基于不确定性定位参数与转向机构稳健设计

车辆定位参数与转向机构在设计过程中,存在诸多不确定性因素,这些将影响机构性能的稳健性。基于ADAMS与i SIGHT搭建基于随机不确定性的定位参数与转向机构的稳健设计模型,采用正交试验方法得到各优化目标的主要因素及各因素之间的交叉影响关系,依据试验数据建立优化目标与设计变量之间的二阶响应面近似模型。综合考虑定位参数、转向梯形机构的尺寸误差、安装误差等随机不确定性因素,应用田口方法建立了定位参数和转向梯形机构的稳健设计模型,并通过与传统设计方法的对比验证了田口方法的稳健性。应用蒙特卡洛法保证了转向过程中转向轮转角的精度,应用可靠性优化方法保证了转向机构传动角约束的可靠性。     

基于冲压成形困难区域的拉延筋阻力稳健设计

汽车覆盖件冲压过程中,工艺参数和材料参数存在不确定性,这种不确定性导致工艺优化设计的难度增加。以冲压件成形困难的局部区域为质量评价区域,通过冲压因素敏感分析筛选出噪声因素和设计变量,将实验设计与响应面法相结合,构建评价指标与设计变量和噪声因素的响应面模型。在此基础上,将响应面模型、蒙特卡洛模拟技术与遗传算法相结合,建立了基于产品质量工程的稳健优化设计方法。实例分析结果表明,经稳健优化后,冲压件成形质量和工艺稳健性获得了显著提高。     

稳健优化设计中代理模型不确定性的研究

代理模型的应用解决了稳健设计中计算量大的难题,但由于代理模型与真实模型间存在误差(代理模型的不确定性),而传统的稳健设计忽视了这种不确定性,必然会带来一定的设计误差。因此,针对稳健设计提出了一种基于蒙特卡洛抽样的代理模型不确定性的量化方法,在传统仅考虑参数不确定性的基础上,额外计入代理模型的不确定性对设计的影响。将提出的方法应用于一个数学算例和一个火箭弹卷弧翼气动稳健优化设计,所得优化结果较传统的未考虑代理模型不确定的稳健设计更为精确、合理,证实了提出方法的有效性。     

基于WOA-Kriging算法的钛合金 切削力预测数学模型研究

针对钛合金难加工且质量和效率不高的问题,提出了一种基于鲸鱼优化算法的Kriging模型建模方法。建立了其参数优化的数学模型,提高了其加工质量和效率,通过鲸鱼优化算优化了传统Kriging模型变异函数的参数,提高了Kriging模型的建模精度;采用正交实验设计方法,对TC4钛合金铣削加工进行了样本点采集,得到了包含设计变量和性能响应的16个样本点;采用WOA-Kriging代理模型技术,建立了钛合金加工工艺参数与切削力之间的近似模型,并与传统的Kriging代理模型技术进行了比较。研究结果表明:采用基于鲸鱼优化算法的Kriging模型建立的钛合金加工工艺参数与切削力之间的近似模型精度更高,能够为其加工工艺参数优化提供更加精确的数学模型。     

基于支持向量机和粒子群算法的稳健优化

针对实际工程中不确定性因素与产品质量特性之间不具有显式函数关系的稳健优化问题时,代理模型的精度成为关键。本文提出一种基于支持向量机代理模型和粒子群算法的稳健优化方法,采用拉丁超立方试验设计采样布点,优化问题的目标性能函数、约束函数的均值和标准差由具有自动参数优化的支持向量机模型替代,采用粒子群优化算法对稳健优化模型进行求解。以典型的两杆结构优化为例,结果表明支持向量机代理模型的综合性能比常用的响应面、BP神经网络和Kriging模型更优越,稳健优化结果比较理想,为复杂产品的不确定性设计优化提供了一种新的思路。     

考虑不确定性的车身在线装配精度的优化控制研究

近年来机器视觉、机器人等技术在在线装配质量控制中快速发展,对实时、准确且能考虑工艺不确定性的装配偏差控制模型的需求愈发强烈,并且如何基于所构建的模型,结合在线测量零部件检测结果,实现装配工艺参数的在线优化控制是亟待解决的工程问题。针对此问题这里提出了基于随机Kriging代理模型的在线装配工艺的优化控制方法—基于实测、仿真等历史数据构建随机Kriging模型。然后,在该模型基础上,结合装配零部件的在线测量数据对装配工艺参数进行实时的前馈优化控制。最后通过某车型后车门装配案例,对不同模型的预测精度进行对比,分析随机Kriging模型的预测精度,并对车门装配工艺进行在线优化控制,验证了这里提出方法的有效性,为车身不确定装配条件下的在线工艺控制提供理论依据。     

