基于Kriging模型和小波包能量谱的随机模型修正

针对随机模型修正精度和效率低的问题,提出一种基于Kriging模型和小波包能量谱的随机有限元模型修正方法。首先,假设模型待修正参数和响应特征均服从正态分布,将不确定性的模型修正转化为均值和标准差的修正;其次,将待修正参数作为Kriging模型输入,加速度频响函数经过小波包分解后提取的结点能量作为输出,引入政治优化算法优化相关系数以构造Kriging模型;然后,将最小化试验响应与预测响应之差的绝对值作为修正均值的目标函数,最小化交叉熵作为修正标准差的目标函数,通过政治优化算法先后修正参数均值和标准差;最后,以空间桁架结构为例,选取弹性模量和密度为待修正参数验证该方法的可行性。结果表明,所提方法能够有效地修正结构参数均值和标准差,修正后的参数均值、标准差的误差分别低于0.1%、3.5%。     

基于有限元模型修正的损伤识别方法研究

通过实验方法测得结构的模态参数,建立结构系统的有限元基准(未损)模型,同时为了避免将初始的有限元模型误差误判为损伤,需对原始的基准模型进行有限元修正,建立基准解析模型.由于系统质量参数可以准确获得且在模型修正过程中保持质量不变,因此可将刚度参数作为修正对象,通过改变弹簧刚度,使其有限元动力分析的结果与实测结果尽量吻合.随后定义损伤变量(损伤引起刚度的变化率即灵敏度),借助刚性灵敏度实现对结构损伤位置与损伤程度的识别.     

一种基于高频频响函数的无基准疲劳裂纹识别方法

传统的线性频响函数损伤识别方法依赖于与健康基准对比来识别损伤,限制了其应用范围。提出了一种基于非线性高频频响函数的无基准疲劳裂纹损伤识别方法。通过分析出现裂纹时损伤界面的非线性特征,提出利用不同幅值激励下高频频响函数不同的特性,在无基准情况下提取非线性频响成分,构造损伤指数表征非线性损伤,同时分析了不同频率段对疲劳裂纹的敏感程度。实验表明该方法可以在无基准情况下有效识别疲劳裂纹。     

基于向量自回归模型的损伤识别方法

基于向量自回归(vector auto-regression,简称VAR)模型,提出了一种能同时进行损伤定位和程度识别的时间序列方法。首先,利用测试的加速度响应时程信号建立VAR模型,提取模型系数的对角线元素作为损伤敏感向量,并采用该向量的马氏距离作为损伤特征值;然后,应用统计模式识别手段,通过受试者工作特征曲线下的面积指标来判别损伤是否出现及其部位,并通过Bhattacharyya距离来度量损伤程度。数值模拟和实验室框架模型实验表明,该算法能成功识别损伤部位和损伤程度的相对大小,且具有较好的抗噪性能,为结构长期在线损伤识别提供了一种有效手段。     

基于随机森林的建筑结构损伤识别方法

针对利用分类器对建筑结构进行损伤识别的问题,引入一种新的组合分类器算法——随机森林,提出基于小波包分解和随机森林的结构损伤识别方法。首先,采用小波包对结构在不同损伤程度和位置上的振动加速度信号进行分解,得到各个频带上的总能量;然后,利用各频带上能量值存在着差异性作为输入到分类器的特征向量;最后,训练随机森林模型并对建筑结构的损伤位置和损伤程度进行识别。应用该方法对一座8层剪切型钢框架结构进行损伤判别,并与BP神经网络和支持向量机方法进行对比,结果表明该方法具有较好的识别精度与稳定性。     

基于Kriging代理模型的结构形状优化方法

任何机械零件都是由结构尺寸和形状构成.通过常规设计手段,一般确定零件的整体结构尺寸,但大量局部的尺寸决定了零件形状.而零件的失效往往与零件形状是否合理密切相关.形状优化技术一般以有限元技术为基础,通过边界的迭代过程获得形状优化.文中结合试验设计技术和近似代理技术,利用少量样本点建立高精度分析模型,代替原有零件模型,在代理模型上寻找符合约束条件的结构参数,从而获得零件的形状优化.首先阐述了该优化方法的设计思想和理论基础,最后以六角钢盘的结构优化为例说明了该方法的具体应用过程.     

