Kriging模型

摘要： 针对双高双立柱式堆垛机结构设计时存在的结构非线性与设计参数响应值之间复杂的隐式关系。采用三维参数化建模和最佳填充样本空间(OSF)进行试验设计,利用Kriging模型建立双高双立柱式堆垛机设计参数和最大应力、最大位移和质量之间的映射关系,通过精英保留策略快速非支配排序多目标遗传算法(NSGA-Ⅱ),实现堆垛机结构尺寸、箱型梁壁厚的最佳寻优化方案,以满足强度、刚度、稳定性和优化设计目标。结果表明,采用该方法能够有效提高双高双立柱式堆垛机的静态结构优化设计精度和效率。

摘要： 民用飞机航材支援网络作为主制造商为客户提供航材的必要媒介,合理地搭建该航材支援网络有利于提高主制造商的服务品质和客户运营能力。基于Kriging方法,提出一种定性与定量相结合的民用飞机航材支援网络选址因素权衡方法,对选址因素进行梳理和分类,获取选址定量分析数据需求,并运用所提方法进行民用飞机航材支援网络选址因素权衡,进而对选址因素进行重要度评价;将该方法与层次分析法、响应面法、蒙特卡洛法进行对比分析,以验证其有效性和适用性。结果表明:本文所提方法可有效进行选址因素重要度评价,为民用飞机航材支援网络的搭建奠定基础。

摘要： 航空发动机卡箍与管路具有装配约束关系,其布置位置对管路走向和振动性能具有重要影响。提出一种基于改进灰狼算法(Gray Wolf Optimization,GWO)的发动机卡箍位置调整优化方法。该方法在已有管路‐卡箍几何布局方案基础上,以调节管路‐卡箍固有频率避过共振为主要优化目标,以管路避障、管路‐卡箍满足装配约束等为约束条件,应用改进GWO算法对卡箍位置进行二次优化调整。为了不影响管路几何布局方案,建立基于管路投影线的卡箍位置优化空间。为提高计算效率,建立反映卡箍位置和管路固有频率的Kriging模型,代替耗时的有限元计算程序。为提高GWO的搜索性能,提出改进收敛因子的GWO算法。所提方法可在保证管路几何布局微调的前提下,对卡箍位置进行优化,且可保证管路与卡箍满足装配约束关系。最后通过测试函数算例和卡箍布置算例验证所提方法的有效性。

摘要： Kriging代理模型可有效近似包含黑箱约束的工程优化问题,但存在仅依靠原始样本数据建模精度不高,工程优化效率低等问题。针对上述问题,提出了综合Kriging模型、权期望改进准则及进化算法的新有效全局优化算法。该算法的权期望填充准则在期望改进准则启发下,依据距离函数与期望增量的函数关系,构造权函数实现对新填充准则全局及局部探索能力的调整,使其具有依据试验点距离进行自适应调整进而跳出局部最优解实现全局优化的特性。数值算例和工程实例结果表明,在新准则和Kriging模型作用下的全局优化算法能够实现对优化问题的快速求解,精度高且具有较好的稳定性。

摘要： 液压柱塞泵作为液压系统的核心动力元件,其能量转换效率很大程度上决定了整个液压系统的性能和可靠性,而目前采用的能量转换效率模型多为确定性数值模型,没有考虑参数随机性的影响,无法真实反映柱塞泵的实际运行状态。提出了基于Kriging模型的柱塞泵总效率建模方法,选用柱塞泵总效率为可靠性失效判据,分别采用改进一次二阶矩法和Monte-Carlo数值仿真法对柱塞泵总效率进行可靠性和可靠性灵敏度分析。分析结果表明:Kriging模型采用少量的样本模拟的总效率模型具有较高的精度,模拟结果可以获取全面的柱塞泵效率特性;运行工况条件对柱塞泵总效率可靠性灵敏度具有重大影响,不同工况下灵敏度具有较大差异。提出的方法可推广至其他液压泵总效率模型的建立及可靠性灵敏度分析。

