随机与区间不确定下基于近似灵敏度的序列

为解决复杂系统多学科可靠性设计优化过程中由于存在多源不确定性和多层嵌套而导致的计算效率低的问题,将近似灵敏度技术与两级集成系统综合策略(Bi-level integrated system synthesis,BLISS)和功能测度法集成,提出一种能同时处理随机和区间不确定性的序列化多学科可靠性设计优化方法。基于概率论和凸模型对混合不确定性进行量化,提出一种随机和区间不确定性下的混合可靠性评价指标,并基于功能测度法建立多学科可靠性设计优化模型。采用近似灵敏度信息替代实际灵敏度值,将近似灵敏度技术同时嵌入多级多学科设计优化策略和多学科可靠性分析方法中,避免每轮循环都进行全局灵敏度信息的分析与迭代,提高了计算效率。基于序列化思想同时将四层嵌套的多学科可靠性设计优化循环和三层嵌套的多学科可靠性分析过程进行解耦,形成一个单循环顺序执行的多学科可靠性设计优化过程,避免了每轮循环对整个可靠性分析模型进行迭代分析的过程,减少灵敏度分析和多学科分析次数。以汽车侧撞工程设计为例,验证了该法具有同时处理随机和区间不确定性的能力,并且计算效率较传统方法分别提高了10.98%和23.63%,表明该法具有一定工程实用价值。     

随机与区间不确定下基于近似灵敏度的序列多学科可靠性设计优化

为解决复杂系统多学科可靠性设计优化过程中由于存在多源不确定性和多层嵌套而导致的计算效率低的问题,将近似灵敏度技术与两级集成系统综合策略(Bi-level integrated system synthesis,BLISS)和功能测度法集成,提出一种能同时处理随机和区间不确定性的序列化多学科可靠性设计优化方法。基于概率论和凸模型对混合不确定性进行量化,提出一种随机和区间不确定性下的混合可靠性评价指标,并基于功能测度法建立多学科可靠性设计优化模型。采用近似灵敏度信息替代实际灵敏度值,将近似灵敏度技术同时嵌入多级多学科设计优化策略和多学科可靠性分析方法中,避免每轮循环都进行全局灵敏度信息的分析与迭代,提高了计算效率。基于序列化思想同时将四层嵌套的多学科可靠性设计优化循环和三层嵌套的多学科可靠性分析过程进行解耦,形成一个单循环顺序执行的多学科可靠性设计优化过程,避免了每轮循环对整个可靠性分析模型进行迭代分析的过程,减少灵敏度分析和多学科分析次数。以汽车侧撞工程设计为例,验证了该法具有同时处理随机和区间不确定性的能力,并且计算效率较传统方法分别提高了10.98%和23.63%,表明该法具有一定工程实用价值。     

基于近似技术的序列化多学科可靠性设计优化

为提高多学科可靠性设计优化的计算效率,集成近似技术与解耦思想,提出一种基于近似并行子空间优化策略(ACSSO)和角度更新功能测度法的序列化多学科可靠性设计优化方法。基于解耦思想将其分解为确定性多学科优化与可靠性分析顺序执行的过程,避免每次优化对整个可靠性模型的反复计算。提出基于ACSSO策略进行确定性多学科设计优化,采用近似灵敏度信息替代实际灵敏度值,仅计算灵敏项构建全局灵敏度方程,避免了每轮都对学科级和系统级灵敏度信息的计算。基于角度更新策略对功能测度法进行改进,以极限状态函数的搜索角度值替代函数值进行可靠性评估,减少了耦合状态变量与多学科分析次数。以汽车侧撞工程设计为实例,验证了所提方法的有效性及工程实用价值。     

随机与区间不确定性下的序列化多学科可靠性分析

为进行两种不确定共存情况下的多学科可靠性分析,提出一种基于概率论和凸集理论的随机与区间不确定性下的序列化的多学科可靠性分析方法.该方法通过对耦合循环解耦,组成多学科概率可靠性分析、基于凸模型的多学科非概率可靠性分析和多学科分析的单循环递推迭代过程,并集成全局灵敏度方程和KKT替代条件替换复杂的凸模型极值分析,保证了多学科可靠性分析具有较好的计算效率.通过两个算例验证了该方法的有效性.     

