基于自适应多保真度Co-Kriging代理模型的地下水污染源反演识别

为高效率高精度地进行地下水污染源反演识别,综合运用高保真度和低保真度地下水溶质运移数值模拟模型,研究应用集成差分进化算法的Co-Kriging方法建立模拟模型的多保真度代理模型;在此基础上,探索应用马尔科夫链蒙特卡洛(MCMC)-DREAM_((D))算法,并采用自适应更新多保真度代理模型策略进行地下水污染源反演识别.为验证上述方法的有效性和可行性,开展了数值算例研究.结果表明:相比仅基于高保真度模型输入-输出样本构建的Kriging代理模型,联合运用高保真度和低保真度模型输入-输出样本构建的Co-Kriging代理模型对模拟模型的逼近精度更高;耦合多保真度Co-Kriging代理模型和MCMC-DREAM_((D))算法能够得到较高精度的污染源反演结果,且能够大幅度减小计算负荷;同时,采用自适应更新多保真度代理模型策略能够进一步提高污染源反演识别精度.

基于高保真度代理模型的卫星结构优化

为了提高卫星结构优化的设计质量和计算效率,结合径向基函数(RBF)代理模型和自适应模拟退火(ASA)算法提出了一种基于高保真度动态代理模型(HFDSM)的全局优化方法。该方法依据全局优化结果构造了一种搜索空间自适应更新策略,在优化过程中完成搜索空间的更新后,在其内部补充样本点以及重建近代理模型,并以最优解的预测误差和目标函数的下降程度作为优化过程收敛的判定准则,保证了优化的全局收敛性和最优解处的模型精确性。高维测试函数和工字梁算例的优化结果表明,该方法不仅能获得高精度的优化结果,还显著提高了优化求解的效率。最后,采用该方法求解某高维卫星结构优化问题,优化结果中结构基频及动力学响应等约束函数的最大预测误差仅为0.65%,并且相对于直接采用自适应模拟退火算法进行求解,时间成本降低了50%以上,从而验证了该方法在求解卫星结构设计优化问题时具有很高的精确性和计算效率。

基于多保真度代理模型的装备系统参数估计方法

系统参数估计是武器装备系统设计研制中的关键一环。针对复杂系统设计中逐渐突显的系统复杂性激增、需求动态性变化、响应的快速性、缺乏高精度数据等问题,提出一种基于多保真度代理模型的单装备系统参数估计方法。首先,该方法基于传统Kriging模型对低保真度数据建立代理模型。然后,将该模型作为全局趋势模型,插入高保真度数据建立多保真度代理模型,得到同时满足高精度和高效率双重要求的参数估计方法。最后,以飞机机翼系统设计中的最大升力系数参数估计问题为例,验证了所提方法在装备设计研制中的可行性和有效性,作为设计人员的决策支撑。

长距离输水管道检修通风SRM-CoRBF多保真代理模型研究

检修通风对于保障长距离输水管道检修安全至关重要.目前基于计算流体力学(computational fluid dynamoics,CFD)模型及高保真度代理模型的通风效果研究方法存在计算效率低、建模成本高的不足.通过融合高/低保真度分析模型的数据,多保真度代理模型能够兼顾预测精度与建模成本,然而其通过最小化预测误差获取模型超参数,忽略了结构复杂性对模型泛化性能的影响.针对上述问题,本文建立长距离输水管道检修通风改进协同径向基函数多保真度代理模型.该模型利用结构风险最小化准则(structural risk minimization,SRM)能够同时考虑经验风险和置信范围最小化的优势,采用结构风险L2范数描述协同径向基函数(cooperative radial basis function,CoRBF)的结构复杂性,推导其与模型超参数之间的微分关系对径向基函数形状因子进行优化,进而建立SRM改进的协同径向基函数(SRM-CoRBF)多保真度代理模型,并采用测试函数验证了改进模型的优越性.案例分析表明,SRMCoRBF多保真度代理模型能够实现长距离输水管道检修通风效果的高精度预测.本文所提模型一方面与径向基函数(radial basis function,RBF)单保真度代理模型相比,在检修通风风量供需比、换气次数以及通风成本方面的预测精度分别提高15.02%、9.29%、6.03%;另一方面,与传统CoRBF多保真度代理模型相比,SRM-CoRBF在保证模型预测精度的同时能够有效提高泛化性能.本文所提模型为长距离输水管道检修通风效果分析提供了一种新思路.

