基于支持向量机的模糊稳健优化设计方法

在模糊稳健设计中,需要采用随机模拟方法计算模糊概率和非线性约束函数,但计算效率很低.为此,提出了一种基于支持向量机的模糊稳健设计方法.采用支持向量回归机对模糊概率进行仿真计算,采用支持向量回归机或分类机作为非线性约束函数的替代模型,显著降低了模糊稳健优化设计的机时消耗.给出了新方法的具体算法步骤,并通过模糊稳健优化设计...     

基于蚂蚁算法和SVR的离散变量稳健设计优化

引入蚁群打散、离散搜索等策略对基本蚂蚁算法进行了改进,并采用MATLAB语言编制了离散变量优化设计的蚂蚁算法程序。采用支持向量回归机对模糊概率等非线性函数进行仿真计算．提高了模糊稳健优化设计的求解效率。给出了混合离散变量的稳健优化设计实例,表明了所提出方法的有效性和实用性。     

插装式溢流阀调压弹簧的模糊稳健优化设计

以插装式溢流阀调压弹簧固有频率最大为设计目标 ,综合考虑优化设计中的模糊因素和随机因素 ,建立了其模糊稳健优化设计数学模型 ,并采用混沌遗传优化算法进行求解。理论分析和设计实例表明 ,模糊稳健优化设计能提高设计目标的稳健性 ,并保证在可控因素和不可控因素影响下模糊约束条件的可行性 ,是提高设计质量的有效方法     

车辆前轴的多目标可靠性稳健优化设计

应用车辆零部件可靠性稳健优化设计的理论方法，对车辆前轴进行了可靠性稳健优化设计。通过模糊多目标粒子群算法求出所有满足约束性条件的pareto解集，结合实际情况，依据pareto解集确定零部件的设计规格。实验证明该方法能迅速有效地获得可靠性稳健设计的信息。     

整体法兰的可靠性稳健优化设计

将可靠性优化设计理论、可靠性灵敏度分析技术与稳健设计方法相结合，讨论整体法兰的可靠性稳健优化设计问题，提出可靠性稳健优化设计的计算方法。把可靠性灵敏度溶入可靠性优化设计模型之中，将可靠性稳健优化设计归结为满足可靠性要求的多目标优化问题。数值算例表明所提出的数值计算方法是一种非常方便和实用的可靠性稳健优化设计方法。     

产品质量的模糊稳健性研究及模糊稳健优化设计方法

为解决具有模糊信息时的稳健设计问题，对产品设计质量的模糊特性进行分析，提出了产品质量的模糊目标概念。基于可控因素和噪声因素对模糊目标稳健性影响分析，提出了产品质量模糊稳健性的概念，并给出了模糊稳健设计准则。对模糊稳健设计准则的数学特性和工程意义进行了探讨，进而提出了产品质量模糊稳健优化设计建模方法。设计实例和理论分析表明，产品质量的模糊稳健设计原理，比传统稳健设计方法更接近于工程实际，具有广阔的应用前景。     

基于多目标非耦合优化策略的可靠性稳健优化设计

以实现多目标问题的可靠性稳健优化设计为目标,通过对目标函数和约束条件进行灵敏度分析,生成目标函数和约束函数的灵敏度附加项,建立了基于灵敏度附加目标函数的可靠性稳健优化设计模型;基于独立公理,使用正交试验和方差分析技术确定设计变量对各个设计目标的影响程度,将设计参数按无耦合或准耦合设计形式分组,把多目标优化问题单目标化,避免多个设计目标之间的反复权衡;结合增广乘子法,应用MATLAB的优化和符号工具箱来实现钳形盘式制动器的可靠性稳健优化设计。算例表明,提出的稳健设计方法具有较高的精度和可靠度。     

摆动活齿减速器的模糊稳健优化设计

应用基于正交设计的稳健设计法，建立了摆动活齿减速器的优化设计模型，对摆动活齿减速器进行了模糊稳健优化设计，应用模糊综合评判法对该优化设计的结果进行评判，得到了该减速器设计变量的稳健优化设计最优组合。     

基于混合响应面的多目标稳健设计

在大部分的实际工程优化问题中,产品质量特性与不确定性因素的关系是未知的或复杂的。为此提出了一种基于混合响应面技术的多目标稳健优化设计。该方法首先利用多项式响应面以及神经网络构造产品质量特性的显性表达式。在考虑目标函数以及约束稳健性的前提下,结合多目标技术中模糊偏好的方法设计权重,从而得到稳健设计的精确解。该方法解决了基于近似技术的稳健设计中计算精度与计算效率之间的矛盾。通过对双杆衍架结构进行算例分析,证明了该方法的可行性。     

基于灵敏度附加目标函数的起重机主梁稳健优化设计

针对存在于起重机金属结构设计中的不确定性因素,提出了一种基于灵敏度分析的起重机金属结构稳健优化设计方法,建立了基于灵敏度附加目标函数及灰色关联度理论的起重机金属结构多目标稳健优化设计模型。以某桥式起重机主梁为研究对象,在对其各性能进行灵敏度分析的基础上,结合Matlab优化工具箱,应用该模型进行起重机主梁的稳健优化设计,结果显示:当考虑结构的非确定性因素时,所构建的稳健优化设计模型和灰色关联度的多目标优化解法可以在保证起重机主梁稳健及安全的前提下实现结构的轻量化设计,为其它复杂结构的稳健优化提供一定的技术指导。     

基于支持向量回归机的连杆机构模糊稳健设计

针对平面四杆连杆机构的函数再现问题,分析了随机性的干扰因素对机构运动精度的影响,建立了模糊稳健优化设计数学建模.采用支持向量回归机对模糊概率等非线性函数进行仿真计算,提高了模糊稳健优化设计的求解效率、降低了机时消耗.给出了新方法的具体算法步骤,该方法能使机构运动精度和各尺寸的制造公差得到合理匹配,具有工程实用价值.     

基于支持向量回归的熔丝制造3D打印能效优化模型

基于响应面法和支持向量回归模型对熔丝制造3D打印能效进行预测与优化。首先,利用田口方法设计六因素三水平正交试验,通过响应面法分析得出对加工能效影响较为显著的3个因素即层高、打印速度和热床温度;然后,通过支持向量回归方法建立加工能效预测模型,并与BP神经网络方法进行对比,结果表明支持向量回归方法建模预测性能更优;最后,建立以加工时间和能效为目标的优化模型,利用NSGA-Ⅱ、MOEA/D、SPEA2和MOPSO 4种算法分别对模型进行求解,分析比较4种算法的Pareto前沿,结果表明NSGA-Ⅱ算法在求解此问题时综合表现最佳,对比NGSA-Ⅱ算法求得的优化结果与试验结果可知,NSGA-Ⅱ算法具有有效性和合理性。     

Design optimization using support vector regression

Polynomial regression (PR) and kriging are standard meta-model techniques used for approximate optimization (AO). Support vector regression (SVR) is a new meta-model technique with higher accuracy and a lower standard deviation than existing techniques. In this paper, we propose a sequential approximate optimization (SAO) method using SVR. Inherited latin hypercube design (ILHD) is used as the design of experiment (DOE), and the trust region algorithm is used as the model management technique, both adopted to increase efficiency in problem solving. We demonstrate the superior accuracy and efficiency of the proposed method by solving three mathematical problems and two engineering design problems. We also compare the proposed method with other meta-models such as kriging, radial basis function (RBF), and polynomial regression.     

基于智能单粒子算法与支持向量机的稳健优化设计

为了求解混合离散变量优化设计问题,通过引入粒子位置矢量的离散化处理方法,对智能单粒子优化算法(ISPO)进行改进,用MATLAB语言设计了求解混合离散变量优化设计问题的ISPO算法程序,结合支持向量回归机的应用,研究了平面尺寸链离散公差的模糊稳健优化设计问题,给出了稳健设计实例。设计实例表明了本文所提方法的有效性和实用性。     

Robust design optimization method for centrifugal impellers under surface roughness uncertainties due to blade fouling

Blade fouling has been proved to be a great threat to compressor performance in operating stage. The current researches on fouling-induced performance degradations of centrifugal compressors are based mainly on simplified roughness models without taking into account the realistic factors such as spatial non-uniformity and randomness of the fouling-induced surface roughness. Moreover, little attention has been paid to the robust design optimization of centrifugal compressor impellers with considerations of blade fouling. In this paper, a multi-objective robust design optimization method is developed for centrifugal impellers under surface roughness uncertainties due to blade fouling. A three-dimensional surface roughness map is proposed to describe the nonuniformity and randomness of realistic fouling accumulations on blades. To lower computational cost in robust design optimization, the support vector regression (SVR) metamodel is combined with the Monte Carlo simulation (MCS) method to conduct the uncertainty analysis of fouled impeller performance. The analyzed results show that the critical fouled region associated with impeller performance degradations lies at the leading edge of blade tip. The SVR metamodel has been proved to be an efficient and accurate means in the detection of impeller performance variations caused by roughness uncertainties. After design optimization, the robust optimal design is found to be more efficient and less sensitive to fouling uncertainties while maintaining good impeller performance in the clean condition. This research proposes a systematic design optimization method for centrifugal compressors with considerations of blade fouling, providing a practical guidance to the design of advanced centrifugal compressors.     

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.     

基于仿真的虚拟设计中的统计回归与优化研究

将统计回归技术和试验设计作为一种方法学引入虚拟设计过程，系统地总结了试验设计策略和统计回归模型的选择原则；基于复合材料结构数值分析过程，从模型精度、模型优化效率及模型透明度对试验设计策略和统计回归模型进行了研究和对比；最后，提出了全局近似和优化精度面向不同目标的启发式采样策略的改进方法。初步实践表明，该方法可优化基于仿真的虚拟设计，揭示了仿真规律，实现了仿真和优化算法的快速集成。     

并联机构敏感性分析和多目标优化设计方法

为了解决并联机构全局性能指标高计算成本引起的敏感性分析和多目标优化设计困难,提出了一种结合多项式响应面模型、基于方差的敏感性分析方法和智能优化算法的高效计算方法。首先,确定并联机构的目标函数和设计参数,增加节点密度以提高目标函数的计算精度,基于拉丁超立方体抽样方法和最小二乘多项式拟合技术建立全局目标函数与设计参数之间的响应面解析映射模型,并结合基于方差的Sobol’敏感性分析方法得到对目标函数有重要影响的设计参数。然后,结合敏感性分析结果简化设计参数并建立并联机构的多目标优化设计模型,包括目标函数、约束函数和设计参数,结合响应面模型与智能优化算法开展并联机构多目标优化设计。最后,考虑规则工作空间体积、运动学性能和动力学性能指标为目标函数,以DELTA并联机构为例实现了本文提出的方法。优化前后的结果对比证明了算法的有效性。