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。     

基于双加点动态Kriging模型的提升塔架优化设计

为在满足强度要求的情况下尽量减小提升塔架质量,同时解决传统Kriging模型全局精度和局部精度不易同时保证的问题,提出了一种双加点动态Kriging模型,并利用该模型和人工蜂群算法对提升塔架进行了优化设计。将全局敏感性分析得到的敏感参数作为设计变量,利用拉丁超立方试验设计得到的样本数据建立初始Kriging模型,以最大应力为约束条件,通过人工蜂群算法对提升塔架进行了减重优化。优化过程中, 采用双加点准则不断更新Kriging模型,以提高模型的全局精度和最优解处局部精度,直到获得最优解。研究结果表明：在最大应力不变的条件下,优化后的提升塔架质量减小了39.37%。基于双加点动态Kriging模型的优化设计与仿真模型的优化设计相比,其优化效率大幅度提高。双加点动态Kriging模型相较于静态Kriging模型和基于传统加点准则的动态Kriging模型,具有更高的全局精度、局部精度和最优解处局部精度。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化EI北大核心CSCD

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

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。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

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。     

涡轮叶片并行子空间多学科设计优化

将Kriging近似模型与并行子空间多学科优化方法相结合,对包括气动、传热和结构三个学科的涡轮叶片进行多学科优化设计,并与传统单级多学科优化方法进行对比。结果表明,基于Kriging近似模型的并行子空间多学科优化方法优化结果合理,与单级优化方法相比优化效率明显提高,寻优能力增强,适用于复杂结构的多学科优化设计。     

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近似模型的车架轻量化优化

为了在减轻车架重量的同时尽可能提高其动、静态结构性能,以车架纵梁、横梁结构参数为设计变量,特别采用最优拉丁实验设计方法进行了样本数据设计,并运用Kriging方法构建了车架NVH、扭转刚度、弯曲刚度及车架质量等性能参数的多目标优化系统的近似模型,利用模糊多目标粒子群算法对近似模型进行了优化,得到了Pereto最优解集。结果表明,所建立的Kriging近似模型适合解决组合优化问题,在多个性能指标满足设计要求的同时,成功实现了车架结构的轻量化。     

基于综合策略的金属簧片阻尼隔振器参数优化

建立了金属簧片阻尼隔振器有限元参数化模型和数学优化模型.通过优化超拉丁方实验设计,分析设计变量对隔振器抗冲击性能影响的变化规律.对隔振器进行优化,采用基于近似模型的组合优化策略:先用多岛遗传算法探索全局最优解所在区域,再用序列二次规划算法逼近精确最优解.建立RSM和Kriging近似模型,并进行误差分析,其中Kriging模型误差平均值为0 127 53,认为其拟合本隔振器非线性响应可靠有效.经过综合优化策略,承载结构最大加速度响应较初始设计时最大加速度响应下降了56.08%,结果表明此优化策略实用、可行.     

基于Kriging模型的并联机器人机构的多目标优化设计

为了提高并联机器人机构的性能特性,对机构参数进行优化设计分析,以达到性能指标最优的目的。先对应用于盾构拼装机的并联机构进行了运动学分析,利用封闭矢量法建立了逆解方程,并在此基础上求解了表征驱动关节输入和动平台输出映射关系的雅可比矩阵。引入衡量并联机构性能的全域运动灵巧度和全域承载能力指标,并以结构参数为设计变量,性能指标为优化目标,基于Krigring近似模型,利用多岛遗传算法对并联机构进行多目标优化,最终得到Pareto解集,并选取了机构参数的最优解。结果表明,基于Kriging模型的多目标优化对机构性能有明显的改善。     

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...     

某火箭炮托架结构的优化设计与研究

以某火箭炮托架结构为研究对象,在多学科多目标优化软件Isight中建立全自动仿真优化分析平台。采用最优拉丁超立方最优值附近加密的实验设计方法探索设计空间,提出一种改进的EBF神经网络技术构建近似模型,运用多岛遗传算法和序列二次规划法组合优化策略进行优化分析,为机械结构的轻量化提供了一条可行的技术途径和研究方法。     

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。     

基于近似模型的高速列车头型多目标优化设计

为改善高速列车气动性能,建立一套高效的多目标气动优化设计方法,对流线型头型进行多目标气动优化设计。建立高速列车流线型头型三维参数化模型,并提取5个优化设计变量;为减少优化设计时间,利用最优拉丁超立方设计方法在优化设计空间中进行均匀采样,利用计算流体力学方法获得对应于各个采样点的气动载荷,利用Kriging代理模型构建优化设计变量和气动载荷之间的近似模型;利用多体系统动力学方法计算气动载荷作用下的高速列车轮重减载率;以气动阻力和轮重减载率为优化目标,利用多目标遗传算法NSGA-II对高速列车流线型头型进行多目标优化。优化设计变量和优化目标均呈现收敛的趋势,采用Kriging近似模型优化计算的Pareto前沿与采用CFD（Computational fluid dynamics,CFD）优化计算的Pareto前沿较为接近。优化后高速列车的气动阻力最多可降低3.27%,轮重减载率最多可降低1.44%,气动阻力最优的头型与轮重减载率最优的头型的主要差异在于中部辅助控制线的变化,前者向内凹,后者则向外凸。     

考虑分布参数不确定的换热器封头结构优化研究

针对换热器封头的性能设计问题,对封头结构变量不确定性分析、Kriging近似模型构建、结构变量优化设计等方面进行了研究,提出了一种考虑分布参数不确定的换热器封头结构优化设计方法。基于对封头结构变量的不确定性来源的分析,建立了结构变量及其分布参数不确定性的表达函数;基于预测区间准则和遗传算法,构建了封头结构变量与流动不均匀度的自适应Kriging近似模型;建立了换热器封头结构优化设计函数,在Isight中实现了以流动不均匀度最低为目标的封头结构变量优化设计,获取了最佳封头结构尺寸。研究结果表明:优化后的封头结构的内部流动更均匀,降低了出口速度的不均匀度,提高了换热效率。     

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.     

基于区间不确定性的车架非线性可靠性优化

采用非线性有限元分析方法,用ABAQUS软件对车架的刚度和强度进行了分析。基于分析结果选取对结构强度和质量影响比较大的梁的厚度作为区间的设计变量,把车架材料的密度和泊松比作为不确定量,利用高维模型（TPS-HDMR）构建了设计变量与应力之间的近似模型,运用Kriging模型构建了设计变量与质量的近似模型。采用遗传算法中的NSGA-Ⅱ方法和隔代遗传算法,对车架应力和质量两目标进行了优化,并加入可靠度作为约束,得到了Pareto最优解集。     

基于Kriging近似模型的GCHE曲轴稳健性设计

缸间齿轮联动液压发动机是一种综合性能较好的新型液压发动机。曲轴位于发动机一侧,曲轴外形为半拐结构,其具有与传统发动机不同的受力情况与工作状况,因此需要对其进行结构优化设计,以实现最佳的工作状态。针对GCHE曲轴结构优化数学模型,基于Kriging近似模型与最优拉丁超立方试验设计方法,创建面向6σ稳健性优化设计的曲轴结构尺寸优化模型。仿真结果表明,该方法可完成对目标性能的最优寻值,并提高约束条件的可靠性和目标函数的稳健性。通过对比确定性优化,稳健设计可使曲轴体积降低1.61%,质量水平达到99.999%。     

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。