摘要： 针对频响函数的似然函数推导复杂以及马尔科夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)算法不易收敛、样本拒绝率高的问题,提出一种基于小波变换和改进MCMC算法的贝叶斯模型修正法。首先,引入模态参与变异系数准则选取激励点位置、模态动能法选取测点位置;然后,构造Kriging模型,计算加速度频响函数并进行小波变换,提取小波总能量作为Kriging模型输出,并通过粒子群算法优化Kriging模型相关系数;最后,为提高采样效率,以延缓拒绝策略为基础,当候选样本被拒绝时,引入天牛须搜索算法产生新的候选样本,以此估计待修正参数的后验概率分布。分别使用车辆三自由度系统和空间桁架模型验证所提方法,结果表明:修正后获得的马尔科夫链整体性能较好,样本接受率提高,各参数的相对误差基本保持在1%以内且具有良好的抗噪性。

摘要： Kriging模型的U学习函数(Learning Function U)是将模型预测符号容易产生错误的样本点加入设计并拟合模型,但是样本点在非重要区域的过多抽样会导致模型的收敛速度偏慢。为提高可靠性的计算效率,通过对样本点赋予不同的权值,提出U权重学习函数(Weight Learning Function U,WU)。学习函数选择的样本点接近极限状态曲面,有效减少功能函数的调用次数,加快Kriging模型的收敛过程,提高可靠性计算效率。算例表明WU函数相比其他方法在Kriging模型建立过程中所需样本点少,收敛速度快,计算效率高,在功能函数复杂或为隐式的工程问题中具有较高的实用价值。

摘要： 水下连接器是整个生产系统的关键节点,其密封一旦失效后果不堪设想,因此有必要对连接器进行可靠性评价,为水下生产系统工作稳定、安全可靠提供依据。水下连接器工作环境较为复杂,影响其密封性能退化因素较多,故以密封件接触应力强度作为水下连接器密封性能评价指标,通过敏感度分析方法,找到影响密封件接触应力强度的主要因素是工作内压、工作时间和位移载荷这3个随机变量。为了进一步确定这3个随机变量与接触应力强度之间的关系,开展连接器密封性能预测模型的研究。使用试验设计方法随机抽取工作内压、工作时间、位移载荷这3个随机变量数据,将这些数据代入Abaqus软件中进行有限元分析,得出相对应的密封接触应力强度值,然后使用Kriging模型将这3个变量与接触应力强度之间的关系进行拟合,得到密封性能与影响因素间的响应关系,实现对水下连接器性能退化的预测。

摘要： 针对车辆行驶安全的前提下结构的轻量化设计问题,本文以某公司城市客车为研究对象,利用Solidworks软件简化模型,进行参数化设置,并导入Workbench中进行正面碰撞仿真,得到优化前车架变形量。选取车架7个横梁结构尺寸作为优化变量,以车架质量最小作为优化目标,以最大应变作为约束,结合Kriging近似模型和NSGAⅡ算法,对车架进行多目标优化,得到Pareto前沿解集,从中选取最优解验证其车架的轻量化效果。研究结果表明,客车车架质量减轻了8‰,碰撞产生的变形满足碰撞要求,优化效果较好。该研究具有一定的实际应用价值。

摘要： 齿轮箱作为高速列车走行部的关键部件,其箱体结构的性能时刻关乎着列车运行安全性。裂纹作为一种重要且常见的结构损伤形式,其存在与否以及损伤情况对结构的性能有着极其重要的影响。基于此,提出了一种基于Kriging代理模型的非运行条件下高速列车齿轮箱箱体裂纹识别方法。利用拉丁超立方取样抽取裂纹参数样本,通过有限元分析计算得到相应的结构响应,从而构建Kriging代理模型,模拟四种工况进行模型精度验证。结果表明,与基于信号处理和基于数值分析的裂纹识别相比,该方法在保证识别精度的情况下,极大地提高了识别效率,同时还可实现裂纹定位识别。

摘要： 针对三维温度场声学法重建中,由于网格数目有限,边缘温度值无法直接进行重建等问题,本文提出了一种指数SVD法与Kriging模型相结合的重建方法.采用指数SVD法对典型单峰、双峰、四峰模型温度场进行了重建;引入kriging模型对重建温度场进行了内推、外推,验证kriging模型插值精度.结果表明:指数SVD算法和Kriging模型结合的重建温度场重建精度高.将IKriging模型引入到重建温度场的内、外推中为解决重建温度场内部温度细化与边缘温度重建,以及网格剖分数目较少的温度场重建问题,提供了一种有效的手段.

