Kriging和距离因子辅助的全局优化方法

基于Kriging元模型的优化方法通常存在优化效率较低、收敛速度较慢、昂贵估值次数较多且难以有效平衡Kriging模型的局部与全局搜索行为等弊端。为此,提出一种序列Kriging和距离因子辅助的全局优化方法。其实现过程主要包含两个阶段:一是利用Kriging模型近似复杂昂贵的黑箱函数;二是利用Kriging模型与距离因子的乘积构造加点采样法则,并通过免于求导的DIRECT算法优化该法则,以获取新的昂贵估值点。六个数值函数测试和一个摆线泵仿真实例验证所提出方法的有效性。     

基于Kriging函数的序贯近似建模方法

多学科设计优化过程中需要多次调用高精度学科分析模型,从而造成计算复杂性问题.为解决上述计算复杂性问题,首先提出基于最优LHD的逆序贯试验设计方法,在此基础上结合模型验证,建立了基于Kriging函数的序贯近似建模方法,提出了序贯近似建模收敛准则,通过权衡训练样本数据数量和近似精度,得到精度与效率折衷的近似模型.数学算例证明了该方法的有效性.     

Kriging模型并行加点策略的多目标优化方法

针对复杂机械装备多学科多目标优化设计成本高、周期长等问题,提出一种近似模型与并行加点策略相结合的多目标优化方法。基于Kriging模型,将添加更新样本点定义为同时考虑Pareto最优解和预测误差的动态多目标优化问题,应用改进NSGA-II优化算法和极大极小距离准则,确定最优的并行更新样本点,在提高Kriging模型精度的同时实现多目标优化。测试函数验证和实例结果表明,该方法可有效提高复杂系统多目标优化效率,同时获得收敛性和分散性俱佳的Pareto最优解。     

基于WOA-Kriging算法的钛合金 切削力预测数学模型研究

针对钛合金难加工且质量和效率不高的问题,提出了一种基于鲸鱼优化算法的Kriging模型建模方法。建立了其参数优化的数学模型,提高了其加工质量和效率,通过鲸鱼优化算优化了传统Kriging模型变异函数的参数,提高了Kriging模型的建模精度;采用正交实验设计方法,对TC4钛合金铣削加工进行了样本点采集,得到了包含设计变量和性能响应的16个样本点;采用WOA-Kriging代理模型技术,建立了钛合金加工工艺参数与切削力之间的近似模型,并与传统的Kriging代理模型技术进行了比较。研究结果表明:采用基于鲸鱼优化算法的Kriging模型建立的钛合金加工工艺参数与切削力之间的近似模型精度更高,能够为其加工工艺参数优化提供更加精确的数学模型。     

面向零件轻量化设计的自适应动态Kriging模型及应用

机械零件轻量化对提高装备运行性能、降低成本具有重要作用。针对传统基于Kriging模型的全局优化方法在处理零件轻量化问题时,收敛速度慢、优化效率低、精度差等问题,提出一种自适应动态Kriging模型。采用复相关系数R2检验实现Kriging模型的全局动态更新,以Pareto解中各目标函数最小值为特征点,通过特征点加权计算理想特征点位置,在理想点附近选取可行解完成样本局部更新,实现Kriging模型的动态自适应性。以数值算例和FT(N)-2800注塑机模板为例,验证了所提方法的有效性。     

基于Kriging模型和对偶理论的无约束全局优化方法

针对基于Kriging模型的全局优化方法收敛速度慢、优化效率低且无法跳出局部最优区域等缺点,提出一种基于Kriging模型和对偶理论的无约束全局优化方法,引入正则对偶变化将普通Kriging模型本身的非凸优化问题转换为凸优化问题,利用基于Kriging模型的改进信任域策略对该凸优化问题进行迭代寻优。该方法能有效平衡全局和局部搜索行为,并大幅提高算法性能。通过7个数值测试例子和一个工程仿真实例,验证了所提方法的有效性和实用性。     

面向质量设计的Kriging组合建模技术

Kriging代理模型广泛用于替代计算昂贵的工程仿真模型.而现有单个核函数Kriging建模技术的预测性能依赖于具体问题,往往在不同情况下表现差异较大,缺乏普适性和稳健性.针对该问题,研究了具有多个核函数的Kriging组合建模,提出同时考虑核函数选择和多组权重因子.首先基于随机搜索变量选择法选择显著核函数组合,其次借助K均值聚类法获得多组权重因子,最后结合选择的显著核函数和多组权重因子构建Kriging组合模型.仿真算例和工业实例的比较结果表明,所提方法不仅产生更为精确和稳健的预测,而且能为质量设计提供可靠的优化参数组合.     

基于双加点动态Kriging模型的提升塔架优化设计

为在满足强度要求的情况下尽量减小提升塔架质量,同时解决传统Kriging模型全局精度和局部精度不易同时保证的问题,提出了一种双加点动态Kriging模型,并利用该模型和人工蜂群算法对提升塔架进行了优化设计。将全局敏感性分析得到的敏感参数作为设计变量,利用拉丁超立方试验设计得到的样本数据建立初始Kriging模型,以最大应力为约束条件,通过人工蜂群算法对提升塔架进行了减重优化。优化过程中, 采用双加点准则不断更新Kriging模型,以提高模型的全局精度和最优解处局部精度,直到获得最优解。研究结果表明：在最大应力不变的条件下,优化后的提升塔架质量减小了39.37%。基于双加点动态Kriging模型的优化设计与仿真模型的优化设计相比,其优化效率大幅度提高。双加点动态Kriging模型相较于静态Kriging模型和基于传统加点准则的动态Kriging模型,具有更高的全局精度、局部精度和最优解处局部精度。     

多学科耦合系统可靠性分析方法研究

以一阶可靠性分析方法为基础,采用基于Kriging近似模型的并行子空间的多学科设计优化方法进行多学科耦合系统可靠性分析方法的研究。结果表明,该方法进行可靠性分析的精度较高,与单级优化方法相比,该方法效率更高。     

权期望填充准则作用下的Kriging自适应建模及全局优化算法

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...