CN106096127B - 含区间参数不确定性结构的稳健性优化设计方法 - Google Patents
含区间参数不确定性结构的稳健性优化设计方法 Download PDFInfo
- Publication number
- CN106096127B CN106096127B CN201610403459.5A CN201610403459A CN106096127B CN 106096127 B CN106096127 B CN 106096127B CN 201610403459 A CN201610403459 A CN 201610403459A CN 106096127 B CN106096127 B CN 106096127B
- Authority
- CN
- China
- Prior art keywords
- vector
- interval
- constraint
- design
- function
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 239000013598 vector Substances 0.000 claims abstract description 96
- 238000013461 design Methods 0.000 claims abstract description 84
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 230000002068 genetic effect Effects 0.000 claims abstract description 15
- 238000005070 sampling Methods 0.000 claims abstract description 13
- 238000004088 simulation Methods 0.000 claims abstract description 5
- 238000005516 engineering process Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 7
- 230000004044 response Effects 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 238000010606 normalization Methods 0.000 claims 1
- 239000003795 chemical substances by application Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 10
- 238000006243 chemical reaction Methods 0.000 description 7
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006880 cross-coupling reaction Methods 0.000 description 1
- 238000012938 design process Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Theoretical Computer Science (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Architecture (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Complex Calculations (AREA)
Abstract
本发明公开了一种含区间参数不确定性结构的稳健性优化设计方法。包括以下步骤:建立基于区间的结构稳健性优化设计模型;采用拉丁超立方采样和协同仿真技术获得样本点;构建预测目标函数和约束函数的Kriging代理模型;采用双层嵌套的遗传算法求解区间稳健性优化设计模型,在遗传算法内层,计算出目标函数和约束函数的左右界,在遗传算法外层,计算出每个设计向量的总区间约束违反度矢量,并判断其可行性;根据基于区间约束违反度矢量的优于关系准则对各设计向量进行优劣排序;当达到最大进化代数或收敛阈值时,输出稳健性优化设计模型的最优解,从而实现含区间参数不确定性结构的稳健性优化设计。
Description
技术领域
本发明涉及一种含区间参数不确定性结构的稳健性优化设计方法。
背景技术
