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。     

Kriging模型并行加点策略的多目标优化方法

针对复杂机械装备多学科多目标优化设计成本高、周期长等问题,提出一种近似模型与并行加点策略相结合的多目标优化方法。基于Kriging模型,将添加更新样本点定义为同时考虑Pareto最优解和预测误差的动态多目标优化问题,应用改进NSGA-II优化算法和极大极小距离准则,确定最优的并行更新样本点,在提高Kriging模型精度的同时实现多目标优化。测试函数验证和实例结果表明,该方法可有效提高复杂系统多目标优化效率,同时获得收敛性和分散性俱佳的Pareto最优解。     

基于代理优化算法的水下滑翔机外形优化设计

为了解决水下滑翔机复杂外形的优化设计问题,在提高其升阻比的同时提高Kriging代理模型的优化效率,提出一种自适应代理优化算法。该算法分别使用提出的改善并行期望改进准则(Parallel Expectation Improvement, PEI)和改善概率准则两种加点准则进行全局探索;使用最小代理模型预测(Minimizing Surrogate Preduction, MSP)准则进行局部探索。并根据新样本点和已知样本点的关系来实现全局探索和局部探索的切换。通过数学算例将所提算法和最大期望提高(Expected Improvement, EI)准则、多点期望提高准则(Multiple Expectation of Improvement,q-EI)、最大期望概率提高准则进行对比,结果表明,优化算法收敛更快,精度更高。最后,采用该优化算法对水下滑翔机外形进行优化,最大升阻比提升了19.37%。     

融合全局逼近与局部精化的协同优化方法

针对标准协同优化方法存在对初始点选取敏感、优化结果易收敛于局部最优解等问题,通过对松弛因子法特点的分析,给出了一种综合应用固定松弛因子和动态松弛因子方法,融合全局逼近与局部精化的改进协同优化方法,并将Kriging近似模型引入到改进的协同优化方法中,减小了迭代计算量,提高了优化效率,可快速精确地收敛到全局最优解处.通过汽车盘式制动器的优化设计,验证了本文方法的有效性与稳定性.     

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。     

基于Isight的塔架门框结构的优化设计

在多学科优化集成软件Isight环境中,综合应用Pro/E参数化建模功能、Abaqus有限元分析功能,建立一种面向塔架门框的CAD/CAE集成优化设计的框架。首先建立门框的参数化几何模型,其次建立有限元分析模型并提交求解。应用试验设计DOE(Design of Experiments)中的最优LHD(Latin Hypercube Design)算法分析门框几何参数因子与应力间的交互效应、相关性。采用模拟退火ASA(Adaptive Simulated Annealing)全局优化算法开展门框的静强度优化设计,以整段塔架的重量最轻为目标,得到满足门框强度设计的最优解。为塔架门框的强度优化设计提供一种科学的设计方法。     

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。     

基于Kriging模型的涡轮盘优化设计方法

研究了航空发动机涡轮盘设计问题,将Kriging方法与全局约束优化算法相结合,提出了基于Kriging近似响应模型的优化求解方法,有效减少了有限元分析的次数和计算量。该优化设计方法采用正交试验设计和有限元分析方法获得涡轮盘设计空间的初始样本数据;利用已有的设计样本数据建立涡轮盘重量和应力响应近似计算的Kriging模型,在此基础上利用全局优化算法在设计空间进行设计方案优化搜索;利用有限元分析方法计算近似最优设计方案的输出响应,并以此更新已有的设计样本数据,不断提高Kriging模型的近似精度。数值计算结果表明,基于Kriging模型的涡轮盘优化设计方法不仅可以获得良好的设计结果,还能大大降低计算代价,提高设计效率。     

