陕北姬塬油区储集层特征地球物理测井分析

为了保持油井稳产，提高油藏采收率，姬塬油区拟采用面积法注水，急需对油藏分布规律进行详实、系统的研究，以保证井网建设的合理、高效。在前人研究成果基础上，对油区现有测井资料进行收集、整理、再解释，从油藏特征研究出发，对储集层进行测井分析，并使用克里金技术进行了地质建模。使用容积法计算油藏储量，为油区的注水开发提供了油藏资料。     

基于地统计方法的二氧化碳浓度空间插值研究

克里格法（Kriging）是地质统计学的主要内容之一,从统计意义上说,是从变量关系和变异性出发,在有限区域内对区域化变量的取值进行无偏、最优估计的一种方法：从插值角度讲是对空间分布的数据求线性最优、无偏内插估计的一种方法。克里格法的适用条件是区域化变量存在空间相关性。将临安市内的二氧化碳作为区域化变量．根据不同的半变异函数理论模型,采用普通Kriging法,通过对比分析得到：基于地统计的插值方法。根据半变异函数云图和试验方差最小的原理．选择合适的半变异函数理论模型进行变量的空间插值．能够较好地模拟区域化变量的空间连续分布格局．并取得较好效果。     

基于主动学习Kriging模型的地下管线抗震可靠度分析

为提升地下承插式接口铸铁管线抗震可靠度的计算效率,提出基于主动学习Kriging代理模型的Monte Carlo模拟方法(AK-MCS)进行地下管线抗震可靠度计算。采用梁单元模拟管线结构,均布弹簧反映管土相互作用,接口弹簧模拟邻接管道约束作用,建立了地下管线地震响应分析模型;考虑管线接口允许位移、管线埋深、土体容重和内摩擦角等模型参数随机性的影响,以管线接口位移量为安全准则,采用主动学习Kriging模型方法建立管线接口位移响应与随机变量参数关系的代理模型,从而获得管线接口安全状态。算例结果表明,AK-MCS法计算得到的管线失效概率与传统Monte Carlo模拟计算的结果相对误差在5%以内,且AK-MCS法计算时间约为传统Monte Carlo模拟计算时间的2%。因此在进行管线可靠度计算时,主动学习Kriging代理模型方法具有准确性与高效性。     

等离子硅刻蚀及其工艺参数的多尺度优化

用CFD-ACE+和CFD-TOPO分别对容性耦合等离子体反应腔室放电和等离子硅刻蚀过程进行仿真,讨论不同射频电压和腔室条件对等离子体特性的影响.结果表明:随着射频电压的升高,离子的通量增大;在低射频电压时,离子通量随腔室压强的升高而减小,而在高射频电压时趋势则相反.用Kriging模型对影响刻蚀形貌的参数(腔室压强和射频电压)进行优化,结果表明该优化方法可以为工艺条件相近的刻蚀机设备的设计提供参考.     

以Kriging可靠度分析为基础的半无限规划

基于可靠度的结构优化设计是国内外积极探索和研究的重要课题,但是传统的两层次算法的最大缺点就是计算效率很低,甚至有时不能够得到收敛解.因此有必要对这一类问题进行研究和探索,寻找新的计算方法以降低计算成本.本文将Kriging方法应用于带可靠性约束的优化设计中,将双层规划问题转化为一个带有无穷多个约束的半无限规划问题,然后使用Kriging模拟来近似地替代结构重分析,使得优化过程中的结构重分析次数减少,在保证计算精度的同时使计算效率得到较大提高.     