一种基于模型修改的结构多点损伤识别方法

可用于结构损伤识别的方法很多。一般来讲正向方法直接利用结构模态参数的变化,逆向方法则利用模态参数变化反演结构物理参数变化,还有些方法利用了神经网络和模式识别技术。文中利用模型修改的思想,通过逆向方法计算结构单元刚度变化系数来对结构的多点损伤进行识别。以一个七自由度弹簧阻尼质量系统作为研究对象,用数值模拟方法及特征系统实现算法计算系统的模态参数,并用这些模态参数验证所提出方法的可行性,结果表明该方法对多点损伤的识别是简单而可行的。     

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。     

Kriging代理模型下基于垂距的多点取样算法

代理模型由于可以有效地缩减学科分析时间,被广泛应用于优化领域。而构建高精度代理模型则取决于样本点在设计空间中的分布。为了建立拟合效率高的近似模型,在已有Kriging代理模型基础上,提出一种基于垂距和最大化点均方差取样(Integrated mean square error,IMSE)的多点取样算法,以保证预测精度的同时减少样本数量。该方法将垂距作为判定设计变量取值的标准,进行数据点的初步筛选。选取高斯函数作为设计点之间的相关函数,并且在边缘附近进一步修正。针对实际算例,将该取样算法与多点加点准则比较,结果表明使用的方法在保证全局精度的基础上,采用较少的采样点构建代理模型,具有较高的局部近似精度。     

基于模型修正的大跨斜拉桥损伤识别方法

首先,根据斜拉桥的结构特点,将主梁等效为弹性地基梁,由此可推知结构损伤而导致的内力重分布只影响损伤部位附近单元,以此作为结构损伤位置的初步判断的依据;然后,由于内力重分布程度与结构损伤前的初始位移成线性关系,可知汽车荷载作用下的索力变化对损伤更为敏感.根据基准有限元模型,采用优化算法,以损伤单元的损伤程度为设计变量,以实测索力变化和理论索力变化之差为目标函数,对有限元模型进行修正,进而实现结构损伤程度的识别;最后,以苏通长江大桥为例,对4种损伤工况进行了分析识别.计算结果表明,根据同一汽车荷载作用下的索力变化,可以有效地识别主梁单元的损伤位置和程度.     

TBM掘进总推进力关键参数识别与高精度Kriging模型

针对全断面硬岩隧道掘进机(Tunnel Boring Machine,TBM)掘进载荷的影响参数众多,推进力预测模型精度低的问题,根据引松工程实测数据,利用Kriging模型提出一种参数系数分析方法,对参与建模的掘进参数进行关键参数识别,达到合理降维目的 .使用已得关键参数进行掘进总推进力预测模型的建立,并对不同参数个...     

基于AR模型和主成分分析的损伤识别方法

基于结构加速度时间序列提出了一种新的损伤识别方法。首先,获取结构在无损伤状态下的加速度数据并进行分段,以各段数据的AR(auto-regressive)模型系数向量作为结构的参考状态样本,将未知状态的加速度AR模型系数向量分别加入参考状态样本中,构成多个原始数据矩阵;其次,对多个原始数据矩阵分别进行主成分分析得到前两阶主成分,并建立相应的椭圆控制图,以前两阶主成分在控制椭圆中的分布情况来判别结构是否存在损伤;最后,以一钢框架结构试验为例识别结构的两种损伤模式。结果显示,该方法能够准确、直观地识别结构是否存在损伤,相对于马氏距离判别法具有更强的稳定性。     

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的岸边集装箱起重机有限元模型修正

为了提高岸桥有限元模型修正的效率,采用基于替代模型的方法修正岸桥有限元模型。首先进行岸桥的有限元建模和振动响应实测,分别获得岸桥模态信息的有限元分析值和试验值;然后,在合理的修正参数选取和试验设计的基础上,拟合得到岸桥有限元模型的二次多项式替代模型和Kriging模型;最后,基于所构造的替代模型对有限元模型进行修正,并对比了不同替代模型的精度和修正效果。结果表明:利用替代模型进行有限元模型修正可以极大地提高修正效率和修正精度;同时,对于岸桥结构,Kriging模型和二次多项式模型的修正计算效率和修正精度非常接近,各自的优劣不明显。     