结构优化设计中普遍存在着许多不确定因素,如材料特性的波动、制造与装配误差、载荷环境的变化等。忽略这些不确定因素的确定性优化设计方法得到的设计结果往往对不确定因素非常敏感,结构目标性能存在着较大波动,无法达到工作需求,因此,结构优化设计过程必须考虑不确定因素的影响。由于实际工程中往往难以得到不确定性因素的精确概率分布信息,而只能获得不确定性参数的变化范围,因此采用区间参数来描述这些影响结构性能的不确定性因素是一种简便有效的常用方法。
稳健性设计的基本思想是通过分析设计变量和不确定性因素的交互耦合作用和对结构性能的影响,在样本群体中搜索出能使结构性能最优且波动最小的最优设计变量组合,即使得设计目标性能响应的均值尽可能地接近设计目标并且其波动方差尽可能小。近年来,国内外许多学者致力于结构的稳健性优化设计问题研究。Lee K等人于2001年在《Computers&Structures》(2001,79(1):77-86)上发表的论文“Robust optimizationconsidering tolerances of design variables”研究了设计容差对目标函数和约束函数的影响,采用加权法将基于一阶泰勒展开式的目标函数和偏差聚合为单目标,将约束函数的波动值作为惩罚项添加到原约束中,以实现目标与约束的稳健性设计。谢延敏等人于2007年在《上海交通大学学报》(2007,41(4):596-599)上发表的论文“基于灰色系统理论的冲压成形稳健设计”以灰色理论为基础,计算各个目标矢量与理想目标值之间的关联系数,将稳健性设计中的多目标问题转化为以关联度为目标的单目标问题。这几种方法在处理多目标问题时大都是通过加权法将其转化为单目标问题,不利于优化过程中对单个目标的控制。Papadrakakis M等人于2002年在《Computer Methods in Applied Mechanics andEngineering》(2002,191(32):3491-3507)上发表的论文“Reliability-based structuraloptimization using neural networks and Monte Carlo simulation”将蒙特卡罗仿真方法与神经网络相结合,预测设计目标的函数与方差。这种方法虽然具有较强的灵活性,适用范围很广,但是存在计算量过大等问题。董荣梅在博士论文《面向工程不确定问题的稳健优化设计理论与方法研究》中提出了基于区间分析的非概率稳健优化设计方法,该方法利用区间数来描述工程实际中存在的不确定因素,不需要预先获取其概率分布情况,但是在处理多目标问题时,仍是以加权法将其转化为单目标问题。近几年,有学者提出采用直接法用于求解结构的区间稳健性优化设计模型,以避免引入转换参数和转换过程中信息的丢失,并使转换过程大大简化,但是现有区间模型直接求解法得到的优化结果不一定能够完全满足约束函数的要求,即无法保证约束条件的稳健性,因此,要实现含区间参数不确定性结构的稳健性优化设计,还需研究能同时保证目标和约束稳健性的区间优化模型直接求解方法。
发明内容
为了获得真正具有稳健性的不确定性结构设计方案,本发明提供了一种含区间参数不确定性结构的稳健性优化设计方法,建立基于区间的结构稳健性优化设计模型,提出区间约束违反度矢量概念和计算方法以及基于区间约束违反度矢量的优于关系准则,并结合双层嵌套的遗传算法实现对结构的稳健性优化模型的直接求解。这种直接求解方法不仅可以有效避免将稳健性优化设计模型转换为确定性模型的繁琐过程和转换过程中信息的丢失,也不需要引入各种模型转换参数,使得求解过程大大简化,同时也可以保证得到的优化结果能够完全满足约束函数的要求。因此,在提高求解效率的同时,也提高了计算结果的有效性。
本发明是通过以下技术方案实现的:一种含区间参数不确定性结构的稳健性优化设计方法,其具体步骤如下:
1)建立基于区间的结构稳健性优化设计模型:
以区间数描述影响结构性能的不确定因素,确定结构设计变量和不确定因素的取值范围,建立基于区间的结构稳健性优化设计模型:
其中,
x=(x1,x2,…,xn).
U=(U1,U2,…,Um).
其中,f(x),f(x,U)为表征结构性能指标的目标函数,fC(x)、fW(x)分别为目标函数的中点和半径,fL(x)、fR(x)分别为目标函数的左界和右界;gi(x,U)为第i个约束性能指标,Bi为第i个约束性能指标不能超过的给定区间值,分别为Bi的左界与右界,I为约束函数的个数;x为n维设计向量,n为设计变量的个数;U为m维不确定向量,m为不确定因素的个数。
2)采用拉丁超立方采样完成对设计向量和不确定向量的初始采样:
在设计向量和不确定向量的取值范围已确定的情况下,采用拉丁超立方采样获得取值范围为[0,1]的具有空间均布性的样本点,并将其反归一化到输入向量空间中去,完成对设计向量和不确定向量的初始采样。
3)建立结构的参数化模型,通过协同仿真获得样本点对应的目标函数和约束函数的响应值:
以设计向量为独立控制参数,利用三维CAD建模软件建立不确定结构的参数化模型,通过接口技术实现三维模型软件和有限元分析软件间参数的双向动态传递,在有限元软件中添加不确定向量为二次输入参数,并调用三维参数化模型进行有限元分析计算,得到样本点所对应的目标函数和约束函数的响应值。
4)构建预测目标函数和约束函数中结构性能指标值的Kriging模型:
根据包含输入输出信息的完整样本点数据,构建预测目标函数和约束函数中结构性能指标值的Kriging模型。选用高斯函数和一阶回归函数进行拟合,利用复相关系数、相对最大绝对误差检验模型精度,在精度不满足要求时需补充样本点更新Kriging模型,直到复相关系数值、相对最大绝对误差值满足精度要求为止,以保证拟合精度和泛化能力满足实际需求。
5)采用双层嵌套的遗传算法求解基于区间的结构稳健性优化设计模型:
在遗传算法内层,利用Kriging模型计算出目标函数和约束函数中结构性能指标区间值的左右界;在遗传算法外层,对于任一设计向量,先计算出各约束函数的区间约束违反度矢量,从而得到每个设计向量的总的区间约束违反度矢量,根据总的区间约束违反度矢量将设计向量分为可行解和不可行解,再根据基于区间约束违反度矢量的优于关系准则对所有设计向量进行优劣排序,计算出每个设计向量的适应度值;判断外层遗传算法是否达到最大进化代数或收敛阈值,如果未达到,则继续迭代,否则输出适应度值最大的设计向量作为最优解。
所述第5)步骤中,区间约束违反度矢量的概念和计算方法如下:
区间约束违反度矢量表征约束函数区间满足给定约束条件区间的程度。在进行稳健性设计求解时,假设约束函数在不确定性参数影响下的变化区间为A=[AL,AR],该约束函数不能超出的区间为B=[BL,BR],根据区间数学理论,区间A和B在坐标轴上的位置关系可归纳为6种,则这6种位置关系对应的区间约束违反度矢量v(x)的计算公式如下:
(1)当AL<AR<BL<BR时,规定v(x)=(vL,vR)=(0,0);
(2)当AL<BL≤AR<BR时,规定
(3)当AL≤BL<BR≤AR时,规定
(4)当BL≤AL<AR≤BR时,规定
(5)当BL<AL≤BR<AR时,规定v(x)=(vL,vR)=(1,1);
(6)当BL<BR<AL<AR时,规定v(x)=(vL,vR)=(1,1)。
其中,AL为区间A的左界,AR为区间A的右界;BL为区间B的左界,BR为区间B的右界;vL为区间左界的约束违反度,vR为区间右界的约束违反度;L为区间左界的上标,R为区间右界的上标。
对设计向量x,在计算出各约束函数的区间约束违反度矢量后,通过求和计算出总的区间约束违反度矢量,则当总的区间约束违反度矢量为0时,x为优化模型的可行解;当总的区间约束违反度矢量大于0时,x为优化设计模型的不可行解。
所述第5)步骤中,基于区间约束违反度矢量的优于关系准则如下:
(1)可行解始终优于不可行解;
(2)对于可行解,根据目标函数的中点和半径的序位向量模进行优劣排序:
①根据目标函数的中点和半径分别对所有样本点进行排序,并根据排序结果分别给样本点一个序号,生成各样本点由中点序号和半径序号组成的序位向量;
②根据各样本点的序位向量模进行可行解之间的优劣排序,序位向量模较小的解较优。
(3)对于不可行解,根据总的约束违反度矢量的模进行优劣排序,矢量模较小的解较优。
本发明具有的有益效果是:
考虑工程结构优化设计中普遍存在的不确定因素,采用区间数进行描述,建立基于区间的结构稳健性优化设计模型,提出区间约束违反度矢量的概念和计算方法以及基于区间约束违反度矢量的优于关系准则,先计算出各设计向量对应的总的约束违反度矢量,将设计向量分为可行解和不可行解,再利用基于区间约束违反度矢量的优于关系准则实现对区间稳健性优化设计模型的直接求解。该方法不仅避免了将稳健性优化设计模型转换为确定性模型的繁琐过程和转换过程中信息的丢失,也不需要引入各种模型转换参数,使得求解过程大大简化,同时也可以保证得到的优化结果能够完全满足约束函数的要求。因此,在提高求解效率的同时,也提高了计算结果的有效性。
附图说明
图1是含区间参数不确定性结构的稳健性优化设计流程图。
图2是高速压力机上横梁三维实体模型图。
图3是高速压力机上横梁的截面尺寸图。
具体实施方式
以下结合附图和实例对本发明作进一步说明。
图中涉及信息为本发明在某高速压力机上横梁稳健性优化设计中的实际应用数据,图1是含区间参数不确定性结构的稳健性优化设计流程图。
1、建立基于区间的上横梁稳健性优化设计模型
某高速压力机上横梁三维实体模型如图2所示,以上横梁的截面尺寸h1、h2、l1、l2和l3为设计变量,如图3所示,以材料密度ρ和弹性模量E为不确定性变量,以最大变形量为目标函数,以重量和最大等效应力为约束函数,建立基于区间的上横梁稳健性优化设计模型:
s.t.
w(x,U1)=w(x,ρ)≤[5000,5010]kg;
δ(x,U)≤[45,46]MPa.
x=(h1,h2,l1,l2,l3),U=(U1,U2).