基于Kriging模型和MOGA的轮胎成型机辊压支架的轻量化研究

以轮胎成型机辊压支架为研究对象,提出一种结合Kriging模型和多目标遗传算法(Multi Objective Genetic Algorithm, MOGA)的轻量化优化方法。首先对辊压支架进行静态特性分析,对比稀疏网格模型和Kriging模型的计算精度及收敛情况,得出Kriging模型的收敛效果更好;以辊压支架质量为优化目标,以应力和变形为约束条件建立优化数学模型,运用最优空间填充(Optimal Space Filling, OSF)设计抽样方法获得初始样本点,使用Kriging模型建立响应面;最后使用MOGA搜索全局最优解,分析应力、变形和质量的优化过程。与原模型相比,优化后的辊压支架质量减轻了4.96%,该方法可为轮胎成型机其他零/部件轻量化优化设计提供参考。     

中巴车铝合金立柱截面多目标优化

立柱是轻量化中巴车身的核心构件,其综合力学性能取决于型材截面形态。提出一种基于响应面的截面特征参数多目标优化方法,首先进行6063铝合金材性试验及立柱构件的拉伸和弯曲试验,测得材料的力学性能参数、立柱轴向和侧向的极限承载力。试验结果表明立柱构件的侧向受力能力远小于轴向受力能力。为提高立柱综合性能,采用最优拉丁超立方试验设计分析,选取敏感度大的截面特征参数作为设计变量,以质量、最大变形位移、最大应力的最小化为综合设计目标,建立多目标优化的数学模型。基于Kriging算法构建最大变形位移和最大应力的响应面仿真模型,应用多目标遗传优化算法(MOGA)全局寻优得到最优解。优化方案最大变形减小0.62%、最大应力减小11.06%、质量减小12.48%。     

基于组合优化策略的动车组悬挂参数优化设计

为快速获得改善车辆横向平稳性的最优悬挂参数,提出基于自适应模拟退火算法和非线性序列二次规划算法的组合优化策略对动车组悬挂参数进行优化设计。建立动车组动力学模型,利用最优拉丁超立方抽样方法选取对横向平稳性影响较大的悬挂参数作为设计变量;以横向平稳性为目标函数构建Kriging代理模型,并利用可决系数检验代理模型精度;采用自适应模拟退火算法对代理模型进行全局范围内初步寻优,在初步最优解的基础上采用非线性序列二次规划算法进行局部空间精确求解。研究结果表明,基于Kriging代理模型和组合优化策略的优化效率明显提高,车辆横向平稳性得到显著改善,并且优化前后运行稳定性均满足要求。     

基于Kriging近似模型的轨道主冷叶轮多目标遗传优化

为最大限度地减小叶轮质量,通过反求模型和网格密度精度的分析,对叶轮结构进行数值计算,并构造了拉丁超立方试验设计模型和Kriging近似模型,得到叶轮结构的采样空间和高精度的近似模型用来代替数值分析,提出了轨道轴流风机叶轮结构多目标遗传优化方法。采用该方法分析了主要技术参数对叶轮结构受力的灵敏性,并找出了对叶轮结构应力影响最大的参数。叶轮结构通过优化后,质量减小了31.7%,大大节省了材料的成本,最大应力值也由初始方案的21.5MPa变为16.5MPa,有效地提高了叶轮的力学性能。优化后通过滑环引电器和动静态应变测试系统对风机叶轮进行动静态试验,并设计了叶轮旋转机械的工艺工装和试验方案,试验结果与计算结果十分吻合,且动应力相对很小,因此,叶轮具有良好的力学和振动性能,在工程应用中具有较高的价值。     

电动轮自卸车车架结构抗疲劳轻量化设计

针对传统经验式设计的电动轮自卸车车架结构存在刚度不足、焊缝开裂、重量冗余,以及自身固有频率与非簧载质量激励频率接近而可能发生共振等问题,开展车架结构性能多目标优化设计的研究。首先,基于变密度法和SIMP插值模型对原始车架结构进行了考虑疲劳寿命约束的多目标拓扑优化设计,得到了满足静态多工况下柔度最小和多阶低阶固有频率最大的拓扑优化结构。再次,基于Kriging近似模型的抗疲劳轻量化设计,利用非支配排序多目标遗传算法进行全局寻优,优化后的车架结构质量比原始车架结构质量减少4.24%,且车架结构在同样载荷作用下的应力分布更加均匀,车架强度、刚度、动态特性和疲劳寿命等性能均得到改善。     

