含区间参数结构固有频率范围的优化估计

提出了一种基于Kriging近似模型和粒子群(Particle Swarm Optimization,PSO)优化算法的含区间参数结构的固有频率范围估计方法。基于Kriging模型优良的局部拟合性质,并经过误差检验和相关参数调整后,建立了满足精度要求的固有频率近似模型;基于PSO算法出色的全局寻优性能,对固有频率近似模型在区间参数空间内进行全局优化求解,获得区间不确定结构固有频率范围估计值。对某型燃气轮机涡轮叶片进行了实例分析,结果表明文中方法的效率和精度能够满足工程要求,其可行性和合理性得到了验证。     

基于Kriging模型的汽轮机基础动力优化设计

随着汽轮机容量的增加和核电站的迅速发展,汽轮机基础动力优化设计已经成为世界前沿的研究课题.本文提出一种基于Kriging模型的有效优化方法,用以求解上述动力优化设计问题.该问题的优化模型是在汽轮机基础框架重量约束条件下,优化汽轮机基础中柱的位置和粱、柱的截面面积,使基础振动的最大幅值最小化.Kriging模型用于建立基础振动的最大动位移幅值与设计变量间的近似函数关系,从而避免了优化迭代中灵敏度分析.开发了动力分析程序,作为黑箱用于动力响应分析.算例结果表明,本文方法在效率和稳定性上优于序列线性规划方法.     

基于自适应多可信度多项式混沌-Kriging模型的高效气动优化方法

多可信度代理模型已经成为提高基于代理模型的优化算法效率和可信度水平最有效的手段之一.然而目前流行的co-Kriging和分层Kriging (HK)等多可信度代理模型泛化能力不足,缺乏对高阶/高非线性建模问题的适应性,难以广泛应用.文章基于发展的自适应多可信度多项式混沌-Kriging (MF-PCK)代理模型,在提高建模效率和对高阶/高非线性问题近似准确率的同时,建立了基于该自适应MF-PCK模型的高效全局气动优化方法.在发展的方法中,提出了基于MF-PCK模型的新型变可信度期望改进加点方法,使代理优化算法效率进一步提高.为了验证发展方法的全面表现,将其应用在经典的数值函数算例以及多个跨音速气动外形的确定性优化和稳健优化设计中,并与基于Kriging和HK模型的代理优化算法进行了全面比较.结果表明,发展的新型多可信度全局气动优化方法其优化效率相对于基于Kriging和HK模型的优化效率显著提高,结果更好也更加可靠,并且稳健优化设计效率和结果也更符合工程应用需求,证明了其相对于基于Kriging和HK模型的代理优化算法的显著优势.     

考虑尺度效应的微梁刚柔耦合动力学分析

不少微观实验已经证实,微尺度领域材料的力学性能存在尺度效应.文章以转动刚体、柔性微梁组成的刚柔耦合系统为研究对象,采用偶应力理论(又称Cosserat理论)研究微梁动力学特性的尺度效应,运用拉格朗日方程推导出系统考虑尺度效应的一次近似刚柔耦合动力学方程.仿真结果表明,较该文提出的一次近似耦合模型,传统的零次近似耦合模型在刚体作高速旋转时不能正确地描述微梁的动力学行为;尺度效应使微梁振动的振幅减小,频率增大.     

基于主动学习Kriging模型的可靠性分析

论文采用Kriging模型代替结构真实功能函数,引入主动学习函数,序列选择最佳样本点,在每次迭代中加入最佳样本点更新Kriging模型.与直接的蒙特卡洛方法相比,主动学习Kriging模型仅需要少量的结构分析就能够得到精度较高的可靠度结果,适用于实际工程具有隐式功能函数的结构可靠性分析.论文通过三个数学算例,从最佳样本点的分布情况、功能函数的拟合程度及可靠度计算结果出发对四种学习函数进行对比研究,最后对具有隐式功能函数的悬臂板进行可靠度分析.结果表明,主动学习函数的引入,合理选择了Kriging模型所需的样本,提高了计算效率,同时,学习函数的选择对结构可靠性分析结果也存在影响.     