210mm≤h1≤250mm,250mm≤h2≤300mm,
80mm≤l1≤120mm,25mm≤l2≤55mm,330mm≤l3≤390mm.
U1=ρ=[7280,7320]kg·m-3;
U2=E=[126,154]GPa.
其中,d(x,U)为上横梁的最大变形量,dC(x)、dW(x)分别为上横梁最大变形量的中点和半径,dL(x)、dR(x)分别为上横梁最大变形量的左界和右界;w(x,U1)为上横梁的重量;δ(x,U)为上横梁的最大等效应力;x=(h1,h2,l1,l2,l3)为设计向量;U=(ρ,E)为不确定向量。
2、采用拉丁超立方采样完成对设计向量和不确定向量的初始采样
在设计向量和不确定向量的取值范围已确定的情况下,采用拉丁超立方采样获得取值范围为[0,1]的具有空间均布性的样本点,并将其反归一化到输入向量空间中去,完成对设计向量和不确定向量的初始采样。
3、建立上横梁的参数化模型,通过协同仿真获得样本点对应的目标函数和约束函数的响应值
以设计向量为独立控制参数,利用Pro/E建立高速压力机上横梁的参数化模型,通过接口技术实现Pro/E和ANSYS Workbench间参数的双向动态传递,在ANSYS Workbench添加不确定向量为二次输入参数,并调用Pro/E进行有限元分析计算,得到样本点所对应的目标函数和约束函数的性能响应值。
4、构建预测目标函数和约束函数中性能指标值的Kriging模型
利用双层更新的Kriging方法构建预测最大变形量、重量和最大等效应力的Kriging模型。选用高斯函数和一阶回归函数进行拟合,并利用复相关系数、相对最大绝对误差不断进行检验和更新,直到复相关系数值都大于0.95、相对最大绝对误差值都小于0.05为止,从而保证拟合精度和泛化能力满足实际需求。
5、基于区间约束违反度矢量的优于关系准则,采用双层嵌套的遗传算法直接求解基于区间的上横梁稳健性优化设计模型,双层嵌套遗传算法的运行参数设置如下:外层和内层的种群规模分别为120和60,最大进化代数分别为300和150,交叉概率分别为0.90和0.99,变异概率分别为0.01和0.05。当连续10代最优解的目标函数的中值与种群的平均值差值的绝对值小于10-4时,终止外层遗传算法进程。当迭代进行到第121代时,目标函数收敛,得到的最优设计向量为(h1,h2,l1,l2,l3)=(238.89,280.22,81.61,32.73,386.21)mm,重量为[4983.9,5000.0]kg,最大等效应力为[40.16,44.95]MPa,最大变形量为<0.2027,0.0193>mm。由优化结果可知,两个约束函数中上横梁的性能指标均满足稳健性要求。
Claims (1)
1.一种含区间参数不确定性的高速压力机上横梁稳健性优化设计方法,其特征在于,该方法包括以下步骤:
1)建立基于区间的高速压力机上横梁稳健性优化设计模型:
以区间数描述影响高速压力机上横梁最大变形量的材料不确定因素,确定高速压力机上横梁的结构设计变量和材料不确定因素的取值范围,建立基于区间的高速压力机上横梁稳健性优化设计模型:
其中,
x=(x1,x2,…,xn)
U=(U1,U2,…,Um)
其中,f(x,U)为表征高速压力机上横梁最大变形量的目标函数,fC(x)、fW(x)分别为目标函数的中点和半径,fL(x)、fR(x)分别为目标函数的左界和右界;gi(x,U)为第i个高速压力机上横梁约束性能指标,Bi为第i个约束性能指标不能超过的给定区间值,分别为Bi的左界与右界,I为约束函数的个数;x为n维上横梁设计向量,n为设计变量的个数;U为m维材料不确定向量,m为上横梁材料不确定因素的个数;
2)采用拉丁超立方采样完成对高速压力机上横梁设计向量和不确定向量的初始采样:
在高速压力机上横梁设计向量和不确定向量的取值范围已确定的情况下,采用拉丁超立方采样获得取值范围为[0,1]的具有空间均布性的样本点,并将其反归一化到输入向量空间中去,完成对高速压力机上横梁设计向量和不确定向量的初始采样;
3)建立高速压力机上横梁的参数化模型,通过协同仿真获得样本点对应的目标函数和约束函数的响应值:
以高速压力机上横梁设计向量为独立控制参数,利用三维CAD建模软件建立上横梁不确定结构的参数化模型,通过接口技术实现三维CAD建模软件和有限元分析软件间参数的双向动态传递,在有限元分析软件中添加材料不确定向量为二次输入参数,并调用上横梁三维参数化模型进行有限元分析计算,得到样本点所对应的上横梁目标函数和约束函数的响应值;
4)构建预测高速压力机上横梁目标函数和约束函数中结构性能指标值的Kriging模型:
根据包含输入输出信息的完整样本点数据,构建预测高速压力机上横梁目标函数和约束函数中结构性能指标值的Kriging模型;选用高斯函数和一阶回归函数进行拟合,利用复相关系数、相对最大绝对误差检验模型精度,在精度不满足要求时需补充样本点更新Kriging模型,直到复相关系数值、相对最大绝对误差值满足精度要求为止,以保证拟合精度和泛化能力满足实际需求;
5)采用双层嵌套的遗传算法求解基于区间的高速压力机上横梁稳健性优化设计模型:
在遗传算法内层,利用Kriging模型计算出高速压力机上横梁目标函数和约束函数中结构性能指标区间值的左右界;在遗传算法外层,对于任一上横梁设计向量,先计算出各约束函数的区间约束违反度矢量,从而得到每个设计向量的总的区间约束违反度矢量,根据总的区间约束违反度矢量将设计向量分为可行解和不可行解,再根据基于区间约束违反度矢量的优于关系准则对所有设计向量进行优劣排序,计算出每个设计向量的适应度值;判断外层遗传算法是否达到最大进化代数或收敛阈值,如果未达到,则继续迭代,否则输出适应度值最大的设计向量作为最优解;
所述区间约束违反度矢量表征约束函数区间满足给定约束条件区间的程度;在进行稳健性设计求解时,假设约束函数在不确定性参数影响下的变化区间为A=[AL,AR],该约束函数不能超出的区间为B=[BL,BR],根据区间数学理论,区间A和B在坐标轴上的位置关系归纳为6种,则这6种位置关系对应的区间约束违反度矢量v(x)的计算公式如下:
当AL<AR<BL<BR时,规定v(x)=(vL,vR)=(0,0);
当AL<BL≤AR<BR时,规定
当AL≤BL<BR≤AR时,规定
当BL≤AL<AR≤BR时,规定
当BL<AL≤BR<AR时,规定v(x)=(vL,vR)=(1,1);
当BL<BR<AL<AR时,规定v(x)=(vL,vR)=(1,1);
其中,AL为区间A的左界,AR为区间A的右界;BL为区间B的左界,BR为区间B的右界;vL为区间左界的约束违反度,vR为区间右界的约束违反度;L为区间左界的上标,R为区间右界的上标;
对设计向量x,在计算出各约束函数的区间约束违反度矢量后,通过求和计算出总的区间约束违反度矢量,则当总的区间约束违反度矢量为0时,x为优化模型的可行解;当总的区间约束违反度矢量大于0时,x为优化设计模型的不可行解;
基于区间约束违反度矢量的优于关系准则如下:
可行解始终优于不可行解;
对于可行解,根据目标函数的中点和半径的序位向量模进行优劣排序:
①根据目标函数的中点和半径分别对所有样本点进行排序,并根据排序结果分别给样本点一个序号,生成各样本点由中点序号和半径序号组成的序位向量;
②根据各样本点的序位向量模进行可行解之间的优劣排序,序位向量模较小的解较优;
对于不可行解,根据总的区间约束违反度矢量的模进行优劣排序,矢量模较小的解较优。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610403459.5A CN106096127B (zh) | 2016-06-07 | 2016-06-07 | 含区间参数不确定性结构的稳健性优化设计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610403459.5A CN106096127B (zh) | 2016-06-07 | 2016-06-07 | 含区间参数不确定性结构的稳健性优化设计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106096127A CN106096127A (zh) | 2016-11-09 |
CN106096127B true CN106096127B (zh) | 2019-11-19 |
Family
ID=57227612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610403459.5A Active CN106096127B (zh) | 2016-06-07 | 2016-06-07 | 含区间参数不确定性结构的稳健性优化设计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106096127B (zh) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107016173B (zh) * | 2017-03-22 | 2020-04-17 | 浙江大学 | 一种高速压力机底座动态特性的可靠性设计方法 |
CN107832493B (zh) * | 2017-10-12 | 2021-01-12 | 天津大学 | 一种考虑参数不确定性的并联机构多目标优化设计方法 |
CN108427832B (zh) * | 2018-02-11 | 2020-04-14 | 浙江大学 | 一种基于区间约束三维违反矢量的结构性能稳健优化方法 |
CN108388726B (zh) * | 2018-02-11 | 2020-04-10 | 浙江大学 | 考虑多目标多约束性能均衡的机械结构稳健优化设计方法 |
CN108470214B (zh) * | 2018-03-26 | 2020-07-14 | 东北大学 | 一种基于区间优化算法的有界误差参数估计方法 |
CN109063234B (zh) * | 2018-06-15 | 2020-05-19 | 浙江大学 | 一种考虑多类型不确定性的高速压力机施力部件可靠性设计方法 |
CN109992848B (zh) * | 2019-03-14 | 2020-11-13 | 浙江大学 | 一种基于负理想解贴近距离的压力机上横梁稳健优化设计方法 |
