基于协同智能移动Kriging的襟翼偏角可靠性分析

为了有效开展民机襟翼偏角可靠性监测,结合快速存取记录器(quick access recorder, QAR)数据,基于Kriging模型,引入分解协调策略、平衡器优化(equilibrium optimizer, EO)算法和移动最小二乘(moving least square, MLS),提出了一种基于协同智能移动Kriging(collaborative intelligent moving Kriging, CIMK)方法。其中,分解协调策略用于处理襟翼左右偏角之间的关系,MLS用于选取有效建模样本并实现Kriging模型待定系数求解,EO算法用于确定MLS最优的紧支撑域半径。针对襟翼左右不对称进行故障原因分析,明确QAR数据中影响襟翼偏角的主要特征参数;结合相关影响参数的QAR数据,运用CIMK实现民机襟翼偏角模型(极限状态函数)的构建;基于构建的CIMK模型,通过Monte Carlo抽样方法进行民机襟翼偏角可靠性及影响性分析;以某型国产民机襟翼偏角为例,对所提出的方法进行可行性分析。研究结果表明:当襟翼偏角为告警许用值3°时,可靠度为0.450 2,影响襟翼偏角的因素重要程度依次为马赫数、左攻角、右攻角等。与RSM、Kriging、SVM和BP-ANN方法对比发现:在建模特性方面,所提方法平均绝对误差精度相对提高了53.02%,51.43%,49.03%和44.04%,平均相对误差精度相对提高了68.36%,66.76%,64.41%和62.64%;建模效率相对于Kriging、SVM和BP-ANN分别提高了50.62%,26.35%和43.01%;在仿真性能方面,当仿真次数为103次时,分析精度分别提高了8.82%,7.25%,6.22%和3.98%。