可降解聚合物血管支架结构优化设计

聚合物血管支架由于材料刚度较低导致其径向支撑能力相对于金属血管支架较弱,通常采用增大支架筋宽和厚度的方式来提高其径向支撑能力,但这不仅会降低支架的柔顺性能,减小血管管腔获得面积,还会增大表面覆盖率,从而增大支架内再狭窄的风险.为了设计出具有较小筋宽和厚度的聚合物血管支架,提高其径向支撑能力,本文采用一种将Kriging代理模型和有限元方法相结合的优化方法来优化支架的结构.采用Kriging代理模型建立设计目标和设计变量之间近似的函数关系,采用优化拉丁超立方抽样方法选取初始样本点,采用EI函数平衡局部和全局搜索,以便获得全局最优解.选取ART18Z聚合物支架作为算例,首先将支架的筋宽和厚度各减小0.02 mm,然后采用优化方法优化ART18Z支架的几何结构参数.数值结果表明,优化后ART18Z支架的综合服役性能得到改善,文中提出的优化方法能有效地应用于聚合物血管支架的优化设计.     

OPTIMIZATION DESIGN OF DEGRADABLE POLYMER VASCULAR STENT STRUCTURE

聚合物血管支架由于材料刚度较低导致其径向支撑能力相对于金属血管支架较弱，通常采用增大支架筋宽和厚度的方式来提高其径向支撑能力，但这不仅会降低支架的柔顺性能，减小血管管腔获得面积，还会增大表面覆盖率，从而增大支架内再狭窄的风险.为了设计出具有较小筋宽和厚度的聚合物血管支架，提高其径向支撑能力，本文采用一种将Kriging代理模型和有限元方法相结合的优化方法来优化支架的结构.采用Kriging代理模型建立设计目标和设计变量之间近似的函数关系，采用优化拉丁超立方抽样方法选取初始样本点，采用EI函数平衡局部和全局搜索，以便获得全局最优解.选取ART18Z聚合物支架作为算例，首先将支架的筋宽和厚度各减小0.02 mm，然后采用优化方法优化ART18Z支架的几何结构参数.数值结果表明，优化后ART18Z支架的综合服役性能得到改善，文中提出的优化方法能有效地应用于聚合物血管支架的优化设计.     

基于Kriging模型和改进MCMC算法的随机有限元模型修正

针对待修正参数维数较高时,标准马尔可夫链蒙特卡罗MCMC (Markov Chain Monte Carlo)算法不易收敛、拒绝率高的问题,提出了基于Kriging模型和在MCMC中融合花朵授粉算法的修正方法.首先,以待修正参数作为输入,以应变模态作为输出,建立Kriging模型,通过蝙蝠算法确定Kriging模型的相关系数;然后,采用最大熵的贝叶斯方法估计参数的后验概率密度函数,将花朵授粉算法融入MH (M etropolis-Hasting)抽样算法,提高局部寻优和全局寻优能力;最后,通过三自由度弹簧-质量系统和三维桁架结构的数值算例验证所提模型修正方法,修正后参数相对误差均低于0.86％.结果 表明,所提方法修正后较高维参数的马尔可夫链能够快速收敛且样本接受率也有所提高,该方法也对随机噪声具有一定的鲁棒性.     

基于代理模型的边坡稳定可靠度算法

针对基于极限平衡模式而建立的边坡稳定可靠度功能函数的隐式特征及其导致的可靠度求解等问题,首先利用Kriging插值预测方法,以极限平衡理论的Janbu算法为例,建立了边坡稳定可靠度功能函数的新型显式代理模型;然后将拉丁超立方试验抽样设计方法、Janbu算法、几何可靠度指标计算三者结合起来,研制了该代理模型的求解程序;构建了基于Kriging插值预测的边坡稳定可靠度近似分析新方法。选用某著名边坡算例,将本文方法分析结果与基于蒙特卡洛法的精确解进行了对比,两者的相对误差为5.21%,但前者计算工作量不到后者的万分之一,表明了代理模型方法的实用性和有效性。最后用代理模型方法分析了衡桂高速某段路堑边坡的稳定可靠性,表明本文方法计算结果能够满足工程精度要求,具有一定的应用价值。     

