基于代理模型的汽车乘员约束系统性能优化

针对汽车碰撞乘员约束系统优化设计中多参数和非线性问题,提出了基于径向基函数代理模型的优化设计方法,通过LS-DYNA分析软件建立正面碰撞乘员约束系统的仿真模型并对其进行验证.基于该模型选取对响应影响较大的设计变量作为优化变量,在LS-OPT中选择径向基函数构建代理模型,采用空间填充试验方法进行试验设计,运用自适应模拟退火算法进行优化求解.优化结果表明:人体综合损伤WIC值相比初始设计值降低了28.2%,实现了对设计目标的优化.     

径向基函数配点法分析三维功能梯度材料板的静力和动力问题简

传统配点法在求解动力学问题时会存在误差随时间累积的问题,而无网格径向基函数配点法在全域内采用具有无限连续性的径向基函数作为近似函数,结合配点法构建方程,通过最小二乘法进行求解。无网格径向基函数配点法不仅在数值计算过程中不需要任何网格,是真正的无网格法,而且易于离散,精度高,不需要积分,计算效率高;径向基函数的近似函数仅与距中心点的距离有关,非常适宜于求解三维问题。对于这种方法,本文先离散空间域,然后再离散时间域,并在每一时间步内施加边界条件,来分析三维功能梯度材料板的静力和动力问题,据此可解决传统配点方法在求解动力问题时误差随时间累积的问题。数值分析表明,材料性能呈梯度分布会导致其力学性能在梯度方向呈现非线性变化,不同的梯度分布模式会导致力学性能非线性变化的幅度不同。     

径向基函数配点法分析三维功能梯度材料板的静力和动力问题

传统配点法在求解动力学问题时会存在误差随时间累积的问题,而无网格径向基函数配点法在全域内采用具有无限连续性的径向基函数作为近似函数,结合配点法构建方程,通过最小二乘法进行求解。无网格径向基函数配点法不仅在数值计算过程中不需要任何网格,是真正的无网格法,而且易于离散,精度高,不需要积分,计算效率高;径向基函数的近似函数仅与距中心点的距离有关,非常适宜于求解三维问题。对于这种方法,本文先离散空间域,然后再离散时间域,并在每一时间步内施加边界条件,来分析三维功能梯度材料板的静力和动力问题,据此可解决传统配点方法在求解动力问题时误差随时间累积的问题。数值分析表明,材料性能呈梯度分布会导致其力学性能在梯度方向呈现非线性变化,不同的梯度分布模式会导致力学性能非线性变化的幅度不同。     

二阶时域波动方程的无网格方法求解

将径向基函数配点型无网格方法引入二阶时域波动方程的求解中,方程的空间导数采用径向基函数逼近,时间导数采用Crank-Nicolson方法离散,对应的边界条件直接施加在离散的边界数据点上.采用该方法对二维非规则求解域内的波传播问题进行了数值计算,并与有限元计算结果进行了对比分析.结果表明:基于径向基函数配点的无网格方法不但形式简单、易于实施,而且能够有效解决复杂求解域高维的波动问题.     

基于径向基函数神经网络的并联机器人运动学正问题

以一般形式的Stewart型并联机器人为例,由机器人的位置反解问题引出机器人运动学正解问题,在分析BP网络与径向基函数网络的特点基础上,采用基于径向基函数神经网络的算法,利用最近邻聚类方法获得径向基函数中心,求解并联机器人运动学正解问题·通过对训练样本的学习,确定神经网络权系数,能够准确地求解并联机器人的位置和姿态,算法具有运算简单,求解效果好等特点·同Newton Raphson算法比较,能获得相同的效果且位置和姿态误差近似恒定,而神经网络算法避免迭代初值及额定循环次数的影响·因此该方法可作为并联机构系统运动学轨迹跟踪控制的运动学模型辨识器·     

基于本征正交分解加速的二维位势问题边界元法分析

基于本征正交分解(POD)的思想,采用奇异值分解法(SVD),将物理问题的求解空间分解为几何子空间和设计子空间,通过线性组合几何与设计子空间获得随机变量响应结果.与传统加速算法不同,采用径向基函数(RBF)近似设计子空间响应,实现了系统信息的压缩表达,有效降低了计算成本.采用边界元法(BEM)求解二维位势问题,并结合S...     

基于径向基函数的动态优化问题联立求解方法

提出了一种新的求解动态优化问题的联立方法.该方法不同于常用的配置法,而是采用径向基函数插值方法对动态优化问题进行全离散,得到近似的大规模非线性规划问题.离散方法使用逆Multi Quadric函数做为基函数,并采用了间接求解微分方程的策略.最后,运用所提出的方法对2个经典算例进行优化,结果显示效果良好.     