三峡区间面雨量空间插值方法对比分析

空间插值是常用的面雨量计算方法,以三峡区间为研究对象,选取反距离加权、普通克里金、协同克里金3种空间插值算法,进行面雨量空间插值计算和对比分析,其中协同克里金插值将地形作为影响因素。三峡区间面雨量插值结果表明:克里金插值在精度上要优于反距离加权插值,插值效果也更平滑;协同克里金的插值精度优于普通克里金,平均绝对误差、误差均方根相对于普通克里金插值分别降低了19%,10%。因此,在山区或地形复杂区域的面雨量计算,将地形作为协同区域化属性的协同克里金插值更合适。     

基于加权最小二乘的结构模态参数与损伤识别

为提高利用最小二乘进行模态参数识别的精确度,提出了分频段加权最小二乘模态参数及损伤区域识别方法。分别基于各频率段能量和普通克里金插值作为权值,加权计算模态参数。将此方法应用于识别时变系统,用于Koyna混凝土重力坝在地震作用下损伤识别中。结果表明,识别的固有频率时程曲线可以准确地对结构损伤情况进行描述,根据坝体观测点在初始和损伤结束时刻的响应信号识别的归一化振型可以对结构损伤进行定位。该方法可以较大地提高结构模态参数的识别精度,并且准确地识别结构的损伤区域。     

基于智能算法的汽车气动外形参数多目标优化

为了对汽车外形进行优化设计,利用CFD软件与智能算法相结合的方法,以在天窗微开高速行驶状态下的汽车为优化的对象,选取气动阻力最小、气动升力为0、天窗后缘压强最小为`优化目标,以汽车关键外形参数为设计变量,对汽车气动外形进行多目标优化设计.同时,应用了数据挖掘技术评价设计变量与3个目标函数的影响关系,选取优化后的最佳关键参数制作汽车模型并进行风洞试验验证.研究结果表明:通过遗传算法优化的车身外形,在其他设计目标满足要求的条件下成功地将阻力系数降低了9.5%,并通过风洞试验验证了该智能算法结果的准确性.基于智能算法的汽车气动外形设计具有指导意义与实际应用价值,为汽车气动外形的多目标优化设计提供了一种高效、精确、可靠的先进优化方法.     

Crashworthiness design for functionally graded foam-filled bumper beam

Automotive bumper beam is an important component to protect passenger and vehicle from injury and damage induced by severe collapse. Recent studies showed that foam-filled structures have significant advantages in light weight and high energy absorption. In this paper, a novel bumper beam filled with functionally graded foam (FGF) is considered here to explore its crashworthiness. To validate the FGF bumper beam model, the experiments at both component and full vehicle levels are conducted. Parametric study shows that gradient exponential parameter m that controls the variation of foam density has significant effect on bumper beam’s crashworthiness; and the crashworthiness of FGF-filled bumper beam is found much better than that of uniform foam (UF) filled and hollow bumper beam. The multiobjective optimization of FGF-filled bumper beam is also performed by considering specific energy absorption (SEA) and peak impact force as the design objectives, and the wall thickness t, foam densities ρ_f1 and ρ_f2 (foam densities at the end and at mid cross section, respectively) and gradient exponential parameter m as design variables. The Kriging surrogate modeling technique and multiobjective particle swarm optimization (MOPSO) algorithm were implemented to optimize the FGF-filled bumper beam. The optimized FGF-filled bumper beam is of great advantages and it can avoid the harmful local bending behavior and absorb more energy than UF filled and hollow bumper beam. Finally, the optimized FGF-filled bumper beam is installed to a passenger car model, and the results demonstrate that the FGF-filled bumper beam ensures the crashworthiness performance of the passenger car while reduces weight about 14.4% compared with baseline bumper beam.     

嵌入式大气数据系统Kriging算法模型

基于Kriging算法提出了一种嵌入式大气数据系统的计算模型.该模型以测压点压强为输入,攻角、偏航角和Ma等大气参数为输出.采用Kriging插值方法,建立了输入与输出间的映射关系,从而避免了迭代类方法反复迭代的过程,实现了高实时性.分别比较了取三、四和五个测压点时,以及取不同位置处测压点时,计算大气数据的精度.通过与神经网络模型比较,Kriging模型的精度明显优于神经网络模型.