基于双层更新Kriging模型的机械结构动态特性稳健优化设计

针对现有机械结构优化设计未考虑材料特性参数的不确定性和结构动态特性对综合性能的影响、优化求解效率低下等不足,提出基于双层更新Kriging模型的机械结构动态特性稳健优化设计方法。将机械结构动态特性指标的均值和方差作为优化目标,将机械结构变形量作为约束条件,建立机械结构动态特性稳健优化的数学模型。利用拉丁超立方试验设计、误差最大区域和近似最优解邻域的局部样本点加密技术和双层更新策略,建立能准确高效地获取稳健优化目标和约束函数值的Kriging模型。在此基础上,基于邻域培植遗传算法和双层更新的Kriging模型求出机械结构动态特性稳健优化问题的所有Pareto最优解。某型号大型汽轮发电机定子端部绕组锥环固定结构动态特性稳健优化设计实例验证了方法的有效性和相对于确定性优化设计方法的优越性。     

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。     

基于OSF和RSM的轻轨独立轮轴桥优化设计

基于目前机械结构优化设计未充分考虑结构动态特性对综合性能的影响以及工程优化设计效率低下的问题,提出了响应面模型仿真实验方法。通过结合最优空间填充设计和Kriging插值思想构建机械结构优化设计初始代理模型,并利用试验设计方法、误差较大区域加密优化、近似最优解局部加密处理以及内外层更新迭代思想,建立了在局部区域和全局空间内都具有较高近似精度的Kriging模型。在此基础上,基于筛选优化算法和多目标遗传算法得到目标函数的Pareto最优解。最后用轻轨用轴桥结构优化设计实例验证了该方法的有效性。     

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。     

基于仿真试验和Kriging模型的多目标优化问题全局优化算法

针对复杂工程系统的多目标仿真优化问题,基于Kriging模型,提出一种将优化过程与试验过程相结合的全局多目标优化算法。该算法利用构造的加点准则序贯选取能应对约束和逼近真实Pareto解集的试验点,只需少量仿真试验就能得到优化问题的高精度Pareto解集。考虑试验点的可行性概率、间隔距离和Kriging模型的不确定性,设计亦能有效辨识非连通可行域的加点准则;提出以最大化试验点的期望超体积改进和可行性概率为目标的近似Pareto解集改进准则,使新试验点兼顾改进近似Pareto解集的质量和精确刻画可行域边界。通过三个数值算例将所提算法与已有算法进行比较,计算结果验证了所提算法的有效性和高效性。     

面向零件轻量化设计的自适应动态Kriging模型及应用

机械零件轻量化对提高装备运行性能、降低成本具有重要作用。针对传统基于Kriging模型的全局优化方法在处理零件轻量化问题时,收敛速度慢、优化效率低、精度差等问题,提出一种自适应动态Kriging模型。采用复相关系数R2检验实现Kriging模型的全局动态更新,以Pareto解中各目标函数最小值为特征点,通过特征点加权计算理想特征点位置,在理想点附近选取可行解完成样本局部更新,实现Kriging模型的动态自适应性。以数值算例和FT(N)-2800注塑机模板为例,验证了所提方法的有效性。     

基于Pareto解集的多目标优化方法及其应用

针对传统多目标优化设计方法的弱点,基于Pareto概念,借助遗传算法所具有的并行搜索特性,引入群体排序技术、小生境技术求得多目标优化问题的Pareto解集,实现了先寻优后决策的求解模式。实际工程算例表明,该模式可同时获得多个Pareto最优解,据此决策能有效弱化设计人员先验知识不足的影响,因而较传统多目标优化方法更为实用有效。     

基于多目标种群协同算法的板坯入库优化

针对钢铁企业板坯入库决策问题,基于出库次序A型约束、分散性约束和垛位限高约束等构建了以板坯综合匹配度、垛位利用度和库存均衡度为目标函数的多目标入库决策优化模型。提出一种多目标种群协同粒子群优化算法,并设计了局部搜索策略以提高外部归档集中Pareto解的多样性,同时利用Pareto最优解改进粒子速度更新方式,达到多种群协同优化的目的。仿真实验证明,该算法可以更好地解决多目标板坯入库优化问题。     

基于Kriging插值和回归响应面法的冲压成形参数的优化及对比分析

首先采用拉丁方试验设计方法进行样本数据设计,同时,为了提高计算效率,将基于Kriging插值和响应面近似模型引入板料成形优化设计的复杂系统中,并基于初始化变量进行优化,采用Kriging插值和响应面近似方法对样本点和优化过程中形成的优化点重新进行响应面构造,以确定优化范围内新的初始值并将约束减小到一定范围;随后采用遗传优化算法对更新的设计变量初始值和约束范围进行优化。如此循环,直至得到最优解。计算结果表明,在汽车覆盖件行李箱盖的压边力、拉延筋阻力最优设置以及避免出现拉裂、起皱现象方面,Kriging插值近似建模技术优于多项式回归响应曲面近似建模技术,其预测精度高,自由度高,建模效率高。     

基于Kriging插值的汽车行李箱盖冲压成形参数的优化设计

提出采用拉丁方试验设计方法进行样本数据设计,同时为了提高计算效率,将Kriging插值引入到板料成形优化设计的复杂系统中,并基于初始化变量进行优化,采用Kriging插值对样本点和优化过程中形成的优化点重新进行响应面构造,以确定优化范围内新的初始值,并将约束减小到一定范围;采用遗传优化算法对更新的设计变量初始值和约束范围进行优化,直至得到最优解。计算结果表明,Kriging插值近似建模技术预测精度和建模效率高,对汽车覆盖件行李箱盖的压边力、拉延筋阻力最优设置以及如何避免出现拉裂及起皱现象均有不错的优化效果。