代理模型

摘要： 本文针对船舶快速性能高效预报中存在的难度,以33艘油船、43艘散货船水池模型试验数据为基础,应用机器学习算法建立船舶快速性能预报的代理模型。研究了不同组合方式的船体有量纲与无量纲参数、代理模型种类对船型快速性能预报精度的影响,对比了代理模型在相近船型预报和同类船型预报2种应用场景中的适用性。结果显示,有量纲与无量纲混合的参数组合可以提高模型预报精度,船舶快性能代理模型预报误差约为3%~7%。

摘要： 为提高复合材料双钉胶螺混合连接接头的承载能力,本文结合实验和有限元方法,利用ABAQUS建立了有限元模型并验证了其可行性,基于代理模型和遗传算法,对碳纤维复合材料板与钛合金板双钉混合连接结构的板宽、端距和孔距等参数开展了多参数优化设计。结果表明:二次多项式代理模型的预测结果精度最高;与优化前试验得到的常规混合连接接头的载荷性能相比,优化后的结构承载能力提升了44.35%。

摘要： 本文采用Kriging代理模型,在基准翼型基础上,采用网格变形技术和CFD方法获得样本数据,以不同马赫数的升力系数、阻力系数等气动特性要求为优化设计目标,以厚度分布为约束,进行了多目标多约束的低速翼型优化设计研究,获得了满足目标特性要求的低速翼型。采用该翼型设计机翼,并随全机进行了风洞试验验证,结果表明采用优化设计的翼型构造的机翼,满足了全机设计要求。

摘要： 格子玻尔兹曼方法(LBM)是一类广泛应用的介观尺度下的流体数值模拟方法。其缺陷在于,它对于计算资源的要求较高,一般情况下难以实现即时模拟。文章构造了一种新的基于U−Net的卷积神经网络(CNN,convolutional neural network)以对LBM进行加速,以一次卷积神经网络模型的运算代替原本需要进行多次的时间步迭代。对一系列层流绕柱流动的数值模拟进行试验,发现:该方法能够在保证计算精度较高的同时,相较于串行的LBM程序有约250倍加速,验证了该方法的有效性。

摘要： 为提升高速磁浮列车动力学性能,提出一套高效的多目标优化设计方法,对磁浮列车悬挂参数、系统控制参数和轨道梁参数进行多目标优化设计。为保证仿真模型有效逼近高速磁浮列车实际运行状况以获得准确的输出响应,构建出磁浮系统分布式协同仿真模型,实现磁浮列车动力学模型、轨道梁有限元模型及控制系统的实时耦合,并选取5个关键设计参数作为优化设计变量;采用最优拉丁超立方试验设计方法均匀抽取20组样本,基于分布式协同仿真模型获得各样本点对应的7项动力学性能值;针对20组小样本、5输入7输出的高非线性问题,分析不同代理模型预测精度,建立优化设计变量和性能指标之间的代理模型;采用NSGA-Ⅱ(非支配排序遗传算法-Ⅱ)优化算法对设计变量进行多目标优化。计算表明7项性能指标经优化后均得到显著提升。

摘要： 代理模型能够辅助进化算法在计算资源有限的情况下加快找到问题的最优解集,因此建立高效的代理模型辅助多目标进化搜索逐渐受到了重视.然而随着目标数量的增加,对每个目标分别建立高斯过程模型时个体整体估值的不确定度会随之增加.因此通过对模型最优解集的搜索探索原问题潜在的非支配解集,并基于个体的收敛性,种群的多样性和估值的不确定度,提出了一种新的期望提高计算方法,用于辅助从潜在的非支配解集中选择使用真实目标函数计算的个体,从而更新代理模型,能够在有限的计算资源下更有效地辅助优化算法找到好的非支配解集.在7个DTLZ基准测试问题上的实验对比结果表明,该算法在求解计算费时高维多目标优化问题上是有效的,且具有较强的竞争力.