基于逆可靠性策略的齿轮减速器多学科协同可靠性分析

针对现有的多学科可靠性分析方法只进行系统级优化,使系统级优化器的工作负担过重、求解效率低下的问题,提出了一种基于逆可靠性策略(Inverse Reliability Strategy,IRS)的多学科遗传协同(Collaborative Optimization Based On Genetic Algorithm,GA-CO)可靠性分析方法(IRS-GA-CO)。该方法将IRS方法与多学科协同优化算法结合进行复杂系统工程可靠性分析。同时,采用遗传算法求解系统级可靠性优化问题,克服多学科协同优化算法中拉格朗日乘子不存在的缺陷。在IRS-GACO方法中所有的学科能够独立的进行优化,这样不仅解除了所有学科之间的耦合,提高了搜索最大可能点(Most Probable Point,MPP)的效率,而且学科级能进行优化,系统级优化器的负担可显著地降低。通过一个数学算例和齿轮减速器多学科可靠性分析的工程例子证明了文中提出方法的效率和精度,这个优点在大规模的复杂工程系统的设计中能够更好地体现出来。     

基于FORM的齿轮传动多学科优化设计

通常多学科设计优化是一种确定性设计方法,未考虑不确定性因素的影响。为降低多学科设计优化过程中不确定性因素对系统性能的影响,将一次可靠性方法与协同优化方法相结合,应用到多学科设计优化中。建立基于一次可靠性方法的协同优化的数学模型,并阐述其求解流程,该方法可用于多学科设计优化领域的可靠性设计问题。分别运用协同优化方法和基于一次可靠性方法的协同优化实现了减速器齿轮传动的多学科优化设计,在这两种方法的系统级优化中,引入松弛变量,将一致性等式约束转化为不等式约束,使算法易于收敛。优化结果表明基于一次可靠性方法的协同优化方法求得的最优解使得约束条件满足了可靠性要求,提高了系统的可靠性,具有实际工程意义。     

多学科耦合系统可靠性分析方法研究

以一阶可靠性分析方法为基础,采用基于Kriging近似模型的并行子空间的多学科设计优化方法进行多学科耦合系统可靠性分析方法的研究。结果表明,该方法进行可靠性分析的精度较高,与单级优化方法相比,该方法效率更高。     

多学科系统非概率可靠性分析研究

基于不确定参数的凸集合描述,研究了多学科耦合系统的非概率可靠性分析问题。由于多学科系统分析的迭代性质,直接求解非概率可靠性模型将包含两个嵌套的循环,计算量较大。本文根据“同时分析和设计(SAND)”的思想,建立了求解非概率可靠性指标的SAND模型,使其求解仅包含一个单级循环(优化过程),较大程度上减少了计算量。通过一个典型的多学科分析算例比较了两种方法的计算结果和计算量,表明本算法是合理有效的,同时比较了概率可靠性与非概率可靠性指标的异同。     

基于改进的BLISS2000优化策略的涡轮级多学科设计优化

为了提高涡轮级多学科设计优化的优化效率,保留了双级集成系统综合(BLISS2000)优化策略的基本算法结构,取消了构造近似模型的过程,在计算耗时的气动分析模块中应用具有自修正功能的可变复杂度建模(VCM)方法以缩短计算时间。在此基础上,提出了一种改进的涡轮级优化策略(BLISS2000/VCM)。采用该策略对某发动机涡轮级进行了优化,并与标准优化策略(MDF)进行了对比,结果表明优化效果基本接近,优化效率提高了2.75倍。     

基于性能测量法的序列化多学科可靠性分析

针对现存的多学科可靠性分析方法计算效率低的问题,提出了基于性能测量法的序列化多学科可靠性分析方法.该方法将系统分析、系统灵敏度分析和可靠性分析序列化并组成一个递归循环,消除了每次循环迭代中系统级优化器对可靠性分析模型完整的优化计算.系统分析和系统灵敏度分析分别为可靠性分析提供了极限状态函数的值和梯度信息,可靠性分析采用基于改良的先进均值法减少了子系统分析次数.同时,系统灵敏度分析过程中采用全局灵敏度方程执行并行子空间灵敏度分析,提高了可靠性分析的效率.通过两个算例验证了该法具有较高的计算效率.