面向结构可靠性分析的并行自适应加点策略

现有的自适应加点策略多局限于Kriging模型，或在每次迭代过程中只能选取一个最佳样本点，效率较低.为解决上述问题，本文提出了一种通用的并行自适应加点策略CF-K.该方法考虑了样本点的局部不确定性并确保所选样本点分布在极限状态函数附近；此外，结合k-means算法以实现并行计算，即利用多台计算机在每次迭代的同时进行多个样本的仿真.算例分析表明，与其他方法相比，所提方法在满足精度要求的条件下具有更少的迭代次数，更节省时间.基于所提方法的结构可靠性分析不仅在计算效率和精度之间取得了较好的平衡，在理论上还可用于任何现有的代理模型.     

基于PC-Kriging模型与主动学习的齿轮热传递误差可靠性分析

为提高齿轮热传递误差可靠性分析的计算效率和精度,提出了一种高效的基于PC-Kriging代理模型与主动学习函数LIF相结合的可靠性分析方法.采用多项式混沌展开(polynomial-chaos-expansion,PCE)替代传统Kriging模型的回归基函数来增强预测模型的全局近似精度,并利用Kriging模型来捕捉预测模型局部特征的能力.采用最小角回归(LAR)构建回归基函数的最优多项式数量集,同时用Akaike信息准则(AIC)来确定最优的截断集合.并采用一种主动学习函数LIF选择每次迭代的最佳样本点以提高模型收敛效率.通过齿轮热传递误差算例表明:与传统的Kriging代理模型相比,所提出方法在保证精度的同时可以极大地减少预测模型可靠性分析中的学习次数.     

基于代理模型的工程结构可靠性分析

在实际工程结构的可靠性分析中,功能函数一般是复杂的非线性程度较高的隐式函数,给常用的一次二阶矩等传统可靠性分析方法带来效率低、求解难度大等困难,针对这一问题,可以使用代理模型代替原隐式功能函数进行可靠性分析.通过多个数值算例对比了基于二次多项式响应面法(RSM)和Kriging方法进行可靠性分析时的计算效率和精度,同时研究了多次拟合近似代理模型过程中的样本全部累积和选择累积策略.算例表明,RSM难以对非线性程度高的极限状态曲面作出较好的拟合,Kriging方法有良好的预测能力,无论是在计算效率还是精度上都要优于RSM.因此继续基于Kriging方法对3个工程结构进行可靠度分析,算例结果表明若未进行样本累积,有可能迭代过程振荡不能收敛到最终的可靠指标值;迭代过程中采用样本累积能显著改善收敛性能,通常样本选择累积在计算效率和精度上都要优于样本全部累积.     

基于Kriging和MCMC的结构可靠性主动学习算法

在进行机械结构可靠性分析时，由于很多工程问题的性能函数较为复杂，计算成本很高，所以常采用代理模型拟合隐式性能函数来降低计算成本.为了能够利用较少的样本信息，获得较高的可靠度计算精度，将Kriging代理模型与学习函数相结合，提出一种主动学习可靠性分析计算方法.该方法找出学习效果最好的样本点对Kriging模型进行更新，提高了模型的拟合精度.用马尔科夫链蒙特卡洛(MCMC)方法对结构的可靠性进行了评估，加快了样本点的收敛速度，节约了样本空间.通过分析4个算例的结果表明与其他方法相比，该方法能通过较少的样本点得到精度更高的计算结果，降低了计算成本.     

一种自适应PC-Kriging模型的结构可靠性分析方法

为提高小失效概率及耗时的复杂结构可靠性评估精度和效率,提出了一种基于PC-Kriging(polynomial-chaos-based Kriging)模型与自适应k-means聚类分析相结合的结构可靠性分析方法.PC-Kriging的回归基函数采用稀疏多项式最优截断集合来近似数值模型全局行为,并用Kriging来处理模型输出的局部变化.在基函数的建立上,PC-Kriging采用最小角回归(LAR)计算功能函数可能的多项式基函数集的数量,同时用Akaike信息准则(AIC)来确定最优多项式形式.自适应k-means聚类分析确保每次迭代添加若干个对失效概率贡献较大的样本点.通过两个数值算例分析,结果表明所提出方法在能够保证失效概率估计值的有效性和准确性的同时减小结构功能函数的评估次数.     

