基于Kriging插值的汽车行李箱盖冲压成形参数的优化设计

提出采用拉丁方试验设计方法进行样本数据设计,同时为了提高计算效率,将Kriging插值引入到板料成形优化设计的复杂系统中,并基于初始化变量进行优化,采用Kriging插值对样本点和优化过程中形成的优化点重新进行响应面构造,以确定优化范围内新的初始值,并将约束减小到一定范围;采用遗传优化算法对更新的设计变量初始值和约束范围进行优化,直至得到最优解。计算结果表明,Kriging插值近似建模技术预测精度和建模效率高,对汽车覆盖件行李箱盖的压边力、拉延筋阻力最优设置以及如何避免出现拉裂及起皱现象均有不错的优化效果。     

基于Kriging模型的涡轮盘优化设计方法

研究了航空发动机涡轮盘设计问题,将Kriging方法与全局约束优化算法相结合,提出了基于Kriging近似响应模型的优化求解方法,有效减少了有限元分析的次数和计算量。该优化设计方法采用正交试验设计和有限元分析方法获得涡轮盘设计空间的初始样本数据;利用已有的设计样本数据建立涡轮盘重量和应力响应近似计算的Kriging模型,在此基础上利用全局优化算法在设计空间进行设计方案优化搜索;利用有限元分析方法计算近似最优设计方案的输出响应,并以此更新已有的设计样本数据,不断提高Kriging模型的近似精度。数值计算结果表明,基于Kriging模型的涡轮盘优化设计方法不仅可以获得良好的设计结果,还能大大降低计算代价,提高设计效率。     

细化Kriging模型在轻轨车轴优化设计中的应用

基于仿真试验,根据低地板轻轨车轴的结构特点和性能指标,将Kriging插值和拉丁超立方抽样试验相结合来构造车轴多目标优化的代理数学模型,并通过多目标遗传算法寻找该代理模型的最优解作为车轴参数的设计依据。为了使所构造的Kriging响应面能准确高效地代表稳健优化目标和约束函数,将Kriging模型在响应面精度检验时的样本点和多目标遗传算法所产生的最优解检验点进行更新,直到达到精度要求为止,从而保证所建立的响应面模型具有较高的全局拟合精度和最优解拟合精度。     

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。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化EI北大核心CSCD

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

基于RSM近似模型的客车车架稳健性设计

为提高客车性能的稳健性和约束的可靠性,选取城市客车最危险的扭转工况,对客车车架进行了有限元分析计算,利用最优拉丁超立方试验设计对初始变量进行灵敏度分析,筛选出对响应影响较大的15个设计变量;基于RSM近似模型,采用下山单纯形法算法对车架进行确定性优化,得到一组最优解;以确定性优化解作为初始值,结合最优拉丁超立方试验设计方法与下山单纯形算法,以质量最小以及它们的标准差和均值最小为目标进行多目标稳健性优化,可供汽车车架轻量化设计参考。     

基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化

针对基于Kriging近似的可靠性设计优化样本最优配置问题,提出基于继承拉丁超立方采样与局部Kriging近似的可靠性设计优化方法。采用继承拉丁超立方样本构建Kriging近似,并求解最大可能失效点作为局部序列采样中心。针对有效概率约束构建基于Kriging近似误差、功能函数非线性度量及目标可靠度的局部序列采样区域。以重要抽样策略计算失效概率及灵敏度,并采用序列近似规划求解最优设计点。通过3个算例及机床横梁设计优化应用验证了所提方法的有效性。     

基于OSF和RSM的轻轨独立轮轴桥优化设计

基于目前机械结构优化设计未充分考虑结构动态特性对综合性能的影响以及工程优化设计效率低下的问题,提出了响应面模型仿真实验方法。通过结合最优空间填充设计和Kriging插值思想构建机械结构优化设计初始代理模型,并利用试验设计方法、误差较大区域加密优化、近似最优解局部加密处理以及内外层更新迭代思想,建立了在局部区域和全局空间内都具有较高近似精度的Kriging模型。在此基础上,基于筛选优化算法和多目标遗传算法得到目标函数的Pareto最优解。最后用轻轨用轴桥结构优化设计实例验证了该方法的有效性。     