摘要： 针对目前机械结构优化中建立预测模型代价较高的问题,提出了一种基于数据学习的结构静力学性能预测方法。以悬臂梁为研究对象,建立有限元仿真模型以获取位移场数据,构建边界条件-位移场代理模型,预测结果表明位移场分布趋势与实际一致,载荷为1000 N和1600 N时最大位移相对误差分别为-0.02%和-0.47%。文中讨论了均布力大小和集中力作用位置对位移场预测结果的影响,结果表明,随着载荷幅值增加,预测误差有所增加。相比均布力,集中力载荷下的预测误差更大,且加载位置靠近边缘处的误差更大。反演问题分别将位移场作为输入,将均布力大小和集中力位置作为输出构建位移场-边界条件代理模型,载荷为1000 N和1600 N时的预测误差分别为0.15%和-0.48%,在5 mm和10 mm处的载荷位置预测误差分别为0.38%和-1.84%,实现了对力边界条件的高精度预测。所提方法从数据学习角度出发,可为机械结构的静力学性能预测提供一种新的思路。

摘要： 风电机组疲劳损伤程度通常采用疲劳载荷进行判断。疲劳载荷是工程中用于快速评估机组疲劳安全性的一项重要指标,反映的是力或力矩循环次数和振动幅值的综合效果。工程中通常采用雨流统计法对风电机组关键位置的力矩时间序列进行处理,采用Miner准则对风电机组服役周期内的疲劳损伤进行累积,最后通过材料S-N疲劳寿命曲线判断机组的安全性。常见的风电机组疲劳载荷包含叶根坐标系、静止轮毂坐标系、旋转轮毂坐标系、塔顶坐标系和塔底坐标系下的力矩疲劳载荷。

摘要： 在致密油藏注水开发过程中,由于压力场和应力场的变化引起注水井人工裂缝的开启闭合,会对注水效果产生重要影响。定量表征注水井裂缝的动态变化是注水开发致密油藏的关键。文中提出了将不同裂缝参数下油藏数值模拟的生产动态数据代入油藏容阻模型,获得不同的注采井井间连通性数据,并建立了裂缝参数与连通系数的支持向量回归代理模型的方法。利用该方法对反五点井网注水井动态裂缝变化特征进行分析,结果表明:建立的代理模型对裂缝参数的预测误差较小,为致密油藏注水开发中裂缝动态变化分析提供了简单快速的方法。

摘要： 为同时获得良好的气动和隐身性能,基于外形隐身技术与材料隐身技术相结合的原理,提出了一种以透波为主的机翼蒙皮设计方案;为平衡透波机翼升力与机翼电磁隐身性能之间的关系,采用一种基于代理模型的策略,对透波机翼外形几何特征参数进行了优化设计。研究结果表明,经过优化后,透波机翼在频域、空域范围内保持良好的雷达散射截面(RCS)减缩特性的同时可具备足够的升力条件。所提出的代理模型精准度高,在工程上平衡跨学科领域问题时,可作为一种有效手段。

摘要： 随着计算流体力学的发展,仿真技术正在成为环模设备设计中的重要手段,但是由于流场仿真中巨大的计算量,导致仿真工作很难在短时间内寻找到最优设计方案,本文提出基于Kriging代理模型的均匀度优化方法,将测试箱内5个设计参数进行参数化建模,通过拉丁超立方采样方法生成10组设计参数,分别进行流场分析得到设计参数所对应的采样点温度,将设计参数与采样点温度所组成的样本集建立Kriging代理模型,并通过自适应变异粒子群算法对原始设计方案进行优化,最终优化后的方案较原始方案多点温差下降15.5％.

摘要： 图像是现代化战争的重要信息来源,有效利用图像信息,可以充分发挥战场侦察与监测能力,从而实现智能监控与判断.当大气透过光强度不足时,严重影响到图像的质量,对战场侦察识别的执行能力起到妨碍作用.为了提高雾天环境下图像有效利用性,开展了基于光学深度代理模型的雾浓度估计及图像去雾方法研究.针对雾天图像的相关特征,提出一个与雾气浓度紧密相关的饱和度-亮度联合特征,通过敏感度分析,确定暗通道、饱和度-亮度和色度为三个重要的雾相关特征,采用1000幅合成有雾图像数据建立了以雾相关特征为自变量、以光学深度为目标函数的代理模型;基于光学深度估计代理模型,提出了一种雾浓度估计方法;同时将代理模型预测的光学深度估计值代入大气散射模型中对去雾图像进行求解.通过实验验证表明,该方法在去雾图像的视觉化清晰效果、准确度、实时性上优于已有的去雾方法.

