化,从而避免冗余点影响。最后,基于指数加权移动平均控制图对实例学习回归模型输出的残差进行分析,并根据故障率对风电机组齿轮箱实现状态监测。利用某风电机组实际故障数据进行验证。结果表明:所提出的方法能选出优质样本,模型精度在验证集上较未改进前有所提升,且运算效率提升约50%,可实现齿轮箱异常的早期预警。

基于拉丁超立方体的改进白骨顶鸡算法

针对白骨顶鸡算法求解工程问题时收敛速度慢,易陷入局部最优等不足,提出一种基于拉丁超立方体的改进白骨顶鸡算法。使用拉丁超立方体抽样增强初始种群的均匀性和多样性;引入非线性决策因子和自适应动态边界机制,提高算法全局搜索和局部开发能力;利用柯西变异对最优解进行扰动,帮助算法跳出局部最优。在16个基准函数、高维函数和工程问题进行仿真,其结果验证,该算法收敛速度和寻优精度良好,在工程问题上具有可行性和有效性。

铝合金薄板冲压成形过程中的侧壁起皱及有限元模拟

针对铝合金薄板的侧壁起皱问题,本文通过有限元软件分析工艺参数对成形质量的影响,提出了一种基于数值模拟与智能算法相结合的优化方法。首先,利用最优拉丁超立方抽样进行实验设计,并依据数值模拟获取实验值;其次,基于BP神经网络拟合工艺参数与成形质量之间的关系,预测结果的平均相对误差为2.69%,建立了准确的预测模型;最后,用遗传算法极值寻优获取了一组最优的工艺参数组合,起皱幅值的预测值和仿真值相对误差仅为4.03%,实验结果与仿真分析结果相近,验证了该优化方法的合理性和有效性。研究表明:以料厚、摩擦系数和压边力作为优化变量,以最大起皱幅值最小化为优化目标,建立几何模型,并利用有限元软件Autoform进行仿真分析;依据起皱轮廓线径向位移的实验和数值模拟对比,验证了有限元模型的正确性,表明利用神经网络和遗传算法极值寻优可以有效解决铝合金侧壁起皱缺陷。

基于改进拉丁超立方抽样的高墩铁路桥梁地震可靠度分析方法

为高效准确地量化非线性结构的关键地震响应极值分布以及构件失效概率,在考虑结构和地震双重不确定的前提下发展一种有效的结构动力可靠度评估框架。首先详细阐述和发展了地震可靠度分析的理论方法,主要包括非平稳地震动的降维模拟,分数矩的单循环最大熵理论,以及与中心L2偏差相结合的拉丁超立方抽样方法三部分。然后通过一个三层非线性混凝土框架结构对所提出的方法进行初步验证。最后将提出的可靠度分析方法运用于西部山区某高墩大跨铁路刚构桥,开展高墩大跨刚构桥关键构件的地震可靠度分析,并与蒙特卡洛模拟结果进行对比,进一步验证该方法的高效性与适用性,为山区高墩大跨铁路桥梁抗震设防提供技术支撑。

基于多目标粒子群优化算法的动力电池仿生冷板结构优化设计

为了提高锂离子电池的冷却效果,提出一种高度对称的仿生网状流道冷板。首先,利用单因子分析法分析了冷板结构参数对其性能的影响,然后,以冷板的平均温度、温度标准差和冷却液压力损失为性能指标,采用多目标粒子群优化(MOPSO)算法对冷板的结构参数进行了优化,得到性能最优时的流道宽度、流道深度和冷板壁厚分别为9.0 mm、1.5 mm和1.4 mm,对应的平均温度、温度标准差和压力损失分别为33.20℃、1.33℃和65.63 Pa,相比于初始结构参数,优化后的平均温度和温度标准差分别下降1.92℃和0.02℃,但压力损失增大27.10 Pa。最后,在电池模组层面验证了优化结果。

盐雾环境下典型自动步枪动作可靠性仿真分析

为了量化盐雾环境对自动步枪战斗技术效能和作战性能的影响,实现盐雾环境下自动步枪可靠度预估,以某小口径自动步枪盐雾环境自动机动作可靠性为研究对象,构建了一套基于仿真的枪械动作可靠性分析方法。该方法通过ADAMS软件建立自动机虚拟样机模型,将盐雾环境随机影响参数引入虚拟样机模型中,采用拉丁超立方抽样方法进行抽样和可靠性仿真计算。仿真获得的可靠度结果为96.60%,与实验结果基本符合,所建立的虚拟样机仿真模型和动作可靠性分析方法可以预测盐雾环境自动机动作可靠度结果。该研究方法在小样本量的基础上进行预测,减少计算时间,为盐雾环境枪械可靠性分析提供参考。

飞机双角拉伸接头的刚度可靠性灵敏度分析

根据双角拉伸接头的结构特征,在ANSYS经典界面中采用自底向上法对双角接头进行建模,在施加水平拉力的作用下得出不同工况的随机参数对接头连接刚度的影响规律,找到对双角接头可靠性影响最大的关键参数为底板厚度。从可靠性的角度出发,根据双角拉伸接头的最大位移不能超过允许值的失效准则,定义双角拉伸接头的极限状态方程。结合灵敏度技术和有限元分析方法,采用拉丁超立方抽样法计算出6种工况下随机参数的可靠性灵敏度,确定随机参数的统计特性对双角拉伸接头可靠性的影响程度。在设计、制造、使用该连接结构时要优先考虑起到积极影响的随机参数并控制起到消极影响的参数。为飞机连接结构的故障预防、结构设计和优化设计提供一定的参考依据。

合流制大型污水处理厂全流程工艺建模模拟实践

研究以设计规模为80万t的竹园一厂、二厂提标改造(升级补量)工程为建模对象,在污水处理模拟软件WEST中建立了包含深度处理的污水处理厂全流程处理工艺模型,并用蒙特卡洛模拟法对模型参数进行校准。模拟结果表明,模型能较好地模拟污水处理厂的出水水质以及内外回流污泥浓度,总体相对误差<20%。研究所采用的建模过程、模型及参数校准方法能为同类型污水处理厂的建模模拟提供技术参考。