基于改进的信赖域模型管理技术识别风电转子系统不对中载荷

针对求解耗时的风电转子系统不对中载荷识别问题，提出基于改进的信赖域模型管理技术的识别算法。该算法将整个先验分布空间的不对中载荷识别问题转化为一系列信赖域上的近似优化问题，通过区域遗传智能采样技术采集样本，加强径向基函数构建代理模型，再采用遗传算法进行近似优化。通过每个信赖域上的最小目标函数和近似优化结果确定信赖度和下代域的中心、半径，进而不断地缩放、平移信赖域，来保证获得与真实模型一致的不对中载荷。通过四种方法对比表明该方法样本遗传策略，遗传落在下代信赖域空间上的样本，减少实验设计样本个数而提高效率；最小目标函数作为信赖中心调整提高了关键区域代理模型的精度而加快收敛，降低了对代理模型精度的依赖。