基于Kriging元模型的柴油机连杆结构优化设计

为了提高连杆结构优化设计的收敛性和效率,从某柴油机连杆APDL语言参数化出发并结合Kriging模型的特点,提出了基于Kriging元模型的柴油机连杆结构优化设计方法。通过灵敏度分析,将连杆结构9个参数变为为6个参数,不仅减少了设计参数,同时减小优化器的负荷。采用拉丁超立方采样并建立了Kriging代理模型,再对其进行了准确性验证,在此基础上应用SQP求解器,经过5中初始方案进行优化,优化后连杆质量减小7.2%,并对结果进行仿真验证,说明了该文方法的可行性和有效性。     

基于Kriging模型的微夹持器优化设计

为了综合平衡一种新型微夹持器的张合量、夹持力灵敏度与快速响应,提出一种Kriging模型的优化方法。采用拉丁超立方抽样方法确定试验点,采用ANSYS计算各试验点对应的响应值。进行相关性分析以确定对性能影响较大的结构参数,并将其作为优化设计变量。采用Kriging理论建立能反映性能指标与设计变量之间关系的非线性模型,并建立多目标优化模型。比较分析优化前与优化后的各性能指标可知,放大倍数增大了7.4%,固有频率增大了16.46%,输出刚度增大了9.84%,最大应力减小了5.75%,说明所提出的性能优化方法有效。     

基于Kriging模型的快速拆装叶轮轮盘多目标优化设计

为了降低叶轮安装端面变形量以及减轻叶轮质量,对快速拆装形式的叶轮轮盘结构进行多目标优化设计,使用拉丁超立方试验设计和有限元分析生成初始样本数据并构造出Kriging近似模型,运用遗传算法对近似模型进行寻优。对优化后的参数值进行工程取整并进行有限元分析得出叶轮轮盘结构设计模型,最终优化结果显示叶轮质量减小了15%,叶轮摩擦端面轴向变形量降低了29%。优化后的叶轮模型可提高拉杆螺栓连接转子结构的可靠性。     

基于Kriging模型的数控机床空间切削稳定性

针对机床加工点空间位姿的改变,导致切削稳定性预测具有复杂性和不确定性问题,提出一种基于Kriging模型的机床空间切削稳定性研究方法。该方法以机床最小极限切削深度为研究对象,首先,通过构建描述其与加工位姿间数学关系的Kriging模型,预测其在加工空间的演化规律;其次,引入改进粒子群算法,计算具有最小极限切削深度极大值的加工位置,并结合切削实验和能量分布理论确定机床易颤振模态及对应的薄弱结合部,通过优化结合部动刚度以提高最小极限切削深度值。以一台立式加工中心主要加工任务中耗时较多的工序进行实例验证,建立该工序最小极限切削深度的Kriging模型,阐明加工位置变化对切削稳定性有较大影响,并提出结合部动刚度优化方案,提高了最小极限切削深度。     

基于Kriging代理模型的离心通风机叶片优化

为了提高离心通风机的气动效率,进而实现节能减排和保护环境,提出了一种基于Kriging回归的代理模型用于离心通风机的气动优化。首先,通过拉丁超立方采样设置初始样本点,构建样本点对应下的离心通风机结构模型;进而用CFX软件计算其结构参数对应下的气动性能响应参数;其次,构建Kriging回归的代理模型用于表征初始样本点参数与气动性能响应参数间的耦合对应关系;最后把代理模型嵌入到智能优化算法中,并以气动效率最大为目标进行函数迭代寻优,进而寻得最佳的叶轮结构参数,优化后风机的工况效率从76%提高到80.9%,气动效率明显提高。     

基于改进Kriging模型的主动学习可靠性分析方法

主动学习Kriging(ALK)模型能够只在极限状态平面附近的狭小区域近似功能函数,因此能够极大提高可靠性分析的效率.但是已有方法多数基于DACE工具箱建立Kriging模型,难以获得Kriging模型的最优相关参数,进而难以获得最优的训练点.引入差分进化算法,对Kriging模型的相关参数进行全局搜索,提高每次迭代K...