基于信赖域的动态径向基函数代理模型优化策略

为了提高飞行器等复杂工程系统的设计质量与优化效率,基于代理模型的优化得到广泛应用。将信赖域思想引入基于代理模型的优化中,提出基于信赖域的采样空间更新策略,进而发展了一种基于信赖域的动态径向基函数代理模型优化策略(Trust region based dynamic radial basis function,TR-DRBF)。通过Maximin拉丁超方试验设计方法选取样本点,选用径向基函数方法构造代理模型,采用全局优化算法对所构造的代理模型进行优化,根据已知信息进行信赖域采样空间更新,在其内部选取新增样本点并更新代理模型,直至优化收敛。将本优化策略用于标准数学测试算例和工字梁设计优化实例,并与国内外现有研究成果进行比较,证明了TR-DRBF在优化效率和全局收敛性方面都有较好的表现,尤其是针对高维优化问题时,TR-DRBF具有更显著的优势。     

基于自适应代理模型的翼型气动隐身多目标优化*

针对翼型气动隐身多目标优化设计存在的计算量大与权重难以选取的问题,提出基于自适应径向基函数代理模型与物理规划的高效多目标优化策略(Multi-objective optimization strategy using adaptive radial basis function and physical programming, ARBF-PP)。利用物理规划法通过非线性加权的方式将多目标优化问题转化为直接反映设计偏好的单目标优化问题,然后分别对综合偏好函数和约束条件构造径向基函数代理模型,采用增广Lagrange乘子法处理约束,并用遗传算法(Genetic algorithm, GA)进行求解。优化迭代过程中,在当前可能最优解附近增加样本点,更新代理模型,提高代理模型在最优解附近的近似精度,引导搜索过程快速收敛。使用数值多目标优化算例与翼型气动隐身多目标优化实例验证了本文所提出优化策略的有效性。翼型气动隐身多目标优化结果表明：相比于初始翼型,优化翼型的升阻比提高了34.28%,重点方位角的雷达散射截面(Radar cross section, RCS)均值减小了24.19%。此外,在相同样本规模的情况下,本文方法所得最优翼型的气动隐身性能比静态径向基函数代理模型方法的优化结果分别提高了11%与25.6%;与遗传算法相比,本文方法所需的分析模型调用次数(Number of evaluation function, Nfe)降低了93.5%。     

基于径向基函数神经网络的白车身减重优化研究

针对白车身变量多、性能响应复杂问题,在车身结构的板厚优化设计中引入近似模型方法,提高设计效率。以某轿车车身结构为轻量化设计对象,通过灵敏度分析确定优化设计变量,基于径向基函数神经网络近似模型进行全局优化,在不降低刚度和模态性能的情况下实现白车身减重目标。通过最优拉丁超立方试验设计构造样本点,用径向基函数神经网络法构造刚度和模态的近似模型,并用自适应模拟退火法进行优化求解。结果表明,径向基函数神经网络模型能较好地模拟车身结构刚度和模态响应问题,提高了整体的设计效率。通过有限元模型的验证,基于近似模型的优化结果精度较高,实例白车身减重达5.73%。     

基于计算试验设计与代理模型的飞行器近似优化策略探讨

现代飞行器设计优化中广泛应用高精度分析模型以提高设计可信度与综合性能,但是也带来了计算复杂性问题。为了有效缓解计算耗时的问题,基于计算试验设计与代理模型的飞行器近似优化策略成为研究热点。近似优化策略通过构造合理的近似模型引导优化过程快速收敛到最优解,从而达到降低计算成本,缩短设计周期的目的。根据广泛的文献调研,对飞行器近似优化策略的发展现状进行详细探讨。给出近似优化策略的定义、求解流程、特点以及关键技术。对计算试验设计方法、代理模型方法、精度校验与代理模型选择方法等技术进行综述。围绕静态与自适应两类近似优化策略,重点讨论典型的代理模型管理与更新策略与收敛准则。针对飞行器多学科设计优化问题,探讨近似优化策略与分解策略在求解效率与收敛性方面的技术特点。通过数值算例对各项关键技术的特点进行较详尽的对比分析与总结,并依托飞行器设计优化工程实例对近似优化策略的综合性能进行探讨,指出不同近似优化策略的适用范围。研究结果表明,飞行器近似优化策略在优化效率、全局收敛性以及鲁棒性等方面体现出较显著的优势,具有良好的工程应用前景。指出飞行器近似优化策略的未来研究方向。     