基于Kriging代理模型的船舶水动力性能多目标快速协同优化

引入Kriging代理模型,对船舶兴波阻力、垂荡和纵摇运动幅值进行了多目标快速优化.优化过程中,以Rankine源非线性势流理论和三维频域面元法为基础,利用非支配排序遗传算法(NSGA-Ⅱ)并结合船体曲面修改函数对船体型线进行多目标优化设计,将高精度Kriging代理模型引入到优化进程中以解决迭代造成的耗时难题.数值分析结果表明:该优化方法能够使船型最优,在设计吃水、服务航速下有效减少航行阻力并提高耐波性能,且Kriging代理模型方法可以大幅提高船型优化效率.最后,基于雷诺平均(RANS)方程的计算流体动力学(CFD)方法对模型尺度λ为31.599的最优船型的阻力结果进行了对比验证,以证明优化结果的可靠性.     

基于ISC-Kriging响应面法的桥梁抗震动力可靠度分析

响应面法是解决桥梁抗震可靠度中非线性和复杂性等问题的有效方法,但其存在代理模型类型和训练样本的选取问题.鉴于此,提出了基于样本填充准则(ISC)最优化和Kriging模型的改进序贯抽样响应面法.其以Kriging模型作为代理模型,结合蒙特卡洛抽样技术,利用Kriging模型优秀的预测值估计性能及独有的预测均方差估计能力,建立包含未知样本预测值和预测均方差的ISC函数,在迭代阶段通过求解ISC最优化问题,进行局部和全局的平衡搜索,逐一序贯产生后续训练样本.最后采用所提的基于ISC-Kriging改进响应面法对随机地震激励下某悬索桥的动力可靠度问题进行了计算分析.结果表明,所提方法具有较高的准确性、高效性.     

一种基于Kriging模型的机械结构可靠性分析方法

通过分析现有机械结构可靠性抽样方法存在的不足以及影响失效概率估计精度的主要因素,提出了一种基于Kriging模型及自适应抽样方法的机械结构可靠性分析方法.该抽样方法将随机抽样与聚类算法相结合,能够在概率上保证新增样本点落在对失效概率贡献较大的区域,避免对非重要区域的不必要抽样.以大数定律及中心极限定理为基础,推导了所提出的Kriging模型的收敛条件.通过两个算例说明所提出方法的迭代收敛过程、准确性及稳定性,结果表明,该方法能够在较少调用结构功能函数情况下得到失效概率较准确的估计值.     

基于Kriging代理模型的PX氧化过程优化

基于流程仿真模型的复杂化工过程优化,往往需要较长的优化时间,效率低下,因此提出了用拉丁超立方采样和Kriging建模法构造流程仿真模型的代理模型,建立基于Kriging代理模型的多目标优化策略。将该策略应用于PX氧化反应过程优化,结果表明:所建立的Kriging代理模型的3个目标的输出精度都控制在1%以内,建模精度高。采用改进的多目标粒子群算法对此Kriging代理模型进行优化,不但能收敛到全局最优解,而且与PX流程仿真模型优化相比,优化时间大大减少,提高了优化效率。因此,在满足精度要求的前提下,Kriging代理模型可以代替PX流程仿真模型来进行优化,并具有较高的优化效率。     

基于Kriging代理模型的注塑产品翘曲优化

针对传统的基于CAE的注塑产品工艺优化方法精度不高、效率低,提出了Kriging模型与自适应粒子群算法相结合的集成优化策略.Kriging模型代替CAE分析作为粒子群算法迭代过程中的适应函数,大大减少了优化算法的计算量;同时,通过在粒子群算法中引入自适应惯性权系数,加快了粒子群算法的收敛速度.算例表明,基于Kriging模型与自适应粒子群算法的优化策略可以在小样本情况下获取较高的求解精度,并通过与标准遗传算法做比较,表明该优化策略同时具有较高的计算效率.     