摘要： 飞行器在实际飞行过程中,来流马赫数或迎角等工况不确定性对其气动性能有很大的影响.随着设计变量以及不确定性变量的增加,不确定性量化以及优化设计的计算成本将急剧增加,急需发展更高效的鲁棒气动优化设计方法.本文采用代理模型辅助的蒙特卡洛方法和无味变换方法进行不确定性量化,并采用基于kriging模型的代理优化方法开展了鲁棒气动优化设计研究.M6机翼在来流马赫数不确定条件下的鲁棒气动优化设计结果表明,采用无味变换结合代理优化方法进行鲁棒优化设计的效率较高,经过鲁棒优化设计机翼的气动性能相比与确定性优化设计的机翼对来流马赫数的波动不敏感,具有较高的鲁棒性.

摘要： 在航空航天领域,飞行器的气动外形设计逐渐向综合考虑多学科、多设计状态的方向发展.多目标气动优化设计方法为应对未来飞行器复杂设计问题提供了一个有效的解决途径,并逐渐成为气动优化设计的研究前沿热点之一.多目标气动优化设计方法的关键和核心在于鲁棒高效的多目标优化算法.目前,以NSGA-Ⅱ为代表的传统多目标进化算法发展较为成熟,并且已经在飞行器气动设计中得到了应用.然而,如果在气动优化设计中使用这些传统的多目标进化算法,需要大量调用CFD分析,当采用高可信度数值模拟时,会使得气动设计代价过于昂贵.因此,本文提出了一种基于代理模型的多目标进化算法(SBMO),并发展了基于SBMO的多目标气动优化设计方法,在获得与传统多目标进化算法相近优化结果的前提下,显著减少了高可信度数值模拟次数,从而大幅缩短了设计周期,降低了设计成本.采用7个多目标优化测试函数算例和两个RAE2822翼型的多目标气动优化设计算例,将SBMO和NSGA-Ⅱ算法的优化效率和效果进行了对比.结果表明,SBMO在获得与NSGA-Ⅱ相近优化效果的条件下,其所需CFD计算次数约为后者的十分之一.

摘要： 近年来,随着飞行器气动优化设计要求的不断提升,设计变量规模不断扩大,建立具有一定精度代理模型所需要的样本点数呈指数增长.梯度增强型代理模型一定程度上可以减少所需的样本点数量,但是目前在实际应用中效果并不是很理想.为解决这一问题,本文发展了一种间接引入梯度信息的新方法,使用分层kriging模型的思想对原先的梯度信息进行松弛,构建HGEK模型.首先,对kriging模型、GEK模型和HGEK模型的理论与算法进行了公式推导与介绍.其次,采用数值算例对这三种方法的正确性进行了验证.结果表明,HGEK模型和GEK模型的精度均优于kriging模型.最后,将HGEK模型和GEK模型应用于NACA0012翼型的优化设计问题,结果也表明HGEK模型和GEK模型的优化结果优于kriging模型.

摘要： 应用基于径向基函数的多目标遗传算法对深海张力腿平台进行优化设计.以张力腿动态张力响应和平台结构重量为设计目标,以平台垂荡、水平位移和气隙为约束条件,对平台的主尺度(吃水、立柱直径、立柱间距、浮箱宽度和浮箱高度)进行全局优化.本研究采用三维势流理论和Morison公式对传统型张力腿平台进行了水动力学分析和短期运动响应预报.随后应用全析因实验设计和径向基函数网络逼近等技术,构造满足预测精度要求的代理模型.最后应用多目标遗传算法对张力腿平台进行优化,获得Pareto最优解集,为深海张力腿平台设计提供更多选择方案.经研究表明,研究方法能够快速有效地对张力腿平台进行全局优化,获得最佳的水动力性能.

摘要： 针对水下垂直发射航行体表面非定常空泡闭合区压力开展研究.基于势流理论和独立膨胀原理,获取了空泡闭合区最大压力的主要影响因素,采用kriging代理模型技术建立了最大压力模型;利用高斯脉冲函数匹配空泡闭合区压力分布特征,形成了由最大压力及已知状态参数描述闭合区压力分布的回射压力波形.应用最大压力模型和回射压力波形,对空泡闭合区压力开展预示,典型工况的预示结果与试验数据比对表明两者吻合较好,验证了本方法的准确性.

摘要： 小型化、轻量化设计使得弹载伺服机构的重量和体积减小,刚度等力学性能较以往也降低,在冲击等环境载荷作用下因变形导致卡滞,影响伺服机构的搜索范围.本文基于ANSYS Workbench平台,建立伺服机构参数化模型,采用最优拉丁超立方设计方法和统计灵敏度分析法确定了影响伺服机构冲击响应特性的敏感参数,基于Kriging模型和多目标遗传优化算法,对敏感参数进行优化,实现对伺服机构冲击响应特性的优化.

