考虑变量相关性的非概率可靠性灵敏度分析方法

基于不确定性的凸模型描述,研究考虑变量相关情况下非概率可靠性指标及其参数灵敏度求解方法.从非概率可靠性指标的物理意义出发,建立了相关变量和相互独立变量情况下的非概率可靠性统一模型,在此基础上基于Monte-Carlo法,在变量的标准化扩展空间内通过全局抽样得到结构失效域内距离原点最近的设计点,然后通过迭代策略求解得到非概率可靠性指标的收敛解.在此基础上基于差分理论,提出了非概率可靠性参数灵敏度分析方法.数值算例验证了所提出方法的可行性和有效性.     

超椭球凸集合可靠性综合指标定义及求解方法

针对失效域与超椭球凸集合发生干涉与不发生干涉两种情况下,超椭球凸集合非概率可靠性与非概率可靠度两种指标各自存在的不足,将两指标相结合提出多个超椭球凸集合描述时的可靠性综合指标定义,并提出将改进的有限步长迭代法(MLSA)与Monte-Carlo法结合来求解综合指标的方法.MLSA是在有限步长迭代法的基础上提出的,根据增...     

结构的概率-非概率混合可靠性模型

将影响结构可靠性分析的不确定性因素用概率和非概率两种方式模拟。并基于结构可靠性分析中的概率可靠性模型和非概率集合可靠性模型,提出一种新的结构可靠性分析的概率-非概率混合模型。该模型首先通过将功能函数进行非概率可靠性分析,然后将标准化区间变量空间所有区域的可靠度进行求和计算,从而给出结构的可靠度。并根据相同的不确定信息,由混合可靠性模型与概率可靠性模型得到的结果是相等的,证明了方法的有效性。最后,通过一个典型结构和一个机翼下壁加筋板与传统概率可靠性模型进行比较,表明该混合模型对于结构的分析和设计更为合理,能够更好地保证结构的安全性。     

结构非概率可靠性灵敏度分析方法

 结构非概率可靠性的灵敏度分析对工程中非概率问题的分析预测和优化具有重要的指导作用。基于结构非概率可靠性指标理论,提出了结构非概率可靠性的灵敏度分析方法。针对极限状态函数为线性的情况,推导出了非概率可靠性灵敏度的解析解。在此基础上,结合函数线性化理论,提出了求解极限状态函数为非线性情况的非概率可靠性灵敏度的近似解析方法。基于求解非概率可靠性指标的优化方法,并结合差分理论,提出了求解非概率可靠性灵敏度的优化方法。给出了算例分析,结果表明了所提方法的可行性。     

基于蚁群算法的固体火箭发动机总体参数优化

为建立一种支持连续域、离散域混合变量的优化算法以用于固体火箭发动机总体参数优化,改进了基本蚁群算法,融入"网格划分"、"哑元化"和"变尺度局部搜索"三种策略,以改进算法的寻优性能和使用范围,其中局部搜索算法仍采用蚁群算法。使用了几个较具欺骗性的经典测试函数对改进蚁群算法进行了测试,计算结果表明改进蚁群算法找到全局最优值的概率较大。应用改进蚁群算法对固体火箭发动机总体设计中的两个重要总体参数——燃烧室工作压强和喷管面积比,进行了优化求解,获得了满意结果。诸算例的优化结果表明,该改进蚁群算法具有支持混合变量,全局寻优性能稳定和搜索精度高的优点,对工程优化设计问题具有较好的寻优性能和更强的适用性。     

一种包含模糊与区间的统一混合可靠性模型

采用不同的数学工具描述设计变量不确定性时形成了现有的三种结构可靠性分析方法,分别为概率方法、非概率方法以及混合方法。单一的概率可靠性模型发展已经比较成熟,单一的非概率可靠性模型也有不少学者研究。然而尚没有建立包含概率、模糊、非概率的统一混合可靠性模型。本文先把模糊变量隶属函数转化为具有概率密度函数性质的函数,并结合区间可靠性度量获得统一混合可靠性模型。分析结果表明本文提出的混合可靠性模型计算方法可以有效的处理设计变量的不同客观事实。     

探测点序列的最优化与简化计算方法

在搜索状态建模和求解一阶搜索状态方程的特征迹线解的基础上,建立了对随机运动进行离散时间探测的发现概率最优控制模型,结合动态规划原理给出一种最优探测点序列的逼近算法,并给出了短时计算的算法简化形式。在满足一阶搜索状态方程的随机恒速目标条件以及有限指数探测函数条件下,将给出的算法及其简化形式应用到算例。算例表明,当随机恒速运动目标初始位置和速度均服从圆正态分布时,该算法及其简化形式均能够由任意给定的初始探测点序列优化收敛到满足精度要求的最优探测点序列。     

基于RBF和主动学习的非概率可靠度求解方法

进行结构非概率可靠性分析时，对于失效域与超椭球不确定域发生干涉的情况，非概率可靠度相较于非概率可靠度指标更具有适用性。为了提高超椭球模型下结构非概率可靠度的求解效率，本文提出一种求解非概率可靠度问题的高效主动学习方法。首先，结合交叉验证和jackknifing方法推导了RBF模型在未知点处的jackknifing方差以评估模型预测的不确定性，并根据该方差基于RBF的主动学习函数对非概率可靠度进行求解。其次，提出有效收敛准则来终止非概率可靠性分析的主动学习过程。最后，3个算例表明该方法能够在较少功能函数调用次数下得到精确的非概率可靠度估计值，具有良好的工程应用价值。     

航空发动机套齿动态装配间隙非概率优化设计

为解决航空发动机套齿动态装配间隙的响应问题,在考虑动态变形和参数不确定性的情况下,将1种非概率区间分析方法与Kriging响应面模型及响应面优化方法相结合,对套齿初始装配间隙进行了可靠性优化设计。以某刚性套齿联轴器作为数值算例,在确定性设计的基础上,考虑机械载荷、热载荷、材料参数的分散性,运用区间分析方法得到了动态装配间隙的响应范围,利用非概率可靠性指标对初始装配间隙进行了优化设计。与确定性设计相比,优化设计提高了结构的可靠性;与概率设计相比,优化设计降低了对不确定参数的信息要求。验证了非概率方法解决装配对象不确定性结构响应问题的可行性与适用性。     

含缺陷结构非概率可靠性分析方法研究

将基于分段描述的结构非概率可靠性模型引入含缺陷结构的可靠性分析,结合断裂判据,并用分段描述模型刻画未确知变量,实现了非概率的断裂力学分析,克服了概率断裂力学方法对原始数据要求高的局限和未确知信息区间均匀分布模型过于保守的缺陷,有效解决了含裂纹结构在小样本、贫信息场合的可靠性评定问题.通过算例,对文中方法的可行性和有效性...     

基于粒子群和人工蜂群混合算法的气动优化设计

现代启发式智能算法存在全局与局部搜索能力的平衡问题,针对此问题,采用双种群进化策略和信息交流机制,提出一种基于粒子群算法和人工蜂群算法相结合的新型混合优化算法——MABCPSO,并分别进行函数测试和翼型的气动优化设计验证。结果表明:MABCPSO新型混合优化算法具有更好的寻优能力,相比粒子群算法和人工蜂群算法,该算法能以更少的进化代数分别提高1.7%和2.2%的减阻效果。     

航空发动机结构可靠性优化方法研究

通过采用多项式响应面的近似模型和模拟退火寻优技术．建立了航空发动机结构可靠性优化方法：采用多项式响应面为近似模型构造状态变量和目标函数与设计变量的关系,并采用模拟退火算法对响应面模型进行寻优,通过替代距离目标最远点,重构响应面进行模拟退火寻优。涡轮盘结构可靠性优化分析算例结果表明,涡轮盘结构在满足强度和寿命可靠性约束前...     

混合生物生长自适应搜索遗传算法在形状优化中的应用

利用自适应搜索遗传算法和生物生长算法的特点,提出一种新的优化方法—混合生物生长自适应搜索遗传算法。该算法即可充分利用前两种算法的优点,又可弥补二者的不足。为了验证该算法的合理性和正确性,对经典算例三杆桁架结构进行了优化,并将新算法进一步应用于具有复杂结构的三维离心叶轮优化设计中,结果表明混合算法较遗传算法收敛速度快,且可得到形状优化最优解。     

基于新型自适应遗传算法的混合可靠性优化模型

提出一种新型的自适应遗传算法。结合Logistic函数和余弦函数,对交叉、变异算子曲线进行非线性化处理,实现了交叉算子和变异算子的非线性自适应调整。用新算法求解测试函数,结果表明新算法能够提高收敛速度和精确度,有效地跳出局部收敛,避免早熟现象发生。并基于提出的新型自适应遗传算法,研究了截尾随机-模糊-区间变量的混合可靠性模型的优化问题,建立了以混合可靠性指标作为优化约束条件的混合可靠性优化模型。以某型飞机变速箱同步器系统的优化设计为例,验证了该模型在工程应用中的有效性。     

不完全概率信息的压杆稳定可靠性鲁棒设计

将可靠性设计理论和鲁棒设计方法相结合, 讨论了不完全概率信息的压杆稳定可靠性鲁棒设计问题, 提出了稳定可靠性鲁棒设计的计算方法.把可靠性灵敏度溶入可靠性优化设计模型之中, 将稳定可靠性鲁棒设计归结为满足可靠性要求的多目标优化问题.在基本随机参数的前四阶矩已知的情况下, 通过计算机程序可以实现不完全概率信息的压杆稳定可靠性鲁棒设计, 迅速准确地得到不完全概率信息的压杆稳定可靠性鲁棒设计信息.      

发动机榫头/榫槽接触问题的可靠性形状优化设计

在结构可靠性形状优化的基础上，推导了接触问题随机有限元的灵敏度解析分析表达式，给出了优化分析的基本步骤，并对某发动机燕尾型榫头／榫槽接触结构，选取榫头齿颈宽和齿面倾斜角为设计变量，以榫头最大拉伸应力、齿面挤压应力及可靠度指标为约束条件，对榫头边界上节点的最大当量应力进行了优化分析。结果表明，优化后榫头和榫槽接触面上的接触压力、当量应力及可靠度指标的分布更加均匀，验证了优化分析模型的合理性及所提出的可靠性形状优化设计方法的有效性，为榫头／榫槽的结构设计提供有价值的参考。     

考虑轴承游隙的非线性动力学轴承-转子系统优化

针对一类带动态性能约束的轴承-转子系统优化设计存在的问题,做如下改进工作:一是在目前一类轴承-转子系统优化模型基础上,将轴承游隙作为设计变量,考虑轴承游隙的影响;二是提出了一种演化算法/线性搜索的混合算法,将优化过程分为两个阶段,首先采用演化算法对问题全局寻优,求得给定代数时的优化解,再以此解作为新的初始解,采用线性搜索方法进行局部搜索.经数值仿真表明:该优化模型中增加考虑轴承游隙后,对优化结果有较大影响;提出的混合算法克服了使用线性搜索方法难以确定初始解的问题,在同等计算精度和耗时情况下,该方法求解成功率较高.      

基于多岛遗传-模拟退火算法的气动外形优化

针对超声速翼型滑翔机的气动外形优化问题,提出了一种多岛遗传算法与模拟退火算法相结合的混合优化算法。首先,通过多岛遗传算法产生一个随机的初始种群,找到全局最优点附近区域的一个次优解;然后,将此次优解作为模拟退火算法的初值启动退火进程,缩小设计空间的范围,找到全局最优解。优化结果表明,所提混合算法可以有效地解决飞行器外形优化问题;在数量巨大的设计空间中,滑翔机的最优气动外形能够以较低的计算资源代价快速得到;双弧形翼型的气动特性较六边形翼型更有优势,叉形尾翼的静稳定性和控制效率高于十字形;优化后的外形极大地增加了滑翔机的滑翔距离。     

An aero-engine life-cycle maintenance policy optimization algorithm: Reinforcement learning approach

An aero-engine maintenance policy plays a crucial role in reasonably reducing maintenance cost. An aero-engine is a type of complex equipment with long service-life. In engineering,a hybrid maintenance strategy is adopted to improve the aero-engine operational reliability. Thus,the long service-life and the hybrid maintenance strategy should be considered synchronously in aero-engine maintenance policy optimization. This paper proposes an aero-engine life-cycle maintenance policy optimization algorithm that synchronously considers the long service-life and the hybrid maintenance strategy. The reinforcement learning approach was adopted to illustrate the optimization framework, in which maintenance policy optimization was formulated as a Markov decision process. In the reinforcement learning framework, the Gauss–Seidel value iteration algorithm was adopted to optimize the maintenance policy. Compared with traditional aero-engine maintenance policy optimization methods, the long service-life and the hybrid maintenance strategy could be addressed synchronously by the proposed algorithm. Two numerical experiments and algorithm analyses were performed to illustrate the optimization algorithm in detail.     

Model parameters estimation of aero-engine based on hybrid optimization algorithm

A hybrid optimization algorithm for the time-domain identification of multivariable,state space model for aero-engine was presented in this paper.The optimization procedure runs particle swarm optimization (PSO) and least squares optimization (LSO) "in series".PSO starts from an initial population and searches for the optimum solution by updating generations.However,it can sometimes run into a suboptimal solution.Then LSO can start from the suboptimal solution of PSO,and get an optimum solution by conjugate gradient algorithm.The algorithm is suitable for the high-order multivariable system which has many parameters to be estimated in wide ranges.Hybrid optimization algorithm is applied to estimate the parameters of a 4-input 4-output state variable model (SVM) for aero-engine.The simulation results demonstrate the effectiveness of the proposed algorithm.