一种基于失效概率相对误差估计的可靠性分析方法

为更高效地分析复杂机械结构的可靠性，提出了一种新的基于Kriging模型和失效概率相对误差估计的自适应分析方法.采用泊松二项分布的近似正态分布推导了样本符号不确定区域内真实失效样本数的取值范围，并通过引入比例因子重新定义取值下限，以确保真实失效样本数准确落在确定的区间内，进而给出了一种更精确的失效概率相对误差的估计.采用学习函数U实现自适应试验设计.通过两个算例验证失效概率相对误差估计和自适应分析方法的准确性、通用性及高效性，结果表明:本文方法不仅能准确估计失效概率的相对误差，而且显著减少了功能函数的调用次数.     

车削颤振时变可靠性分析

考虑车削加工过程中刀具磨损对切削力系数的影响,用Gamma过程描述了切削力系数随时间的变化过程,并建立了车削颤振时变可靠性模型.提出了主动学习的Kriging模型与基于首次超越的子集模拟相结合的时变可靠性分析方法(AK-SSFP).对某一车床建立车削颤振稳定性模型,分别采用Monte Carlo方法(MCS)、基于主动学习Kriging的Monte Carlo方法(AK-MCS)和AK-SSFP方法计算车削颤振时变可靠度.AK-SSFP方法的结果与MCS方法的结果一致性很好,且AK-SSFP方法减少了真实极限函数的调用次数并缩短了运算时间.AK-SSFP在保证精度的同时提高了计算效率,解决了车削加工系统颤振时变可靠度的计算问题.     

基于主动学习的复杂机械结构的可靠性分析

为了提高复杂机械结构的可靠性分析效率，结合自适应学习函数VF和k-means聚类分析方法，提出一种新的主动学习方法AK-MCS-K，该方法兼顾了失效概率的估计精度和计算效率.AK-MCS-K方法实现了并行计算，即采用多台计算机在每次迭代的同时进行多个样本的模拟仿真.在评估仿真耗时、功能函数为隐式的复杂结构的可靠性时，迭代次数的减少可以有效地节省时间，提高计算效率.与其他算法相比，AK-MCS-K方法在满足精度的条件下具有更高的计算效率.最后以某一类型刚柔耦合火炮协调器简化模型为例，对火炮协调器的定位精度可靠性进行了分析.     

结构加速度频响函数模型修正的Kriging方法

为提高结构频响函数模型修正效率,提出将Kriging模型引入优化过程,代替有限元模型进行迭代运算.基于频响曲线对应频率点处的响应值之差构造目标函数,并结合初选设计参数进行实验设计.根据实验设计结果进行各参数的灵敏度分析,进而筛选出模型修正的待修正参数,基于该参数及其响应构造Kriging模型,经检验有效的Kriging模型将参与模型修正过程.以GARTEUR飞机模型为算例,基于加速度频响数据进行模型修正,修正后模型不仅能复现检验点处频响曲线,还能成功预测结构局部修改后的频响曲线,证明了Kriging方法应用于频响函数模型修正的有效性.     

一种改进的结构可靠度分析中响应面法

在实际工程结构的可靠度分析中,极限功能函数通常很难用明确的表达式表达,响应面法因其自身的优点得到了广泛的应用.为进一步提高求解效率,提出了一种改进措施,在迭代求解过程中,不同于通常的每次都在插值点处展开2n 1个样本点,而是用插值点逐步替代距离极限状态曲面最远的点,直至收敛到给定的精度要求.通过算例进行的对比分析证明,改进的响应面法在没有降低计算精度的前提下,使有限元分析次数显著减少.该方法尤其适用于大型复杂结构的可靠度分析.