摘要： 凹腔构型对超声速燃烧室的燃烧效率、阻力特性、火焰稳定等性能都有重要的影响,且凹腔构型各参数变化产生的影响存在复杂的耦合作用.因此,本文针对横向喷射燃料的三维超声速燃烧室凹腔构型进行了基于代理模型的优化设计及参数分析研究,首先对凹腔的长度、深度和后壁倾角进行正交试验设计,数值仿真用以对凹腔燃烧室进行流场与性能分析,建立燃烧室燃烧效率和总压恢复系数与设计变量间的代理模型,根据基于替代模型的复杂系统优化策略,采用带精英策略的非支配排序遗传算法(NSGA-Ⅱ)对凹腔构型进行二次优化设计,得到Parto前沿面.结果分析表明优化凹腔构型可分为窄深型、浅长型和中深中长型,分别对应Pareto前沿面的急变段、平缓段和巨变段;凹腔燃烧室的燃烧效率与凹腔长度呈负相关,与凹腔深度呈正相关,总压恢复系数反之;后壁倾角对总压恢复系数和燃烧效率影响均较小.平缓区的燃烧室压力幅度变化小且总压恢复系数高,其长深比在2.67与8之间,在不需要极高的燃烧效率情况下,可以优先选择平缓区凹腔构型.

摘要： 随着机器学习、深度学习的发展,特别是神经网络的突破,人工智能得到巨大进步.在研究和应用方面,人工智能的发展,大多集中在图像、分析、推荐等领域.本文核心组件的研究和开发,是希望提高群体智能的问题.它可以加强交通、集群控制、协调操作、微观细胞研究等领域的人工智能发展.它的应用领域广泛,是未来社会研究、军事开发、工业制造、科研计算、数字化转型的重要技术.人工智能的发展,需要深入底层技术.在分布式人工智能方面,本文的核心组件具有一定程度的创新性.基于这种技术,希望在群体智能和分布式人工智能方面,做出一些创新性的结构.

摘要： 本发明的一个方面涉及的通过计算机实现的训练好的模型的建立方法具有如下处理：取得由演奏者进行的第1演奏的第1演奏数据、与第1演奏一起进行的第2演奏的第2演奏数据、及表示演奏者的满足度的满足度标签的组合分别构成的多个数据集，使用多个数据集，实施满足度推定模型的机器学习。在机器学习中，满足度推定模型针对各数据集，以使得根据第1演奏数据及第2演奏数据推定出演奏者的满足度的结果适合于满足度标签的方式进行训练。

摘要： 本发明为一种结算代理服务器(11)，具有结算功能部(42)、认证功能部(46)、认证及结算处理部(50)的功能，认证及结算处理部(50)从搭载结算功能并且第一使用者使用的客户终端(18)承接包含使用者信息的结算委托，并实施基于认证功能部(46)的使用者的认证，在认证了与第一使用者不同的第二使用者的情况下，针对第二使用者实施基于结算功能部(42)的结算处理。

摘要： 本发明请求保护一种适用于提升通信网络服务质量的双向服务代理模型，包括网络代理、双向服务、双向服务访问点。网络代理是一个实体，可以执行特定的任务并屏蔽网络的具体细节，用于感知用户对网络服务质量的需求并做出相应的反应。双向服务是网络代理间在两个方向上同时互相的提供服务。双向服务访问点是对双向服务的抽象并且是对服务访问点的扩展、一个逻辑上的接口，负责网络代理间通信。本发明的用于通信网络服务质量提升的双向服务代理模型是基于双向服务和网络代理，这区别于传统基于“层”的网络中只能满足下层为上层提供服务；网络代理能够对用户的网络服务质量请求做出智能感知并能够和当前网络兼容，可以从根本上提升网络的服务质量。

摘要： 本发明公开了一种基于代理模型的模型参数并行仿真优化方法及装置，涉及仿真优化领域，该方法将多个不同的参数组合分别输入到多个仿真环境中，每个仿真环境基于一个参数组合执行仿真流程并输出对应的仿真结果，多个仿真环境并行运行；将当前迭代过程的参数组合及对应的仿真结果添加到累计数据集中，利用累计数据集中的数据训练得到代理模型；利用代理模型和优化算法生成下一次迭代的多个参数组合；该方法通过利用代理模型，使得优化算法可以快速的实现迭代，同时提供并行仿真的机制，可以减少总仿真执行次数从而大大减少仿真过程消耗的时间，减少了参数优化耗时，提高参数优化效率。

