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.     

一种改进的全局可靠性分析方法

基于Kriging模型的高效全局可靠性分析(EGRA)方法在每次循环迭代过程中只能增加一个样本点.为了提高EGRA方法的效率，提出了一种基于多代理模型的改进全局可靠性分析算法.通过引入Kriging模型的预测误差，在每次循环迭代过程中，计算多个代理模型的期望可行函数(EFF)获得多个最佳样本点，将这些样本点同时加入到样本库中并更新所有代理模型，直到满足给定的精度为止.在建立极限状态函数高质量的近似模型后，采用蒙特卡罗方法进行可靠性分析.两个数值算例的分析结果表明，该方法具有较高的效率和准确性.     

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.     

坠物冲击下基于混合代理模型的水下管汇动力学分析方法

海上坠物冲击直接影响水下管汇工作稳定性,开展坠物冲击下水下管汇的动力学分析能够为其结构设计提供依据、提高水下管汇生产安全性。针对基于非全尺寸模型的水下管汇动力学分析方法导致分析结果精度受损的问题,建立水下管汇全尺寸有限元模型进行动力学分析,并针对由此造成的计算成本过高的问题,引入支持向量回归(support vector regression, SVR)、Kriging和径向基函数(radical basis function, RBF)代理模型提高分析效率,结果表明Kriging模型精度最高,RBF模型次之,SVR模型精度最低。进一步地,考虑单一代理模型预测性能的局限性,基于组合预测理论建立水下管汇动力学响应混合代理模型,构建坠物冲击下基于混合代理模型的水下管汇动力学分析方法,并对其预测精度和计算成本进行了分析,结果表明：相较于单一代理模型,混合代理模型的平均计算精度提高了10.12%,与单独使用有限元方法相比,其计算效率提高了81.24%,验证了此方法的有效性。     

基于AK-SDMCS的含缺陷核管道可靠性分析

为克服含缺陷核管道可靠性分析面临的计算效率低、精度差等问题，本文基于参数空间球分解思想提出了一种改进的主动学习Kriging代理模型方法。首先，给出含环向内表面缺陷核管道的主要失效模式和随机参数，并建立极限状态方程；其次，基于球空间分解思想改进主动学习Kriging模型方法，克服现有方法在求解小失效概率时主动学习本身计算量过大的缺点；最后，将所提方法应用于含缺陷核管道可靠性分析，并通过3个算例进行验证。结果表明，所提方法具有较高的计算精度和效率，可为含缺陷核管道可靠性分析提供有效手段。     

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.     

基于伴随方法、梯度增强Kriging方法的涡扇发动机进气道减噪高效优化方法研究

发动机进气道减噪优化设计问题中涉及大量设计变量,使用常规的Kriging模型来求解时计算量巨大且计算效率低下。为了高效设计低噪声进气道,本文首次发展了用于管道声学问题的声传播方法、伴随方法、梯度增强Kriging方法的混合方法,提出了一套基于声学伴随方法和梯度增强代理模型的高效优化设计框架。本文利用伴随方法高效求解设计变量的梯度信息,并加入Kriging代理模型中,显著提高了代理模型的精度,阐述了梯度增强Kriging方法和伴随混合方法在低噪声涡扇发动机进气道设计中的应用潜力。首先通过两个标准函数,测试了梯度增强的Kriging方法的寻优性能。最后,应用发展的混合方法进行了高达24个设计变量的典型进气道低噪声设计。结果表明,在额外的梯度信息下,混合方法可设计出满足气动性能约束的低噪声进气道,验证了设计框架的有效性和高效率。     

基于伴随方法、梯度增强Kriging方法的涡扇发动机进气道减噪高效优化方法

发动机进气道减噪优化设计问题中涉及大量设计变量,使用常规的Kriging模型来求解时计算量巨大,且计算效率低下。为了高效设计低噪声进气道,首次发展了用于管道声学问题的声传播方法、伴随方法、梯度增强Kriging方法的混合方法,提出了一套基于声学伴随方法和梯度增强代理模型的高效优化设计框架。利用伴随方法高效求解设计变量的梯度信息;并加入Kriging代理模型中,显著提高了代理模型的精度;阐述了梯度增强Kriging方法和伴随混合方法在低噪声涡扇发动机进气道设计中的应用潜力。首先通过两个标准函数,测试了梯度增强的Kriging方法的寻优性能。最后,应用发展的混合方法进行了高达24个设计变量的典型进气道低噪声设计。结果表明,在额外的梯度信息下,混合方法可设计出满足气动性能约束的低噪声进气道,验证了设计框架的有效性和高效率。     

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.     

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.     

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.     

基于多维尺度变换和自适应增强回归进行插值——以三维地质属性体为例

为了探索地质属性分布特征,求得三维地质体中未知点的属性值,实现自动化插值,提出了利用多维尺度变换（Multidimemsional Scaling,MDS）和自适应增强回归(Adaptive Boosting Regressor,ABR)进行三维地质属性体的空间插值。在空间插值中,未知点的属性值与其最近的几个样本点的属性值、距离以及各向异性特征紧密相关。MDS可以把这些因素进行降维得到一维的因子,然后建立ABR模型求得未知点,最后利用均值滤波（Mean Filtering,MF）减少ABR产生的不连续性,实现自动插值。通过对比普通克里金方法,结果表明,该方法在考虑各向异性的情况下简化克里金方法中人为进行半变异分析等繁琐流程,实现自动化插值;同时避免了在非特定随机场的地质破碎地带,运用克里金插值时已知样本点必须符合特定随机场的局限性。     

盘式制动器热-机耦合渐变可靠性灵敏度分析

为了解决盘式制动器由于摩擦温度过高而导致可靠性降低的问题,以某种汽车的通风盘式制动器为例,进行了热-机耦合渐变可靠性灵敏度分析.利用Workbench的“Coupled Field Transient”模块进行热-机耦合分析,得到了在紧急制动工况下制动器瞬态温度场分布,然后通过与实验结果对比分析,确定有限元模型的准确性.根据制动器最高温度不能超过许用温度的关系推测,利用自适应Kriging代理模型理论建立制动器热-机耦合可靠性功能函数模型.采用自适应Kriging-Monte Carlo 模拟 (adaptive Kriging-Monte Carlo simulation, AK-MCS)方法进行热-机耦合渐变可靠性灵敏度分析,确定设计参数对可靠性的影响程度,并用Monte Carlo法进行结果的验证.结果表明:制动盘单侧厚度对可靠性的影响最为明显,制动盘的导热系数、比热容和散热加强筋厚度次之,制动盘密度影响最小.     

基于Kriging模型的可靠度计算

利用地质学中的Kriging方法,建立了结构可靠问题的Kriging模型.利用可靠度计算的方法,对已建立的Kriging近似模型进行了可靠度计算.结果表明:考虑各向异性的Kriging模型精度好于各向同性的Kriging模型;基于Kriging模型的可靠度计算,不仅能明显地减少计算量,而且降低了可靠计算中的非线性,提高了收敛速度.     

一种新型的硫容量智能预报方法

针对在传统硫容量计算中,机理模型的一些关键参数很难获得这个问题,提出了一种基于AdaBoost和LS-SVM混合的回归方法,对硫容量进行智能预报.其中LS-SVM具有计算速度快,适合小样本回归等优点,而AdaBoost可以将弱学习机加权再组合成强学习机,在预报准确度上要高于单一的LS-SVM回归方法,而且还可以减少参数选择对最终预报结果的影响.仿真实验表明,该方法有着较高的准确度,满足生产要求.