细化Kriging模型在轻轨车轴优化设计中的应用

基于仿真试验,根据低地板轻轨车轴的结构特点和性能指标,将Kriging插值和拉丁超立方抽样试验相结合来构造车轴多目标优化的代理数学模型,并通过多目标遗传算法寻找该代理模型的最优解作为车轴参数的设计依据。为了使所构造的Kriging响应面能准确高效地代表稳健优化目标和约束函数,将Kriging模型在响应面精度检验时的样本点和多目标遗传算法所产生的最优解检验点进行更新,直到达到精度要求为止,从而保证所建立的响应面模型具有较高的全局拟合精度和最优解拟合精度。     

盾构推进液压系统参数优化

以盾构推进液压系统为研究对象,运用CFD数值模拟方法以及代理模型技术,研究液压管道和阀体的结构对推进液压系统调速所引起的系统压力扰动的影响.以压力扰动幅值为优化目标,利用正交实验设计方法筛选主要影响参数作为设计变量.运用最优拉丁超立方法构建采样空间,选用支持向量回归(SVR),径向基函数(RBF),响应面(PRS),克里金(Kriging)4种方法构建代理模型,以多重确定系数(R2)为评价标准,选取样本点进行交叉验证,结果表明克里金模型的精度最高.应用克里金代理模型,采用模拟退火算法(ASA)求解模型全局最优解,研究结果表明基于代理模型优化后的压力扰动幅值明显降低,为盾构推进液压系统的设计提供了有效的参考.     

基于多策略的改进径向基代理模型方法

为提高径向基代理模型的预测精度和计算效率,提出一种基于多策略的改进径向基代理模型方法。该方法将局部密集加点策略、全局均匀选点策略和最小距离筛选策略应用于径向基代理模型构建过程中,通过拉丁超立方抽样方法获取初始样本,并建立径向基模型,利用七星瓢虫优化算法求得最优解信息;借助已知样本信息,采用局部密集加点策略与全局均匀选点策略相结合的方式获取训练样本,以平衡所提方法的探索与开发能力;进而利用最小距离筛选策略对训练样本进行筛选,引导模型进行有效预测。利用数值和工程算例进行仿真测试,结果表明该方法不仅能满足精度要求,还能明显提高计算效率;特别是对于工程设计问题,该方法的优化结果相对理论解的误差仅为0.01%,调用模型次数相比其他3种方法减少了33.10%,66.19%,72.78%。     

针对高维优化问题的快速追峰采样方法

基于计算试验设计和代理模型的近似优化策略在现代复杂系统工程设计中得到了广泛应用,其中追峰采样方法(Modepursuing sampling, MPS)是一种代表性的近似优化策略。分析并针对MPS处理高维优化问题时效率低下的缺陷,提出了基于重点设计空间的快速追峰采样方法(RMPS-SDS),将重点设计空间的思想引入MPS框架,定制了一套样本点分配策略以增强MPS的局部搜索能力与收敛速度,从而提高求解高维优化问题的效率。采用一系列标准数值测试问题和工程设计问题检验RMPS-SDS方法的性能,并与MPS和GA进行了对比研究。研究结果表明,在相同模型调用次数前提下,RMPS-SDS的优化结果更接近理论全局最优解,且鲁棒性更好。与标准MPS相比,RMPS-SDS方法求解高维优化问题的效率、收敛性和鲁棒性都具有明显优势,更具有工程实用性。     

集成最小化置信下限和信赖域的动态代理模型优化策略

代理模型广泛应用于工程优化领域中。提出一种集成最小化置信下限和信赖域的动态Kriging代理模型优化策略,以提高全局收敛性和优化效率。在该优化策略中,利用Maximin拉丁超立方体试验设计方法选取初始样本点建立Kriging代理模型,令置信下限公式中的平衡常数等于已有样本点间的最小距离,并采用遗传算法对置信下限公式进行优化。根据已知信息更新信赖域,在新的信赖域内选取样本点更新代理模型,直至收敛。将该策略应用于数学测试算例和工字梁设计优化实例中,试验对比结果表明该优化策略不仅可以获得最优解,而且能够显著地提高优化效率。     

基于Kriging修正模型的铁路捣固镐优化

捣固镐是一种输出高频冲击运动的小型铁路养护机械。国内对捣固镐的设计理论研究较少,目前所采用的机械结构优化设计方法未充分考虑结构动态特性对综合性能的影响。本文提出了响应面模型的仿真实验方法,基于捣固镐零件的结构特点及仿真实验,结合Kriging插值思想和最优空间填充设计抽样构建了机械结构优化设计的初始代理模型;并通过全局精度检验点、局部误差较大区域加密以及近似最优解样本点修正思想,建立了在全局空间和局部区域都具有较高精度的Kriging模型,使用多目标遗传算法得到代理模型的Pareto最优解;最后利用仿真平台对优化后的模型进行对比分析,验证了该方法的有效性。