摘要： 一种基于代理模型的Modelica模型参数优化方法，步骤如下：1、编译Modelica模型并获取模型参数、变量信息；2、优化建模；3、生成采样点；4、对参数组合进行仿真计算；5、分析仿真计算结果；6、构建代理模型；7、利用代理模型代替Modelica模型进行优化迭代，找到最优参数；8、将最优参数进行仿真计算，如果仿真计算结果与代理模型输出结果误差小于设定值，则执行步骤10，否则执行步骤9；9、利用步骤8的仿真计算结果动态更新代理模型，然后执行步骤7；10、步骤7计算到的最优参数为最终优化结果，参数优化结束；通过以上步骤，本发明达到了提高Modelica模型参数优化效率的目的，解决了Modelica模型参数优化过程中计算量巨大，难以对大型模型进行参数优化的现实问题。

摘要： 本发明涉及一种基于本征正交分解（POD）和代理模型的高超声速气动热模型降阶方法，属于航空航天技术领域。本发明利用本征正交分解和代理模型方法预测得到高超声速飞行器气动热环境，保留了高精度数值计算中的真实气体效应、气流粘性等非线性特性，同时利用模型降阶思想具有较高的精度和效率，能够在高超声速飞行器设计提供高超声速飞行器热环境，为气动热弹性设计提供相关热边界条件，为高超声速飞行器热防护设计提供热环境，极大的提高设计效率，缩短了设计周期，节约了设计成本。

摘要： 本发明公开了一种基于多目标代理模型的静叶调节机构系统可靠性分析方法，应用于可靠性评估领域。本方法首先基于协同抽样策略为所有失效模式构建一个多目标代理模型，然后通过复合学习准则添加新的样本点自适应更新多目标代理模型，直至多目标代理模型达到足够的精度，最后利用更新的多目标代理模型计算系统失效概率。本发明所提出的协同抽样策略和复合学习准则既考虑了失效相关性，又通过自适应截断区域减少了候选样本数量，具有较高的计算精度和计算效率。

摘要： 本发明公开了基于深度学习的瞬态油藏代理模型的构建及油藏预测方法，涉及石油工程领域，步骤如下：S1、对井点数据进行处理得到若干个无标签样本模型，若干个无标签样本模型组成无标签样本模型集合；S2、时间维度离散化，将无标签样本模型集合输入到卷积神经网络中进行训练，卷积神经网络集合作为深层卷积神经网络，用于构建瞬态油藏模拟的代理模型，选取出各时间步对应的残差最小化的网络组成优化卷积神经网络集合，构成瞬态油藏模拟的代理模型。本发明通过建立物理信息深度卷积神经网络算法，可以不依赖标签数据训练得到油藏代理模型，从而快速预测油藏数值模拟结果，显著提高计算效率。

摘要： 本发明公开了一种基于自适应加点代理模型的气弹结构耦合寻优方法，首先考虑了参数不确定性和模型不确定性，通过对不确定性进行量化，提出了一种基于Kriging代理模型的自适应智能加点准则，得到了飞行器结构的最大应力和颤振速度的上下界限，之后，基于此自适应加点代理模型，考虑结构强度约束条件和气动弹性约束条件，对飞行器结构进行了优化设计。本发明减少了飞行器结构优化过程中有限元分析及气动弹性分析的次数，降低了计算量，提高了优化效率，为飞行器结构优化设计提供了一种新思路。

摘要： 本发明公开了一种基于多层感知机网络代理模型的星座对地覆盖性能综合分析方法，包括：确定星座对地覆盖性能综合分析的星座参数和性能参数，并给定星座参数的取值范围；生成多个训练数据，其中，训练数据包括一组星座参数及对应的性能参数；对训练数据进行标准化处理；构建多层感知机神经网络模型，利用标准化处理后的训练数据对多层感知机神经网络模型进行训练以拟合星座参数与性能参数之间的映射关系；利用训练后的多层感知机神经网络模型，对星座对地覆盖性能进行预测分析。本发明通过利用多层感知机神经网络构建星座对地覆盖性能分析的代理模型，能够实现对星座空间覆盖性能和时间覆盖性能的综合快速分析，计算量小，计算耗时少，分析精度高。