摘要： 高速列车气动性能的好坏直接影响到列车的运行安全性和舒适度.通过构建kriging代理模型可以得到列车几何外形与气动阻力、升力和侧力之间的映射关系.Kriging模型内部含有众多超参数,不同相关函数和多项式回归模型的选取会影响到代理模型的映射精度.通过研究0、1和2阶多项式回归模型,指数型和高斯型相关函数了解各参数对模型映射精度的影响.研究表明,相关函数选择高斯型,多项式回归模型选用2阶的总体误差最小.在相关函数确定的情况下(高斯相关函数)选用2阶多项式回归模型的映射精度比0和1阶多项式回归模型高.20个验证样本的阻力、升力和侧力相对误差绝对值之和分别比0阶多项式回归模型降低了37.6％,143.9％和21.3％.2阶多项式回归模型比1阶多项式回归模型的升力和侧力降低了30.9％,8.9％,但阻力增加了7％.在多项式回归模型确定的情况下(2阶多项式回归模型),选用高斯型相关函数的映射精度在阻力和升力上相对误差绝对值之和比指数型相关函数降低了0.7％和9％,但侧力提高了1.8％.

摘要： 高速列车气动性能的好坏直接影响到列车的运行安全性和舒适度.通过构建kriging代理模型可以得到列车几何外形与气动阻力、升力和侧力之间的映射关系.Kriging模型内部含有众多超参数,不同相关函数和多项式回归模型的选取会影响到代理模型的映射精度.通过研究0、1和2阶多项式回归模型,指数型和高斯型相关函数了解各参数对模型映射精度的影响.研究表明,相关函数选择高斯型,多项式回归模型选用2阶的总体误差最小.在相关函数确定的情况下(高斯相关函数)选用2阶多项式回归模型的映射精度比0和1阶多项式回归模型高.20个验证样本的阻力、升力和侧力相对误差绝对值之和分别比0阶多项式回归模型降低了37.6％,143.9％和21.3％.2阶多项式回归模型比1阶多项式回归模型的升力和侧力降低了30.9％,8.9％,但阻力增加了7％.在多项式回归模型确定的情况下(2阶多项式回归模型),选用高斯型相关函数的映射精度在阻力和升力上相对误差绝对值之和比指数型相关函数降低了0.7％和9％,但侧力提高了1.8％.

摘要： 高速列车气动性能的好坏直接影响到列车的运行安全性和舒适度.通过构建kriging代理模型可以得到列车几何外形与气动阻力、升力和侧力之间的映射关系.Kriging模型内部含有众多超参数,不同相关函数和多项式回归模型的选取会影响到代理模型的映射精度.通过研究0、1和2阶多项式回归模型,指数型和高斯型相关函数了解各参数对模型映射精度的影响.研究表明,相关函数选择高斯型,多项式回归模型选用2阶的总体误差最小.在相关函数确定的情况下(高斯相关函数)选用2阶多项式回归模型的映射精度比0和1阶多项式回归模型高.20个验证样本的阻力、升力和侧力相对误差绝对值之和分别比0阶多项式回归模型降低了37.6％,143.9％和21.3％.2阶多项式回归模型比1阶多项式回归模型的升力和侧力降低了30.9％,8.9％,但阻力增加了7％.在多项式回归模型确定的情况下(2阶多项式回归模型),选用高斯型相关函数的映射精度在阻力和升力上相对误差绝对值之和比指数型相关函数降低了0.7％和9％,但侧力提高了1.8％.