基于主动学习Kriging模型和子集模拟的可靠度分析

工程结构的功能函数大多数具有隐式非线性程度高的特点,且失效概率较小,需要复杂的有限元分析计算。针对工程实际中大量存在的小失效概率问题,本文提出了基于主动学习Kriging模型和子集模拟方法相结合的可靠度分析方法——AK-SS。AK-SS方法有子集模拟求解小失效概率和主动学习的Kriging模型代替真实功能函数的优势。该方法首先采用Kriging模型代替真实功能函数,通过主动学习方法逐步扩充实验设计点,逐步改善Kriging模型的精度;然后利用子集模拟方法的基本思路,通过引入合理的中间失效事件计算小失效概率。结果表明,AK-SS方法在保证结果精度的同时减少了功能函数的评估次数,对于工程实际中具有隐式功能函数的小失效概率计算问题具有较强的应用前景。     

Multi-objective optimization of a guide vane in the turning region of a rotating U-duct to enhance heat transfer performance

An optimization has been performed for the design of a guide vane in the turning region of a rotating U-duct using the Kriging meta-model and a hybrid multi-objective evolutionary algorithm. Rotation of the U-duct is accompanied by the Coriolis force that causes a discrepancy in heat transfer between the trailing (pressure) and leading (suction) surfaces of the duct. For the optimization, three geometric variables related to the thickness, angle, and location of the guide vanes are selected as the design variables. A Kriging model is constructed to obtain a Pareto-optimal front through a multi-objective evolutionary algorithm. The values of the objective function at the design points are evaluated by Reynolds-averaged Navier–Stokes analysis. The shear stress transport model is used as the turbulence closure model in the analysis. The tradeoff between the two competing objective functions is discussed for Pareto-optimal solutions in the design space. The optimized guide vanes show an increase in heat transfer performance with a decrease in the friction loss in the turning region and downstream straight passage in comparison with the reference design.     

融入压力分布信息的气动力建模方法

气动外形优化设计与飞行器性能分析中, 直接运用数值模拟或风洞实验获取气动力的成本高, 构建代理模型是提高外形优化和性能分析效率的重要途径. 然而, 构建模型的过程中, 研究者只关注积分后的气动力和力矩信息. 本文通过充分利用采样过程中所产生的压力分布信息, 来提高建模的精度和泛化性, 进而降低样本获取的成本. 提出了一种小样本框架下融入压力分布信息的气动力建模方法, 首先通过数值模拟或风洞试验获得不同流动参数状态下翼型表面的压力分布信息和气动系数, 其次通过本征正交分解技术对压力分布信息进行特征提取, 获取不同输入参数状态下压力分布信息对应的POD系数, 之后结合输入参数通过Kriging算法对压力分布信息进行建模, 将压力分布信息积分得到低精度气动系数的预测模型, 最后低精度气动系数结合输入参数通过Kriging算法构造高精度的气动系数预测模型. 通过同状态变翼型算例以及CAS350翼型变状态算例进行验证, 该方法相比于传统的克里金模型直接预测气动力, 有效提高了气动力的预测精度和模型的鲁棒性, 同时缩小了学习样本的数据量.      

Thermal-economic multi-objective optimization of shell and tube heat exchanger using particle swarm optimization (PSO)

Many studies are performed by researchers about shell and tube heat exchanger (STHE) but the multi-objective particle swarm optimization (PSO) technique has never been used in such studies. This paper presents application of thermal-economic multi-objective optimization of STHE using PSO. For optimal design of a STHE, it was first thermally modeled using e-number of transfer units method while Bell–Delaware procedure was applied to estimate its shell side heat transfer coefficient and pressure drop. Multi objective PSO (MOPSO) method was applied to obtain the maximum effectiveness (heat recovery) and the minimum total cost as two objective functions. The results of optimal designs were a set of multiple optimum solutions, called ‘Pareto optimal solutions’. In order to show the accuracy of the algorithm, a comparison is made with the non-dominated sorting genetic algorithm (NSGA-II) and MOPSO which are developed for the same problem.     

高压捕获翼前缘型线优化和分析

为分析翼前缘形状变化对高压捕获翼构型气动性能的影响,基于一种锥体组合捕获翼概念构型,采用幂次函数和余弦函数组合形式对翼前缘型线进行了参数化设计,在比较了多项式和径向基函数两种代理模型的拟合精度基础上,以飞行马赫数7,飞行攻角0?为计算条件,结合使用均匀实验设计方法、计算流体力学、径向基函数代理模型方法和遗传算法,选择升阻比最大化为目标开展了数值优化,最后基于优化结果进行了单参数的灵敏度分析.优化结果表明,相对于基准外形而言,优化后构型升力系数增大了约8.1%,阻力系数减小了约12.2%,升阻比提高了约23.4%.此外,灵敏度分析结果表明升阻比与5个设计参数均呈非线性关系,其中展向角度对升阻比影响最大,其次为幂次曲线的比例参数,其余3个参数对升阻比的影响相对较弱.     