汽车双横臂悬架参数稳健优化设计

针对悬架设计参数的不确定性,提出了基于Kriging模型和粒子群优化算法的双横臂悬架稳健优化设计方法。对悬架硬点坐标进行灵敏度分析,获得对于悬架性能影响较大的一组悬架硬点的坐标,将其作为设计变量,悬架的运动学性能作为响应,拟合得到了双横臂悬架的Kriging模型。应用粒子群算法,考虑噪声因素对悬架运动学性能的影响,在设计变量的可行空间内进行寻优,获得双横臂悬架稳健优化设计的方案。通过稳健优化设计,双横臂悬架运动性能参数的稳健性得到了提高。     

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。     

机械零件的稳健可靠性优化设计

提出一种可以提高机械零件可靠性和稳健性的优化设计方法.用凸集模型描述零件设计中存在的不确定性,采用物理规划方法构造不确定性参数的不满意度函数,通过极小化不满意度函数最差值实现目标函数的稳健性,通过灵敏度分析实现约束函数的稳健性.建立了基于物理规划和灵敏度分析的稳健可靠性优化模型,这种模型是一种嵌套的优化模型,采用分层方法对其求解.通过气门弹簧优化设计实例说明了该方法的有效性和合理性.     

基于物理规划的起重机主梁稳健优化设计

在机械优化设计中考虑载荷等不确定性因素的影响,用凸集模型描述设计中存在的不确定性,采用物理规划的方法构造不确定性参数的不满意度函数,通过极小化不满意度函数最差值的方法来实现目标函数的稳健性,通过最坏情况分析方法来实现约束函数的稳健性,使目标函数和约束函数都能实现稳健性。建立基于物理规划的稳健可靠性优化模型,这种模型是一种嵌套的优化模型,采用分层方法对其求解。以起重机主梁优化设计为例说明这种模型的合理性。     

A Metamodeling Method Based on Support Vector Regression for Robust Optimization

Metamodeling techniques have been used in robust optimization to reduce the high computational cost of the uncertainty analysis and improve the performance of robust optimization problems with computationaUy expensive simulation models.Existing metamodels main focus on polynomial regression(PR),neural networks(NN)and Kriging models,these metamodeis are not well suited for large-scale robust optimization problems with small size training sets and high nonlinearity.To address the problem,a reduced approximation model technique based on support vector regression(SVR)is introduced in order to improve the accuracy of metamodels.A robust optimization method based on SVR is presented for problems that involve high dimension and nonlinear.First appropriate design parameter samples are selected by experimental design theories,then the response samples are obtained from the simulations such as finite element analysis,the SVR metamodel is constructed and treated as the mean and the variance of the objective performance functions.Combining other constraints,the robust optimization model is formed which can be solved by genetic algorithm(GA).The applicability of the method developed is demonstrated using a case of two-bar structure system study.The performances of SVR were compared with those of PR,Kriging and back-propagation neural networks(BPNN),the comparison results show that the prediction accuracy of the SVR metamodel was higher than those of other metamodels under uncertainty.The robust optimization solutions are near to the real result,and the proposed method is found to be accurate and efficient for robust optimization.This reaserch provides an efficient method for robust optimization problems with complex structure.     

A robust optimization using the statistics based on kriging metamodel

Robust design technology has been applied to versatile engineering problems to ensure consistency in product performance. Since 1980s, the concept of robust design has been introduced to numerical optimization field, which is called the robust optimization. The robustness in the robust optimization is determined by a measure of insensitiveness with respect to the variation of a response. However, there are significant difficulties associated with the calculation of variations represented as its mean and variance. To overcome the current limitation, this research presents an implementation of the approximate statistical moment method based on kriging metamodel. Two sampling methods are simultaneously utilized to obtain the sequential surrogate model of a response. The statistics such as mean and variance are obtained based on the reliable kriging model and the second-order statistical approximation method. Then, the simulated annealing algorithm of global optimization methods is adopted to find the global robust optimum. The mathematical problem and the two-bar design problem are investigated to show the validity of the proposed method.     