摘要： 高速列车气动性能的好坏直接影响到列车的运行安全性和舒适度.通过构建kriging代理模型可以得到列车几何外形与气动阻力、升力和侧力之间的映射关系.Kriging模型内部含有众多超参数,不同相关函数和多项式回归模型的选取会影响到代理模型的映射精度.通过研究0、1和2阶多项式回归模型,指数型和高斯型相关函数了解各参数对模型映射精度的影响.研究表明,相关函数选择高斯型,多项式回归模型选用2阶的总体误差最小.在相关函数确定的情况下(高斯相关函数)选用2阶多项式回归模型的映射精度比0和1阶多项式回归模型高.20个验证样本的阻力、升力和侧力相对误差绝对值之和分别比0阶多项式回归模型降低了37.6％,143.9％和21.3％.2阶多项式回归模型比1阶多项式回归模型的升力和侧力降低了30.9％,8.9％,但阻力增加了7％.在多项式回归模型确定的情况下(2阶多项式回归模型),选用高斯型相关函数的映射精度在阻力和升力上相对误差绝对值之和比指数型相关函数降低了0.7％和9％,但侧力提高了1.8％.

摘要： 气动外形优化设计过程中会产生大量历史数据,其中隐含了具有较高挖掘价值的设计知识.全局灵敏度分析方法可得到输入变量对输出系统的影响,是一种比较有效的数据挖掘方法.针对基于蒙特卡洛方法的Sobol'全局灵敏度分析法在气动分析中效率低下的问题,提出了一种基于Kriging模型超参数优化的气动外形敏感性分析新方法.即在Kriging模型建模的过程中对模型超参数进行优化,根据设计变量所对应超参数值的大小对设计变量的重要性进行区分.通过一系列测试函数进行了算例验证,并与Sobol'灵敏度分析方法进行了对比,结果表明本文提出的新方法采取少量样本点便得到了与Sobol'分析方法一致的结果.本文还开展了翼型气动外形敏感性分析算例,结果显示本文提出的敏度分析方法在气动问题中具有更高的效率.

摘要： 气动外形优化设计过程中会产生大量历史数据,其中隐含了具有较高挖掘价值的设计知识.全局灵敏度分析方法可得到输入变量对输出系统的影响,是一种比较有效的数据挖掘方法.针对基于蒙特卡洛方法的Sobol'全局灵敏度分析法在气动分析中效率低下的问题,提出了一种基于Kriging模型超参数优化的气动外形敏感性分析新方法.即在Kriging模型建模的过程中对模型超参数进行优化,根据设计变量所对应超参数值的大小对设计变量的重要性进行区分.通过一系列测试函数进行了算例验证,并与Sobol'灵敏度分析方法进行了对比,结果表明本文提出的新方法采取少量样本点便得到了与Sobol'分析方法一致的结果.本文还开展了翼型气动外形敏感性分析算例,结果显示本文提出的敏度分析方法在气动问题中具有更高的效率.

摘要： 气动外形优化设计过程中会产生大量历史数据,其中隐含了具有较高挖掘价值的设计知识.全局灵敏度分析方法可得到输入变量对输出系统的影响,是一种比较有效的数据挖掘方法.针对基于蒙特卡洛方法的Sobol'全局灵敏度分析法在气动分析中效率低下的问题,提出了一种基于Kriging模型超参数优化的气动外形敏感性分析新方法.即在Kriging模型建模的过程中对模型超参数进行优化,根据设计变量所对应超参数值的大小对设计变量的重要性进行区分.通过一系列测试函数进行了算例验证,并与Sobol'灵敏度分析方法进行了对比,结果表明本文提出的新方法采取少量样本点便得到了与Sobol'分析方法一致的结果.本文还开展了翼型气动外形敏感性分析算例,结果显示本文提出的敏度分析方法在气动问题中具有更高的效率.

摘要： 气动外形优化设计过程中会产生大量历史数据,其中隐含了具有较高挖掘价值的设计知识.全局灵敏度分析方法可得到输入变量对输出系统的影响,是一种比较有效的数据挖掘方法.针对基于蒙特卡洛方法的Sobol'全局灵敏度分析法在气动分析中效率低下的问题,提出了一种基于Kriging模型超参数优化的气动外形敏感性分析新方法.即在Kriging模型建模的过程中对模型超参数进行优化,根据设计变量所对应超参数值的大小对设计变量的重要性进行区分.通过一系列测试函数进行了算例验证,并与Sobol'灵敏度分析方法进行了对比,结果表明本文提出的新方法采取少量样本点便得到了与Sobol'分析方法一致的结果.本文还开展了翼型气动外形敏感性分析算例,结果显示本文提出的敏度分析方法在气动问题中具有更高的效率.