CN110210077B (zh) * | 2019-05-14 | 2020-11-06 | 清华大学 | 基于关键项筛选策略的优化响应面方法和装置 |
CN111274656B (zh) * | 2020-01-19 | 2021-11-30 | 浙江大学 | 一种发电机定子端固定结构动态特性的稳健均衡设计方法 |
CN111475892B (zh) * | 2020-03-30 | 2022-04-12 | 浙江大学 | 一种复杂装备关键部件结构动态特性的稳健均衡设计方法 |
CN112182924B (zh) * | 2020-09-10 | 2022-08-19 | 湖北三江航天红峰控制有限公司 | 一种基于代理模型的再流焊焊接工艺参数稳健性设计方法 |
CN113591307B (zh) * | 2021-07-30 | 2023-03-10 | 郑州轻工业大学 | 一种翼身融合水下滑翔机外形与内部机构双层优化方法 |
CN113779803B (zh) * | 2021-09-16 | 2024-02-27 | 南京航空航天大学 | 一种基于动态容差的加工装配交互方法 |
CN114372332B (zh) * | 2022-03-21 | 2022-08-05 | 南京航空航天大学 | 一种基于子集模拟的多目标稳健设计方法 |
CN114792037B (zh) * | 2022-06-23 | 2022-09-09 | 华中科技大学 | 一种超材料隔振器的序贯稳健性优化设计方法 |
CN115238591B (zh) * | 2022-08-12 | 2022-12-27 | 杭州国辰智企科技有限公司 | 动态参数校验与驱动cad自动建模引擎系统 |
CN117556551B (zh) * | 2024-01-11 | 2024-04-09 | 中国人民解放军国防科技大学 | 发动机燃烧室壳体的轻量化设计方法、装置、设备和介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699720A (zh) * | 2013-12-09 | 2014-04-02 | 浙江大学 | 基于区间约束违反度的高速压力机滑块机构尺寸优化方法 |
CN104636563A (zh) * | 2015-02-14 | 2015-05-20 | 浙江大学 | 高速压力机上横梁可靠性设计方法 |
CN104679956A (zh) * | 2015-02-14 | 2015-06-03 | 浙江大学 | 考虑动态特性的高速压力机底座可靠性稳健设计方法 |
-
2016
- 2016-06-07 CN CN201610403459.5A patent/CN106096127B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103699720A (zh) * | 2013-12-09 | 2014-04-02 | 浙江大学 | 基于区间约束违反度的高速压力机滑块机构尺寸优化方法 |
CN104636563A (zh) * | 2015-02-14 | 2015-05-20 | 浙江大学 | 高速压力机上横梁可靠性设计方法 |
CN104679956A (zh) * | 2015-02-14 | 2015-06-03 | 浙江大学 | 考虑动态特性的高速压力机底座可靠性稳健设计方法 |
Non-Patent Citations (1)
Title |
---|
基于区间的高速冲压装备关键部件可靠性稳健设计研究;吴震宇;《中国优秀硕士学位论文全文数据库工程科技Ⅰ辑》;20160215;正文第25-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN106096127A (zh) | 2016-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106096127B (zh) | 含区间参数不确定性结构的稳健性优化设计方法 | |
Dey et al. | Metamodel based high-fidelity stochastic analysis of composite laminates: A concise review with critical comparative assessment | |
CN104866692B (zh) | 一种基于自适应代理模型的飞行器多目标优化方法 | |
Shu et al. | A new multi-objective Bayesian optimization formulation with the acquisition function for convergence and diversity | |
CN103942375B (zh) | 基于区间的高速压力机滑块尺寸稳健设计方法 | |
Liu et al. | Sequential optimization using multi-level cokriging and extended expected improvement criterion | |