Robust design optimization method for centrifugal impellers under surface roughness uncertainties due to blade fouling

Blade fouling has been proved to be a great threat to compressor performance in operating stage. The current researches on fouling-induced performance degradations of centrifugal compressors are based mainly on simplified roughness models without taking into account the realistic factors such as spatial non-uniformity and randomness of the fouling-induced surface roughness. Moreover, little attention has been paid to the robust design optimization of centrifugal compressor impellers with considerations of blade fouling. In this paper, a multi-objective robust design optimization method is developed for centrifugal impellers under surface roughness uncertainties due to blade fouling. A three-dimensional surface roughness map is proposed to describe the nonuniformity and randomness of realistic fouling accumulations on blades. To lower computational cost in robust design optimization, the support vector regression (SVR) metamodel is combined with the Monte Carlo simulation (MCS) method to conduct the uncertainty analysis of fouled impeller performance. The analyzed results show that the critical fouled region associated with impeller performance degradations lies at the leading edge of blade tip. The SVR metamodel has been proved to be an efficient and accurate means in the detection of impeller performance variations caused by roughness uncertainties. After design optimization, the robust optimal design is found to be more efficient and less sensitive to fouling uncertainties while maintaining good impeller performance in the clean condition. This research proposes a systematic design optimization method for centrifugal compressors with considerations of blade fouling, providing a practical guidance to the design of advanced centrifugal compressors.     

基于随机模型的动车组制动模块稳健优化设计

针对目前产品优化设计中未考虑设计变量随机性和灵敏度指数对产品质量特性的影响及优化求解效率低等问题，提出一种综合考虑灵敏度指数与质量损失函数的稳健优化设计方法。通过假设设计变量的分布类型，得到设计变量的概率分布特征，将设计变量对产品质量特性的灵敏度指数与质量损失函数加权整合，并以此作为优化目标，以设计变量的容差作为约束条件，构建随机稳健优化模型。通过扩大种群数目、改进控制参数及增加惩罚因子的方法对遗传算法进行改进，结合改进的遗传算法对优化模型进行求解，得到优化模型的全局稳健最优解。以某动车组制动模块为例，采用给出的方法对其进行稳健优化设计，验证该方法的有效性与合理性。优化结果表明，该方法能够实现动车组制动模块的稳健优化设计，提高了制动模块的抗干扰能力。     

基于多目标优化策略的螺旋弹簧可靠性稳健优化设计

应用可靠性稳健优化设计理论和多目标决策方法,将车辆螺旋弹簧的可靠性稳健优化设计转化为多目标问题.运用层次分析法选取粒子群算法中的全局极值和个体极值,提出基于层次分析法的多目标粒子群算法,并将该算法应用于可靠性稳健优化设计的多目标模型求解中.与传统方法相比,该方法简便、易行,并能迅速准确地得到车辆螺旋弹簧的可靠性稳健优化设计信息.     

基于方差传递模型的飞机蒙皮拉形工艺稳健设计

在蒙皮拉形工艺中,由于诸多不确定因素的存在,传统最优工艺条件下的成形质量存在较大波动.针对该问题,将有限元分析和稳健设计有效结合,提出基于方差传递模型的飞机蒙皮拉形工艺稳健设计方法.分析蒙皮拉形中的主要质量缺陷及关键设计参数,考虑成形过程中设计参数的波动和噪声因子;基于有限元分析和响应面法给出蒙皮拉形工艺的质量缺陷指标...     

基于工作流元模型的作业成本分析法研究

为了给企业建模、模型仿真和作业成本计算提供统一的框架,提出了一种基于工作流元模型的作业成本分析方法.利用元模型中相关的类与关联,建立了资源动因与活动的联系.深入研究了作业成本法中最关键的成本动因计算,针对不同类型的成本动因,提出了经验值法、概率分布法和时间比例法等3种算法.以离散事件仿真技术支持作业成本计算,克服了传统作业成本分析工具计算结果准确性受主观估算精确度制约的缺陷.最后,以图示方式概要地展现了基于该元模型进行作业成本计算的流程,并展示了部分实例在基于该元模型开发的工作流仿真系统中的运行情况.     

基于LM-BP神经网络的非线性轮廓图优化方法研究

将正交试验设计理论与BP神经网络模型和Levenberg-Marquard算法相结合,提出了一种基于LM-BP神经网络模型的针对输出为非线性轮廓图响应的离线设计优化方法。并结合实例与传统的统计回归建模方法得出的优化结果进行了比较。结果表明基于LM-BP神经网络建模可以避免由于实验误差和试验设计方案所造成的模型系数估计误差,而与标准的BP算法比较,克服了标准BP算法性能不稳定、收敛速度慢、收敛精度低、存在局部最小值等缺点,具有极高的精确性,优化结果令人满意。     

一种基于增量元模型方法的全局优化算法

针对复杂仿真模型的全局优化问题,提出一种基于增量元模型方法的全局优化算法。首先,分析了现有增量拉丁超立方采样方法新增点数量难以控制以及其数值必须为原采样点数量的整数倍的缺陷,在此基础上利用减法规则思想改进了增量拉丁超立方采样;其次,将改进后的增量拉丁超立方采样与径向基函数的增量更新方法相结合,提出了一种全新的高效全局优化算法;最后,将该算法应用于压力容器的优化设计,计算结果证明了该方法的实用性与工程有效性。