摘要： 气动外形优化设计过程中会产生大量历史数据,其中隐含了具有较高挖掘价值的设计知识.全局灵敏度分析方法可得到输入变量对输出系统的影响,是一种比较有效的数据挖掘方法.针对基于蒙特卡洛方法的Sobol'全局灵敏度分析法在气动分析中效率低下的问题,提出了一种基于Kriging模型超参数优化的气动外形敏感性分析新方法.即在Kriging模型建模的过程中对模型超参数进行优化,根据设计变量所对应超参数值的大小对设计变量的重要性进行区分.通过一系列测试函数进行了算例验证,并与Sobol'灵敏度分析方法进行了对比,结果表明本文提出的新方法采取少量样本点便得到了与Sobol'分析方法一致的结果.本文还开展了翼型气动外形敏感性分析算例,结果显示本文提出的敏度分析方法在气动问题中具有更高的效率.

摘要： 本公开提供了一种基于Kriging模型的涡轮轴可靠性优化设计方法，包括：建立涡轮轴参数化有限元仿真模型；确定涡轮轴失效模式，建立涡轮轴的目标函数和可靠性约束函数；确定迭代设计点和迭代最可能失效点；构建可靠性约束函数的Kriging代理模型；采用自适应学习函数识别重要失效模式进行自适应抽样，更新Kriging代理模型；利用单层法求解获得当前优化设计点和当前最可能失效点；比较当前优化设计点和迭代设计点，若||当前优化设计点‑迭代设计点||≤阈值，则当前优化设计点为确定优化设计点；否则用当前优化设计点更新迭代设计点，用当前最可能失效点更新迭代最可能失效点。该方法计算规模小、耗时短，对涡轮轴可靠性优化设计有很强的工程意义。

摘要： 一种基于序列Kriging代理模型的结构非梯度拓扑优化方法，属于属于结构与多学科优化设计领域，主要包括设计域材料场的缩减级数展开、非梯度拓扑优化模型建立和序列Kriging代理模型算法求解三部分内容。本发明通过材料场函数的缩减级数展开，有效减少拓扑优化问题设计变量，使用带有自适应设计空间调整策略的序列Kriging代理模型算法，可以有效求解50个设计变量以内由材料场描述的拓扑优化问题。本方法不需要性能函数设计灵敏度信息，适合于解决复杂多场耦合、多学科和高非线性的拓扑优化问题；不仅继承了密度法拓扑优化的简单形式，还能使拓扑结构边界清晰光滑，便于集成各种商用和自研有限元软件，是一种便于推广和工程应用的拓扑优化方法。

摘要： 本发明涉及一种基于Kriging模型的高效自适应方法，该方法主要通过三个步骤实现：第一步，通过拉丁超立方方法生成一定数量的样本来构造一个初始的Kriging模型；第二步，通过当前Kriging模型从候选样本中筛选出一定数量的候选样本，确定两个样本；第三步，更新候选样本和实验设计样本并重新构造Kriging模型，判断是否满足要求，如不满足跳转至第二步，如满足则用当前Kriging模型代替原模型进行可靠性分析。本发明通过自适应迭代不断增加极限状态附近的样本点数量，且通过最大化最小距离确定所添加的样本，使得迭代更新的样本近似均匀地分布在极限状态附近，样本点得到了更加充分地利用，可靠性分析的结果更精确。

摘要： 本发明公开了一种基于主动学习Kriging模型的需求样本的优化方法，所述主动学习Kriging模型的可靠性优化方法包括：S1：在样本数据库中进行采样操作，得到小样本库；S2：根据所述小样本库和初始主动学习Kriging模型，利用学习函数，建立新的主动学习Kriging模型；S3：利用自适应候选区域模型以及影响函数IF与聚类方法提升所述修改后的主动学习Kriging模型的采样精度，得到精度高的主动学习Kriging模型；S4：根据需求样本，利用所述精度高的主动学习Kriging模型以及序列优化和可靠性评估方法，得到所述需求样本的优化结果。

摘要： 本发明提出一种偏最小二乘Kriging模型辅助的航空减速器高效全局优化方法，进行初始试验设计；利用计算机实现仿真计算，得到齿轮箱总重量的目标响应值和齿轮、齿根、齿面强度的约束响应值，建立DS数据库；对DS数据库进行归一化处理和偏最小二乘变换，确定主成分个数构建偏最小二乘Kriging核函数；构建可行性概率策略实现样本填充，或者构建最大化偏最小二乘约束权期望改进准则实现空间样本填充，将填充样本数据及其对应的仿真输出目标值及响应值置于DS数据库中；迭代更新DS数据库，直至达到最大迭代次数或满足最大约束期望改进准则的阈值。本发明能够实现多变量情形下Kriging代理模型的高效构建及自适应调整，实现全局最优解的快速收敛，减少昂贵仿真成本。

摘要： 本发明提供了一种基于主动学习Kriging模型的可行域搜索方法及装置，选取初始样本点，并计算所述初始样本点的损失函数，分别构建或更新损失函数和所有约束函数的Kriging代理模型，以损失函数的绝对值作为优化目标，求解优化方程；引入多个主动学习函数并构造多种约束主动学习函数，优化多种约束主动学习函数，获取最优帕累托前沿；从最优帕累托前沿中获取多个最佳样本点，并计算最佳样本点的损失函数真实值；当算法收敛时，获得精确的可行域边界的Kriging代理模型，使得损失函数即为优化问题的可行域。本发明可高效搜索多约束下的可行域，进而缩小优化问题的搜索空间，提高求解效率。

摘要： 本发明公开了一种基于传感器布局优化和自适应Kriging模型的频谱地图构建方法，属于通信技术领域。该方法包括利用改进的人工蜂群算法对传感器布局进行优化选择；从经过优选的传感器中寻找传感器估计组；计算半变异函数值并拟合半变异函数；构建自适应的Kriging模型，根据所述自适应Kriging模型，构建频谱地图。本发明所提出的构建频谱地图的方法，具有较高的精度。

摘要： 本发明提供了一种基于并行加点准则的汽车车身Kriging近似模型构建方法及装置，该方法包括：根据建模目标生成设计变量初始样本集；计算各样本点的函数响应值；利用初始样本集构建初始汽车车身Kriging近似模型；依据精度评价准则判断模型是否满足优化需求；若否，同时根据EI和改进EI加点准则增加新的样本点，并将新增样本点加入初始样本集中，删除冗余样本点，并重新建立Kriging近似模型；再判断新近似模型精度，若不满足继续根据并行加点准则新增样本点，直至得到最终优化的汽车车身Kriging近似模型。本发明将EI和改进EI加点准则结合形成新的并行加点准则，实现同时增加多个样本点目的，提高车身Kriging近似模型局部和全局精度，同时大大提高近似模型构建效率。

摘要： 本发明公开了一种基于自适应Kriging代理模型的引水隧洞施工动态仿真方法，包括如下步骤：步骤1、建立Kriging代理模型样本集；步骤2、训练Kriging代理模型样本集建立自适应Kriging代理模型；步骤3、利用自适应Kriging代理模型进行引水隧洞施工期围岩‑支护结构分析获得围岩顶拱点位移、应变结构分析结果；步骤4、基于围岩顶拱点位移、应变结构分析结果校核设计初期引水隧洞施工支护合理性，选择合理的二次补强措施，进而优选初期支护时间参数；步骤5、将基于自适应Kriging代理模型的支护时间参数优化模块耦合于引水隧洞进度仿真中，实现基于初期支护时间参数优化的引水隧洞动态仿真；该方法实现了引水隧洞围岩稳定性的高效分析。

摘要： 本公开实施例中提供了一种学习函数与kriging模型结合的自适应结构可靠性分析方法，包括获取结构的功能函数g(x)，并获取影响结构功能函数的变量x及其分布信息；在采样空间