Robust design of natural laminar flow supercritical airfoil by multi-objective evolution method

A transonic, high Reynolds number natural laminar flow airfoil is designed and studied. The γ-θ transition model is combined with the shear stress transport(SST)k-w turbulence model to predict the transition region for a laminar-turbulent boundary layer. The non-uniform free-form deformation(NFFD) method based on the non-uniform rational B-spline(NURBS) basis function is introduced to the airfoil parameterization.The non-dominated sorting genetic algorithm-II(NSGA-II) is used as the search algorithm, and the surrogate model based on the Kriging models is introduced to improve the efficiency of the optimization system. The optimization system is set up based on the above technologies, and the robust design about the uncertainty of the Mach number is carried out for NASA0412 airfoil. The optimized airfoil is analyzed and compared with the original airfoil. The results show that natural laminar flow can be achieved on a supercritical airfoil to improve the aerodynamic characteristic of airfoils.     

横截面参数化网格变形算法及耐撞性优化应用

薄壁梁结构是汽车等运载工具的主要承载构件，提高该类结构的耐撞性对乘员安全具有重要意义。然而，形状优化设计要求多组有限元模型与仿真分析，因此需要特定的建模技术或人工交互。本文提出了一种基于横截面形状的参数化网格变形方法，以实现已有有限元模型的有效重用。以给定有限元模型为输入，采用基于各向异性径向基函数网格变形方法，并结合骨架内嵌空间，可快速生成适用于仿真分析的有限元模型变体。以S形梁轴向冲击耐撞性设计为例，采用所提方法改变构件塑性铰区域的横截面形状，可快速（低于4 s）获取100组局部变形有限元模型，并采用代理模型技术和多目标遗传算法优化结构耐撞性。数值结果显示，构件耐撞性获显著提高，验证了所提参数化变形方法的有效性，展示了与一般形状优化框架的可集成性。     

二级多点近似方法在整星结构优化设计中的应用

以整星结构为研究对象,针对含有离散变量的混合变量优化问题,应用二级多点近似方法给出从卫星拓扑布局设计到尺寸的一体化优化求解过程。首先,对整星结构进行仿真和振动试验,设计满足总体指标要求且已得到在轨验证。其次,建立以极小化卫星质量为目标的多工况优化模型后利用分段多点逼近函数建立了显式近似问题。最后,采用遗传算法和变尺度法分别对离散/连续两类变量寻优,并以拓扑构型一致性和目标函数的下降程度作为收敛的判定依据。结果显示,在满足频率和静力的约束下,卫星质量降低了7.9%,且结构分析迭代次数仅为50~60次,从而验证了该方法在求解整星结构多变量多工况下的一体化设计问题时具有很高的计算效率和准确性。     

A modified multi-objective particle swarm optimization approach and its application to the design of a deepwater composite riser

A modified multi-objective particle swarm optimization method is proposed for obtaining Pareto-optimal solutions effectively. Different from traditional multi-objective particle swarm optimization methods, Kriging meta-models and the trapezoid index are introduced and integrated with the traditional one. Kriging meta-models are built to match expensive or black-box functions. By applying Kriging meta-models, function evaluation numbers are decreased and the boundary Pareto-optimal solutions are identified rapidly. For bi-objective optimization problems, the trapezoid index is calculated as the sum of the trapezoid’s area formed by the Pareto-optimal solutions and one objective axis. It can serve as a measure whether the Pareto-optimal solutions converge to the Pareto front. Illustrative examples indicate that to obtain Pareto-optimal solutions, the method proposed needs fewer function evaluations than the traditional multi-objective particle swarm optimization method and the non-dominated sorting genetic algorithm II method, and both the accuracy and the computational efficiency are improved. The proposed method is also applied to the design of a deepwater composite riser example in which the structural performances are calculated by numerical analysis. The design aim was to enhance the tension strength and minimize the cost. Under the buckling constraint, the optimal trade-off of tensile strength and material volume is obtained. The results demonstrated that the proposed method can effectively deal with multi-objective optimizations with black-box functions.