基于高斯函数和信赖域更新策略的Kriging响应面法

为建立拟合效率高且能够满足工程精度要求的响应面近似模型,在分析已有响应面建模方法基本特性的基础上,提出一种基于高斯函数和信赖域更新策略的Kriging响应面法.该方法将高斯函数作为设计点之间的相关函数,并在优化过程中采用信赖域更新策略对试验设计的取样区域进行动态修正.通过在四个典型数值算例和某涡轮盘的热-结构优化设计中的应用,验证了所提方法的有效性.     

某牵引火炮后大架轻量化设计

针对后大架的轻量化设计,建立了一种基于全炮总体结构下的动力学参数化模型,采用拉丁方实验设计方法。得到描述设计响应与设计变量之间关系的Kriging近似模型。在此基础上,采用多岛遗传算法对后大架结构参数进行优化,获得了优化后的后大架质量最优解,该建模策略及优化思路对火炮各部件结构设计及轻量化具有指导意义。     

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。     

Response surface methodology based on support vector regression for polygon blank shape optimization design

Optimization design for polygon blank shape has strong practical value, which can improve sheet metal forming performance and save material. Response surface method is presented to determinate the optimum polygon blank shape, which can enhance the efficiency of optimization design. In order to improve the precision of surrogate model for nonlinear engineering problem, instead of quadratic polynomial, support vector regression is used to build response surface. This method is demonstrated to be correct and efficient by successful optimization design for an automobile side wall inner top panel. The risk of cracking and wrinkling are obviously decreased after optimization. The blank area is also reduced by about 8.7 % after optimization. This method can advance the intelligent degree and process of die design, furthermore, reduce the production cost.     

基于Kriging模型的后优化近似研究

后优化分析技术定量地研究当优化参数发生变化时，相应的优化结果会发生怎样的改变。过去的研究多集中在对优化结果的敏感度分析(一阶近似)，所得到的结果只在当前参数的微小扰动范围内有效。用Kriging模型进行优化结果的插值近似(相对于优化参数)，从而可以提供整个参数空间中优化结果的全貌。用简单的算例与一阶近似、二次响应面近似进行了比较，同时为了解决临界约束集发生改变时，目标函数突变对Kriging模型近似精度带来的影响，提出一种分片插值方案，较大地提高了Kriging的近似精度。     

A Metamodeling Method Based on Support Vector Regression for Robust Optimization

Metamodeling techniques have been used in robust optimization to reduce the high computational cost of the uncertainty analysis and improve the performance of robust optimization problems with computationaUy expensive simulation models.Existing metamodels main focus on polynomial regression(PR),neural networks(NN)and Kriging models,these metamodeis are not well suited for large-scale robust optimization problems with small size training sets and high nonlinearity.To address the problem,a reduced approximation model technique based on support vector regression(SVR)is introduced in order to improve the accuracy of metamodels.A robust optimization method based on SVR is presented for problems that involve high dimension and nonlinear.First appropriate design parameter samples are selected by experimental design theories,then the response samples are obtained from the simulations such as finite element analysis,the SVR metamodel is constructed and treated as the mean and the variance of the objective performance functions.Combining other constraints,the robust optimization model is formed which can be solved by genetic algorithm(GA).The applicability of the method developed is demonstrated using a case of two-bar structure system study.The performances of SVR were compared with those of PR,Kriging and back-propagation neural networks(BPNN),the comparison results show that the prediction accuracy of the SVR metamodel was higher than those of other metamodels under uncertainty.The robust optimization solutions are near to the real result,and the proposed method is found to be accurate and efficient for robust optimization.This reaserch provides an efficient method for robust optimization problems with complex structure.     

基于响应面法的井下旋流分离器结构优化

基于数值模拟方法与中心组合设计方法,采用二阶多项式基函数构建了井下旋流分离器的结构参数与分离效率及底流压力损失间的数学关系模型。通过开展附加试验对模型预测值与数值模拟实际值进行对比,得出分离效率和压力损失的预测值与实际值的平均相对误差分别为0.104%和4.562%,验证了模型预测结果的准确性。针对响应面优化结果与初始结构开展分离性能对比研究,结果表明：当入口油滴粒径在50～500 μm范围内变化时,优化前结构的分离效率变化范围为58.92%～98.56%,优化后结构的分离效率变化范围为60.35%～99.48%;当入口含水率在94%～99%范围内变化时,优化前结构的分离效率由74.61%提高到88.07%,优化后结构分离效率由75.26%提高到91.56%。在不同粒径及含水率条件下,优化后结构均呈现出了明显的高效性及适用性。     

基于6σ的稳健优化设计在薄板冲压成形中的应用

薄板冲压成形过程中,其设计变量和噪声因素都具有一定的波动,都存在不确定性。传统的优化设计由于忽略不确定因素的影响,当设计变量产生波动时,往往会导致设计最优目标超出约束界限或者目标函数对设计变量的波动极为敏感,从而使设计失效。采用自主开发的STLMesher软件建立了模具的参数化模型,在此基础上将试验设计、能代表实际冲压过程精度较高的近似模型和蒙特卡罗模拟技术相结合,构造了基于产品质量工程的6σ稳健优化设计方法。该方法在设计初始阶段就考虑了各种不确定因素的影响,因此在获得近似最优解的同时能够提高设计变量的可靠性和目标函数的稳健性,大幅提高产品的质量。在优化过程中调用的是近似模型,能大大减少调用有限元模型的次数,提高优化效率。算例表明,该方法具有较高的精度和较强的工程实用性。     

基于动态序列响应面方法的钣金成形过程参数优化

为得到钣金成形最佳工艺方案，结合有限元方法将设计转化为特定目标和约束的待优化问题；针对成形模拟易受干扰和强非线性特点，提出采用逐次逼近模型，分解复杂设计函数为显式简单函数组合，进行递进全局寻优，避免出现局部最优解和过程发散现象；并利用动态多项式序列响应面方法构造目标和约束的简单近似响应面，用以去除噪声干扰及最大程度减少精确分析计算量。该方法无需求解复杂函数敏度，经实例验证具有很高的精度和效能。     

基于双点加点策略的改进Kriging响应面可靠度计算方法

针对经典响应面法中多项式模型在拟合高度非线性结构功能函数时能力不足的问题,采用Kriging模型代替真实结构功能函数,提出了一种基于双点加点策略的改进Kriging响应面可靠度计算方法。根据双点加点策略,通过内插公式和评价函数选出最佳样本点,与一次二阶矩法产生的验算点一起加入到每次迭代的样本库中以更新Kriging模型,利用遗传算法对Kriging模型的重要参数进行优化,并用优化后的模型拟合结构功能函数,再结合重要抽样法修正可靠度计算结果。算例分析结果表明,所提方法可以兼顾计算精度和计算效率,验证了所提方法的适用性和高效性。     

基于变复杂度近似模型的汽车安全性和轻量化优化

针对汽车安全性优化过程中考虑冲压效应的计算复杂性特点,采用最优拉丁方实验设计,利用较少样本点数据在传统模型和高精度模型间建立一个差值补偿响应面模型,再通过传统模型和差值补偿响应面模型构造新的实验样本点,在此基础上建立Kriging响应面模型,应用多目标粒子群优化算法对此响应面模型进行优化求解,进行了整车正面碰撞和轻量化多目标优化设计。结果表明,该方法能够在保证响应面精度的前提下,快速收敛于优化解。