基于变保真度模型的AUV流体动力参数预测

变保真度模型(Variable-fidelity modeling,VFM)作为一种有效的代理模型方法被广泛用于工程设计,其中低保真度模型(Low-fidelity modeling,LF)用于获取目标模型的整体趋势,高保真度模型(High-fidelity modeling,HF)用于校正低保真度模型的准确度,二者通过桥函数(Bridge function,BF)融合,完成对目标模型的近似。将VFM用于预测自主水下航行器(Autonomous underwater vehicle,AUV)在外界工况(速度和攻角)下的流体动力参数(阻力系数、升力系数、力矩系数),其中高低保真度模型使用径向基函数构建,桥函数使用克里金函数构建,从遗传算法交叉算子产生的候选样本集中选择变保真度模型与高保真度模型误差最大的样本进行更新,最后建立变保真度代理模型。结果显示VFM能够准确描述流体动力参数在设计空间的变化;在相同的计算条件和时间下,VFM比高保真度模型精度高;随着高保真度样本的增加,模型的精度稳步提升。

代理模型技术及其应用:现状与展望

代理模型是计算复杂且费时的数值分析模型的替代模型,在一定程度上弥补了传统工程优化设计和数值仿真分析设计周期长、计算成本高、维数灾难等短板。近年来,代理模型技术蓬勃发展,成果丰硕,被逐渐应用在航空航天、船舶、汽车、发电等领域。首先对代理模型进行总体概述,调查了近三十年代理模型相关论文发表总量与年发表量,总体分析了国内外学者在此领域的投入与产出。其次从试验设计、单保真度代理模型、多保真度代理模型这三方面较为详细地介绍了代理模型研究现状。接着围绕代理模型在优化设计中的应用展开调查,分析与概述了代理模型辅助的多学科优化设计、多目标优化设计和不确定性优化设计。最后归纳总结了代理模型技术目前存在的问题,并对未来的研究方向提出了一些建议。

采用知识迁移加速的智能气动设计优化方法

为缩短精细气动形状设计优化所需的最少性能评估次数与任务周期内所能容许的最大性能评估次数之间的差距,基于机器学习领域迁移学习理念,开展了采用知识迁移加速的智能气动设计优化方法研究。首先,搭建了翼型变分自编码器模型,利用其解码器实现了气动形状的智能参数化,同时借助其编码器将已完成任务样本统一至目标任务参数化空间;其次结合单保真度和多保真度代理模型,建立了贝叶斯迁移优化算法;然后,将翼型变分自编码器模型与贝叶斯迁移优化算法相结合,搭建了智能气动形状迁移优化框架;最后,通过任务相关性分析对知识迁移加速优化过程的机理进行了讨论。研究结果表明:通过开展翼型设计优化,智能气动形状迁移优化框架所获得的最优解中位数相较于无知识迁移的变分自编码器优化方法,性能提升了4.8%,比其他各参比方法提升了19.9%以上,验证了该知识迁移策略的有效性。

面向变刚度复合材料筒壳高效屈曲分析的变保真度迁移学习模型

相较于传统直线铺层设计的复合材料筒壳结构,变刚度复合材料筒壳结构通过曲线纤维路径铺层,可以极大地增加复合材料的设计空间,进而获得更优的抗屈曲能力。为了准确描述曲线纤维路径,需要针对变刚度复合材料筒壳建立精细有限元模型,因此对屈曲分析和优化效率带来了较大的挑战。本论文以变刚度复合材料筒壳结构的线性屈曲及后屈曲承载力快速预测为目标,提出了一种变保真度迁移学习模型的构建方法。首先,针对变刚度复合材料筒壳结构建立合适的高保真度、低保真度模型;然后,基于大量低保真度样本数据作为源域样本集建立并训练深度神经网络,得到预训练模型;最后,以少量高保真度样本数据作为目标域样本集对最后一层神经网络参数进行微调,训练得到变保真度迁移学习模型。变刚度复合材料筒壳线性屈曲和后屈曲算例结果表明,在达到相同的预测精度水平时,变保真度迁移学习模型比直接采用高保真度样本数据构建的代理模型分别节约了47.7%和62.3%的计算成本,验证了提出方法的高效率优势。同时,与基于桥函数构建的变保真度代理模型和Co-Kriging进行比较,所提出方法在不同高保真度、低保真度样本数据组合下均具有更优精度,验证了提出方法的高精度优势。