边坡稳定可靠度替代模型分析

首先对多项式响应面、BP神经网络、径向基函数及支持向量机这4种替代模型的基本理论、适用范围及构造程序进行具体分析;然后,针对BP神经网络、径向基函数及支持向量机这3种替代模型中训练样本不易获取的情况,引入拉丁超立方试验抽取样本数据,并通过相应替代模型构建边坡可靠度求解的稳定极限状态功能函数近似表达式;最后,通过工程实例对各模型的计算工作量及计算精度进行评估。研究结果表明:对于地层结构较简单、随机参数较少的边坡可采用多项式响应面替代模型,而对于地层结构复杂、功能函数具有较强非线性的边坡建议采用支持向量机替代模型,这可为边坡稳定可靠度替代模型的甄选与构建提供重要依据。     

基于径向基神经网络的有限元模型修正研究

模型修正属于反问题的一种,针对其非线性、计算量大等不足之处,提出一种基于径向基神经网络的有限元模型修正方法,并把反问题归结为正问题进行研究。该方法将特征量作为自变量输入、设计参数作为因变量输出,用试验设计构造样本,以径向基神经网络逼近两者之间的非线性映射关系,利用神经网络的泛化特性直接输出设计参数的修正值。某空间钢结构模型的计算结果验证了该方法的有效性。     

基于遗传算法的汽车变速箱轻量化设计

文章利用近似模型方法和遗传算法对某变速箱进行轻量化设计.在满足变速箱刚度强度及振动模态要求的基础上,采用拉丁方法进行试验设计,基于高斯径向基函数建立近似模型,最后利用遗传算法进行全局寻优设计.优化后箱体质量降低了21％.结果表明,该方法对汽车变速箱结构轻量化设计具有一定的指导意义.     

基于迭代均值组合近似模型和序贯优化与可靠性评估法的船舶结构优化设计

针对传统可靠性优化方法不能同时保证大型船舶结构计算效率与精度的问题,在船舶结构优化设计中考虑设计变量的不确定性,通过迭代均值组合(ER)近似模型和粒子群算法(PSO)提高序贯优化与可靠性评估(SORA)法的计算效率和精度,建立了改进的可靠性优化设计流程并解决了多用途船舱段的可靠性优化问题.其中:SORA法将可靠性分析与优化过程解耦,并提高了可靠性优化效率;PSO保证了SORA法优化所获全局最优解的计算效率;ER近似模型能够以最少的采样点建立满足精度要求的近似模型,并代替最有可能的失效点(MPP)和优化过程中耗时的有限元计算.多用途船舱段的可靠性优化结果表明:可靠性优化相较于确定性优化更有实际意义;改进的可靠性优化设计流程在保证计算精度的同时能够显著降低计算成本.     

基于Kriging代理模型的造斜率预测方法研究

造斜率受导向工具结构、类型、钻井参数、井眼轨迹、地层和钻头等因素的影响,构成了一个多变量影响的非线性耦合体系。造斜率预测呈现一定的模糊性、随机性和非线性特点,难以用显性的定量关系式来精确刻画造斜率与其影响因素之间的函数关系。从回归分析预测法的角度,提出一种采用Kriging代理模型构建预测功能函数,进行造斜率预测的新方法。该方法基于空间插值理论,以造斜率预测值为输出目标。首先选取造斜率主要影响因素作为输入参数,确定训练样本和测试样本;然后,计算Kriging模型中的最优超参数,并构建该预测模型。最后,以测试样本为基准,计算模型预测性能指标,完成对Kriging代理模型的造斜率预测性能评价。通过现场案例研究表明,与常见的多元回归模型和径向基函数模型(radial basis function,RBF)相比,基于Kriging代理模型的造斜率预测方法在均方根误差(root-mean-square error,RMSE)、最大绝对误差(maximum absolute error,MAE)和平均绝对误差(average absolute error,AAE)3个常见的定量指标上表现了更佳的预测性能。预测结果更稳健,计算量更小,对造斜率的预测精度较高,能克服几何法预测精度不高或力学法计算量大等缺点。在工程应用中能节约计算成本和提高预测效率,便于推广应用。     

基于SiPESC平台的通用脚本语言表示代理模型构架

基于面向服务的开放式软件平台SiPESC,引进流行的用于描述数学符号结构和内容的MathML语言,实现了一种通用脚本语言表示代理模型构架.该构架的核心思想是使用MathML描述各种代理模型(如径向基函数、响应面、Kriging等)函数表达式结果,方便以文本形式表示和保存,并使用工厂设计模式管理各种脚本(如JavaScript、Python、Matlab等)的转换工具,实现MathML数据到脚本的灵活转换.采用MathML可以提高代理模型结果表达的通用性,而工厂设计模式可以提高转换工具的灵活性,使其能适用于不同工程和研究.实践表明,该构架可提高代理模型结果表示、查看和使用的效率,为工程中的优化、近似模拟、快速显示提供便利.     

