基于 Kriging模型机翼平面外形气动优化设计

使用基于Kriging模型的优化设计方法,进行了非常规布局机翼的平面外形多目标优化设计。利用CFD技术进行机翼升力系数和阻力系数的气动计算,通过拉丁超立方试验设计生成样本点,建立了Kriging代理模型,结合多目标遗传算法对机翼平面外形进行多点多目标优化设计,最终得到了Pareto最优解集。根据设计需求,从Pa-ret0前沿选取一个非劣解作为优化结果。结果表明：陆ging模型与cFD计算误差很小,可信度高;在不问设计状态下,机翼气动性能都得到了提高,表明优化设计方法具有可行性和高效性。     

二维气动问题中Kriging代理模型精度影响因素

以二维跨声速临界翼型的阻力特性为对象,探讨样本点数目、Kriging代理模型参数及其类型等对模型精度的影响.阻力系数采用计算流体力学（CFD）方法得到.模型精度的验证采用交叉验证方法,采用平均误差、最大误差和标准交叉验证残差来衡量Kriging代理模型的精度.研究结果表明:①Kriging代理模型预测气动阻力效果较好.②模型精度随样本点的增多而提高,剔除与样本点响应趋势不相符的“奇异点”后,模型精度显著提高,平均误差减小5%~38%,最大误差减小13%~77%.③核函数类型对模型精度的影响最大,相关参数次之,回归模型的影响最小.采用高斯相关函数、2阶多项式回归模型,以及合适的相关参数值时,Kriging代理模型的精度最高.      

矩独立重要性分析的Kriging代理模型方法

结构重要性分析是结构不确定性分析的重要研究内容之一。作为一种矩独立的重要性测度指标,基于失效概率的重要性测度能够有效地反映输入变量的不确定性对结构失效概率的影响。然而,相比于其他形式的重要性测度,对基于失效概率的矩独立重要性测度进行高效准确的求解仍然存在一定的困难。基于此,结合Kriging代理模型提出了一种高效的矩独立重要性分析的新方法。所提方法首先通过较少的实验设计样本构建能够充分近似真实输入输出响应函数的Kriging代理模型,进而通过数值模拟策略对所构建的Kriging模型进行分析,最终求解得到各个输入变量基于失效概率矩独立重要性测度的主效应和总效应,给出各个输入变量对于失效概率的影响程度排序。相比于现有方法,所提方法由于引入Kriging代理模型极大地降低了对响应函数的计算次数,同时保证了重要性分析的计算精度。两个工程应用实例结果表明了所提方法在计算效率和计算精度方面的优势,体现了所提方法良好的适用性。     

基于Kriging模型的风洞应变天平静态校准方法

本文提出了一种基于Kriging代理模型的风洞应变天平静态校准方法。采用拉丁超立方设计的试验设计（DOE）方法选取校准加载点,以六分量组合加载技术为支撑,采用一阶回归基函数和EXP关联函数对校准数据构建Kriging模型,以电压信号增量和其他条件变量为自变量,通过Kriging模型对天平所受载荷进行预测。校准结果表明,与传统的OFAT（One Factor at A Time）校准方法相比,该方法具有相同的准度,加载点数量极大减少。将该方法应用于某矢量喷管推力测量天平的校准工作中,以通气流量和天平电压信号增量作为自变量,较好预测了喷管产生的推力,解决了传统校准方法难以克服的通气影响问题。     

基于Kriging模型的翼型气动性能优化设计

将基于Kriging模型的近似技术引入气动优化设计。通过计算两个测试函数的全局极值以及翼型几何形状的重构,比较了基于Kriging模型的优化方法与传统的梯度类优化方法、标准遗传算法的特点。结果表明基于近似模型的优化方法不仅全局性良好,而且有效节约了计算资源。用此方法进行了翼型的气动优化设计,目标函数为来流马赫数为0.7、攻角为3°时升阻比最大。设计结果表明,与参考翼型相比,优化翼型升阻比提高了81%,而翼型截面积减少不到1%,优化效果非常明显。     

基于Kriging模型的结构耐撞性优化

提出了基于Kriging模型的耐撞性优化方法。首先就Kriging模型的构造方法及其精度评估问题进行了讨论;然后,以薄壁管为研究对象,采用瞬态非线性有限元分析程序作为计算核心,以薄壁圆管的直径和壁厚为优化变量,以最大撞击载荷为目标函数,薄壁管的最大压缩量等作为约束函数,构造了基于Kriging模型的全局近似函数来逼近真实的优化目标函数与约束函数;随后,提出了提高全局近似函数精度的Kriging模型更新方法,改进了优化设计分析流程;最后,在所构造的全局近似函数的基础上,采用遗传算法进行优化分析。算例分析结果表明,该方法构造的最大撞击载荷与最大压缩量的全局近似函数在最优解处与真实解非常吻合,说明了Kriging模型的有效性。     

改进谢别德插值方法在地磁图构建中的应用

构建地磁图是地磁/惯性组合导航研究的一项重要内容,为了提高地磁导航中地磁基准图的精度,本文分析研究了改进谢别德插值算法,简要概述了数字地磁图的构建原则,并将改进谢别德插值算法应用到地磁图构建中.通过实验验证,发现该方法与距离加权反比插值算法、克里格插值算法相比,具有较好的插值效果.由此,初步判定改进谢别德插值算法在地磁...     

基于QPSO算法的压气机特性代理模型优化

考虑到小样本特性数据情况下进行部件特性数据的二维线性插值精度低,提出一种基于量子粒子群优化(QPSO)算法的压气机特性代理模型优化方法。针对原始Kriging模型对其相关模型参数的初始值极度敏感以及易限于局部最优解的缺陷,利用QPSO算法对Kriging的相关模型参数进行全局寻优,克服了基于梯度的模式搜索法对于参数初始值的依赖,经测试该方法具有较好的效率以及稳定性。将该优化模型扩展应用于低压压气机特性代理模型建立与重构。经验证,在小样本特性数据下,基于QPSO的压气机特性Kriging模型仍具有较高精度,应用前景可观。     

Stochastic structural optimization using particle swarm optimization, surrogate models and Bayesian statistics

This paper focuses on a method to solve structural optimization problems using particle swarm optimization (PSO), surrogate models and Bayesian statistics. PSO is a random/stochastic search algorithm designed to find the global optimum. However, PSO needs many evaluations compared to gradient-based optimization. This means PSO increases the analysis costs of structural optimization. One of the methods to reduce computing costs in stochastic optimization is to use approximation techniques. In this work, surrogate models are used, including the response surface method (RSM) and Kriging. When surrogate models are used, there are some errors between exact values and approximated values. These errors decrease the reliability of the optimum values and discard the realistic approximation of using surrogate models. In this paper, Bayesian statistics is used to obtain more reliable results. To verify and confirm the efficiency of the proposed method using surrogate models and Bayesian statistics for stochastic structural optimization, two numerical examples are optimized, and the optimization of a hub sleeve is demonstrated as a practical problem.     

Multi-infill strategy for kriging models used in variable fidelity optimization

In this paper, a computationally efficient optimization method for aerodynamic design has been developed. The low-fidelity model and the multi-infill strategy are utilized in this approach. Low-fidelity data is employed to provide a good global trend for model prediction, and multiple sample points chosen by different infill criteria in each updating cycle are used to enhance the exploitation and exploration ability of the optimization approach. Take the advantages of low-fidelity model and the multi-infill strategy, and no initial sample for the high-fidelity model is needed. This approach is applied to an airfoil design case and a high-dimensional wing design case. It saves a large number of high-fidelity function evaluations for initial model construction. What’s more, faster reduction of an aerodynamic function is achieved, when compared to ordinary kriging using the multi-infill strategy and variable-fidelity model using single infill criterion. The results indicate that the developed approach has a promising application to efficient aerodynamic design when high-fidelity analyses are involved.