基于Kriging模型的后优化近似研究

后优化分析技术定量地研究当优化参数发生变化时，相应的优化结果会发生怎样的改变。过去的研究多集中在对优化结果的敏感度分析(一阶近似)，所得到的结果只在当前参数的微小扰动范围内有效。用Kriging模型进行优化结果的插值近似(相对于优化参数)，从而可以提供整个参数空间中优化结果的全貌。用简单的算例与一阶近似、二次响应面近似进行了比较，同时为了解决临界约束集发生改变时，目标函数突变对Kriging模型近似精度带来的影响，提出一种分片插值方案，较大地提高了Kriging的近似精度。     

应用遗传算法的塔机起升机构模糊优化设计

针对塔式起重机起升机构的设计实例,考虑到设计参数取值的不确定性,在满足承载能力和传动比分配要求条件下,以起升机构的减速器中心距最小为优化目标,建立了该问题的模糊优化设计的数学模型。由于传统的优化方法存在着求解过程复杂和寻优过程容易陷入局部最优解的问题,故应用matlab遗传算法工具箱寻求问题最优解,使求解过程得到简化,能可靠地获得全局最优解。     

基于变复杂度近似模型的汽车安全性和轻量化优化

针对汽车安全性优化过程中考虑冲压效应的计算复杂性特点,采用最优拉丁方实验设计,利用较少样本点数据在传统模型和高精度模型间建立一个差值补偿响应面模型,再通过传统模型和差值补偿响应面模型构造新的实验样本点,在此基础上建立Kriging响应面模型,应用多目标粒子群优化算法对此响应面模型进行优化求解,进行了整车正面碰撞和轻量化多目标优化设计。结果表明,该方法能够在保证响应面精度的前提下,快速收敛于优化解。     

克里金模型及其在全局优化设计中的应用

介绍了克里金模型的基本理论,并采用以克里金模型为近似模型的贝叶斯分析算法,对函数关系复杂、难以计算情况下的全局优化问题进行求解.该算法使用实验设计的方法选取初始样本点,通过样点填充准则找到新的样本点来更新克里金模型,不断循环,从而找到全局最优点.通过实例计算证明,与传统优化算法相比,此方法计算速度快、精度良好.     

混沌野草扩展Kalman滤波器辨识六维力传感器下E膜模型参数

为解决动载环境下噪声污染导致六维力传感器测量精度急剧下降,以及扩展卡尔曼滤波器难以获得最优系统干扰矩阵的问题,提出了一种基于混沌野草算法优化的扩展卡尔曼滤波（CIWO-EKF）算法。根据挠度与应变之间的关系,构建了六维力传感器下E膜非线性模型。基于野草繁殖算法,以前6阶主振型信息构成的系统干扰阵为均值进行高斯采样,产生初始化的可行解。将混沌搜索技术与野草算法相融合,利用野草算法进行全局搜索,通过混沌序列对群体中适应度高于平均值的个体执行给定步数的局部搜索,指导种群向最优解方向逼近,避免搜索过程陷入局部最优。采用改进的野草算法对扩展Kalman滤波中的系统干扰矩阵进行优化处理。仿真实例表明,改进扩展卡尔曼滤波器在提高六维力传感器测量精度的同时,可以保持较好的稳定性和鲁棒性。     

Kriging和距离因子辅助的全局优化方法

基于Kriging元模型的优化方法通常存在优化效率较低、收敛速度较慢、昂贵估值次数较多且难以有效平衡Kriging模型的局部与全局搜索行为等弊端。为此,提出一种序列Kriging和距离因子辅助的全局优化方法。其实现过程主要包含两个阶段:一是利用Kriging模型近似复杂昂贵的黑箱函数;二是利用Kriging模型与距离因子的乘积构造加点采样法则,并通过免于求导的DIRECT算法优化该法则,以获取新的昂贵估值点。六个数值函数测试和一个摆线泵仿真实例验证所提出方法的有效性。