CN104679956B (zh) | 考虑动态特性的高速压力机底座可靠性稳健设计方法 | |
Sun et al. | Parallelized multiobjective efficient global optimization algorithm and its applications | |
CN105930562A (zh) | 一种非概率条件下的结构性能优化设计方法 | |
Cheng et al. | Robust optimization of structural dynamic characteristics based on adaptive Kriging model and CNSGA | |
Lim et al. | Multi-objective genetic algorithm in reliability-based design optimization with sequential statistical modeling: an application to design of engine mounting | |
Zadeh et al. | An efficient metamodel-based multi-objective multidisciplinary design optimization framework | |
CN116341097B (zh) | 一种基于新型高维代理模型的跨音速机翼优化设计方法 | |
Ye et al. | Global optimization method using ensemble of metamodels based on fuzzy clustering for design space reduction | |
Koziel et al. | Variable-fidelity CFD models and co-Kriging for expedited multi-objective aerodynamic design optimization | |
Lee et al. | A reanalysis-based multi-fidelity (RBMF) surrogate framework for efficient structural optimization | |
Amrit et al. | Design strategies for multi-objective optimization of aerodynamic surfaces | |
Xue et al. | Structural optimization of a nose landing gear considering its fatigue life | |
Xu et al. | A feasible identification method of uncertainty responses for vehicle structures | |
Yi et al. | Efficient global optimization using a multi-point and multi-objective infill sampling criteria | |
Wiebenga et al. | On the effect of numerical noise in approximate optimization of forming processes using numerical simulations | |
Li et al. | Part machining deformation prediction based on spatial-temporal correlation learning of geometry and cutting loads | |
Zhang et al. | A right-hand side function surrogate model-based method for the black-box dynamic optimization problem | |
Tong et al. | Global optimization of wireless seismic sensor network based on the Kriging model and improved particle swarm optimization algorithm | |
WO2022226034A1 (en) | Hierarchical deep learning neural networks-artificial intelligence: an ai platform for scientific and materials systems innovation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |