排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
2.
将RBF(radial basis function)-HDMR(high dimensional model representation)近似模型技术应用到高强钢DP600的Johnson-Cook(JC)模型参数反求中,在落锤试验测得位移-时间曲线的基础上,建立了以计算机仿真结果与试验数据之间的误差为目标输出,待求参数为设计变量的近似模型。结合遗传算法反求出DP600钢板的JC模型参数,将反求的参数输入模型,计算得到的仿真位移曲线与试验结果对比表明,该近似模型方法具有较高的精度。 相似文献
3.
4.
结合sequential和successful的响应面方法以及Kriging插值技术,针对高维优化问题,建立一种混合响应面优化方法.首先采用sequential响应面方法基于初始化变量进行优化,采用Kriging插值方法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;随后采用successful响应面对更新的设计变量初始值和约束范围进行优化.如此循环,直至得到最优解.采用该方法对汽车前纵梁中板的厚度问题进行优化,取得了不错的效果. 相似文献
5.
基于支持向量机回归的材料参数反求方法 总被引:3,自引:0,他引:3
高强度钢的应变率效应对汽车件碰撞性能的影响研究是国际上的研究热点,不同类型的高强度钢将呈现出不同的应变率效应。因此,如何获取精确的材料参数是保证汽车碰撞计算机仿真结果可靠性的前提。如果直接通过标准拉伸试验获取相关材料参数,并没有考虑材料在碰撞过程中的特性,会引入较大的误差。为此,采用直接碰撞过程反求材料参数的方法,将参数反求的问题转换为测量值和仿真值最小二乘最小的优化问题。此外,由于参数反求中存在大量不确定性因素,为同时保证反求结果的稳健性和精度,采用基于最小二乘支持向量机回归技术的近似模型算法。近似模型技术保证了反求的效率、最小二乘支持向量机最大限度地保证了反求结果的精度和稳定性。通过对高强度钢的试验试验和反求结果的比对,验证了算法的性能。 相似文献
6.
针对基于统计学原理试验设计方法的缺陷,采用一种基于设计变量边界条件以及最优样本信息的智能布点方法,并结合移动最小二乘的响应面近似模型优化方法对非线性问题进行求优。为了验证该方法的有效性,采用该方法对非线性测试函数进行了极值求解。同目前主流的试验设计方法相比,其求解精度以及响应面拟合精度都有一定的提高。将该方法应用于薄板冲压成形体系中拉延筋的优化,得到预期的结果,并成功地用于实际产品成形。 相似文献
1