基于激光拼焊技术的汽车B柱结构优化设计

利用激光拼焊技术对某轿车B柱进行结构材料一体化设计,在轻量化设计的前提下对其入侵位移和入侵速度进行控制以满足整车侧碰安全性能.根据C-NCAP碰撞法规建立该轿车侧碰有限元模型,并验证了模型的准确性.基于网格节点变形技术创建B柱参数化模型并定义3个结构设计变量和2个材料类型设计变量,以其质量、中部最大入侵位移和最大入侵速度为优化目标,以其上部和下部最大入侵位移和最大入侵速度为约束条件,结合径向基（RBF）近似模型和非支配遗传算法（NSGA-Ⅱ）对B柱结构进行多目标优化设计,获得Pareto优化前沿,并讨论妥协方案验证对B柱多目标优化设计的效果.      

A RBF Network Learning Scheme Using Immune Algorithm Based on Information Entropy

A hybrid learning method combining immune algorithm and least square method is proposed to design the radial basis function(RBF) networks. The immune algorithm based on information entropy is used to determine the structure and parameters of RBF nonlinear hidden layer, and weights of RBF linear output layer are computed with least square method. By introducing the diversity control and immune memory mechanism, the algorithm improves the efficiency and overcomes the immature problem in genetic algorithm. Computer simulations demonstrate that the RBF networks designed in this method have fast convergence speed with good performances.     

模糊 RBF 网络简化模型研究

在一定的前提条件下,提出一种简化的模糊ＲＢＦ网络模型．该网络由输入层、模糊化层、模糊联结层、合成联结层和输出层组成．同时,还给出网络的构造方法和自学习方法．仿真结果表明此网络对非线性、多变量函数具有良好的逼近能力．     

一种RBFN和FLD融合的说话人识别方法

提出一种新的可用于说话人识别的径向基函数网络(RBFN)阵列．RBFN网设计思想是在确定网络中心点之后采用最小线性方差作为目标函数解得最优权重,该方法并不能得到最优分类效果．使用Fisher目标函数,替代RBF中的误差目标函数来求取最优权重,用与文本无关的闭集说话人识别系统对该算法进行了验证,实验结果表明,该方法提高了RBF分类能力,比传统的RBF、算法以及ROLS算法具有更高的识别率,并在识别效果接近GMM方法的情况下计算量大幅度减少。     

基于径向基神经网络的建筑物空调负荷预测模型

本文建立了一种基于径向基（RBF）神经网络的建筑物空调负荷预测模型。对广州市某办公楼在夏季不同月份的逐时冷负荷,分别用RBF神经网络模型和BP神经网络模型进行训练和预测计算,发现RBF神经网络模型预测的均方根误差ΔRMSE和平均相对误差ΔMRE都仅是BP神经网络方法的64％左右。仿真结果表明径向基（RBF）神经网络具有更高的预测精度及更好的泛化能力,是建筑物空调负荷预测的一种有效方法。     

基于改进免疫算法的两级径向基函数网络学习方法

结合改进的免疫算法和最小二乘法，提出了一种设计径向基函数(RBF)网络的两级学习方法。该方法利用免疫算法确定RBF网络隐层的非线性参数，能够有效克服进化算法的未成熟收敛现象。改进的免疫算法针对RBF网络的特点，采用基于矢量距离的亲和度计算方法，克服了原有基于信息熵计算方法存在的计算复杂、参数难于确定的缺陷。将这种方法设计的RBF网络用于Mackey-Glass混沌序列预测的仿真实验证明了该方法的有效性。     

采用自适应最小化置信下限和SMOTE算法的动态代理模型

利用最优拉丁超立方试验进行初始采样，建立基于自适应最小化置信下限和SMOTE算法的动态径向基函数代理模型.将自适应平衡常数引入到最小化置信下限准则中，通过多岛遗传算法对置信下限进行寻优.根据代理模型精度，在最优解处运用SMOTE算法动态地新增样本点，进而更新代理模型，直至收敛.经过数学算例测试后，将该优化策略应用于深潜器耐压舱的优化中，与其他动态代理模型相比，该策略的优化效率和精度显著提高.