一种基于Kriging和Monte Carlo的主动学习可靠度算法

机械结构可靠性分析时,常常会采用代理模型拟合隐式功能函数来解决计算量大的问题,但由于试验设计方案需要同时考虑代理模型的拟合精度和可靠度计算精度的问题。因此,为了能够充分使用较少的样本信息,最大化可靠度计算精度,本文充分发挥Kriging预测的随机特性,提出一种主动学习可靠度计算方法。首先,类似于优化问题中改善函数的选点方式,提出一种基于Kriging预测的学习函数,基于Monte Carlo法生成大量的候选样本点,找出学习函数最小值对应的样本点作为最佳取样点。其次,推导和提出了一种学习停止的条件,保证了Monte Carlo样本点预测符号的正确性且学习次数明显减小。最后,通过2个数值算例分析结果表明,该算法相比其他方法需要更少的样本数量,得到的可靠度计算精度更高,验证了本文算法的正确性和高效性。     

涡轮转子径向变形多目标协同稳健性优化

考虑到涡轮转子径向变形对涡轮叶尖径向间隙以及篦齿径向封严间隙的影响,提出涡轮转子径向变形多目标协同稳健性优化方法。利用基于Kriging模型的分布式协同响应面法(DCRSM)分别建立涡轮转子和涡轮篦齿的参数与径向变形间的响应面模型,并求解单目标下的稳健最优解。采用理想点法建立涡轮转子和篦齿径向变形多目标协同稳健性优化模型,并进行多目标协同稳健性优化求解。优化结果显示:提出的多目标协同稳健性优化方法与单目标稳健性优化方法相比涡轮转子和篦齿径向变形量的标准差分别降低了2.6%和4.9%。提出的方法为涡轮转子参数设定提供一定的参考。      

螺旋桨/机翼耦合下的目标螺旋桨滑流设计

针对分布式电推进(DEP)构型等具有多螺旋桨特征的飞行器,发展了通过优化螺旋桨滑流来达到提高机翼升阻比的方法。提出了一种可以获得目标诱导速度分布的螺旋桨设计方法,基于面元法发展了一套可以快速计算螺旋桨机翼干扰的气动程序Prop-wing,基于Kriging代理模型建立了一套高效的优化方法获得最优的螺旋桨诱导速度分布提高机翼升阻比。优化结果显示当拉力保持相同时,螺旋桨桨毂附近的轴向诱导速度越大,下游机翼的升阻比越大。在不对螺旋桨功率进行限制时,优化后的螺旋桨使得下游的翼段阻力相比较安装最小能量损失设计的螺旋桨的翼段减少了1875%,而翼段升阻比提升达到了2563%,当优化螺旋桨功率被限制后,翼段升阻比提升为962%。虽然升阻比的提升需要付出螺旋桨效率下降的代价,但是研究还是给分布式动力滑流的利用提供了一种思路。      

旋翼翼型多目标多约束气动优化设计

为了克服传统旋翼翼型优化设计方法的不足,发展了一种基于Kriging模型与遗传算法的旋翼翼型多目标多约束气动优化设计方法。采用基于雷诺平均Navier-Stokes方程的数值模拟获得样本翼型气动性能,并建立目标函数和状态函数的Kriging模型,采用遗传算法搜索Kriging模型最小值和相应的EI(Expected Improvement)函数最大值,更新Kriging 模型直至找到满足约束的最优翼型。运用加权目标函数法进行了旋翼翼型的多设计点优化设计。优化结果表明,优化后旋翼翼型在满足约束的同时,与基准旋翼翼型OA209相比:在悬停状态下,阻力系数下降了2.1%;在机动状态下,最大升力系数提高了4.2%;在前飞状态下,阻力系数在不同马赫数下均有所减小。     

翼型气动性能鲁棒性优化设计

讨论了一种在来流速度不确定的情况下对翼型进行鲁棒性设计的方法.介绍了单点及多点设计方法后,阐述了鲁棒性设计方法在翼型气动性能优化中的应用,并对三者进行了比较.引入了代理模型以减少计算量, 并通过遗传算法对翼型进行鲁棒性设计.借助区间分析方法讨论了翼型设计变量的扰动对气动特性上下界值的影响.应用该方法,在提高了翼型的气动性能的同时,降低了该性能对于来流速度的敏感度.      

基于流体力学和电磁学方程数值求解的飞行器气动隐身一体化设计

介绍了基于流体力学和电磁学方程数值求解的飞行器气动隐身一体化设计方法.首先介绍了精度相对较高的飞行器气动和隐身特性数值计算方法,即,对于气动性能计算,求解的是结构网格上的NS方程加BL代数湍流模式;对于隐身特性计算,是用时域有限体积法来求解电磁学微分方程以获取RCS值.由于采用了高精度的数值方法,优化时单一设计点的气动性能计算和隐身性能计算变得较为耗时,因此在进行多目标遗传算法优化时本文采用了一种"少量样本计算+Kriging响应面模型建模"的优化策略.针对某类似X-47飞行器的一体化设计算例计算表明,上述设计方法是可行的,实现了优化设计中引入高精度的性能分析方法,有望提高优化结果的可信度.     

基于Kriging模型的翼型多目标气动优化设计研究

在翼型气动优化设计中引入Kriging代理模型,发展了一套高效、稳定的气动优化设计程序。采用拉丁超立方试验设计方法在设计空间内构造一系列样本点,通过求解二维可压缩的雷诺平均NS方程（RANS）得到其响应值来建立初始Kriging模型。优化设计采用Hicks-henne函数对翼型几何外形进行参数化表示,以阻力极小化为设计目标,考虑面积、升力、力矩等约束条件,通过算例证明,发展的优化设计方法不仅可行,而且具有高效稳定的特性。与传统的优化设计方法比较,大大减少了设计时间。     

基于分解策略的涡轮叶片可靠性及多学科设计优化

将反一阶可靠性分析方法与多学科可行方法相结合,提出了一种适用于涡轮叶片复杂结构的可靠性及多学科设计优化方法.在优化过程中使用Kriging近似模型并不断提高模型精度,解决了多学科可行方法反复调用仿真程序进行多学科分析,计算量较大的问题.该方法将可靠性分析与多学科优化过程分离,提高了优化计算效率.以某型涡轮叶片的设计优化为例,对该方法进行了验证并与传统双循环方法进行了对比.结果表明,优化结果满足可靠性的要求,与双循环方法相比优化效率提高63.8%,证明了该方法在工程应用中的可行性和有效性.      

Kriging模型在固体火箭发动机装药可靠性分析中的应用

基于Kriging方法对固体火箭发动机装药结构可靠性进行了分析.首先,采用拉丁超立方抽样技术得到了随机参数样本点;然后,利用样本点数据对黏弹性有限元模型的装药进行了结构力学分析;最后,通过Kriging模型得到了八面体剪应变的函数近似响应面,并结合失效判据对失效函数进行了可靠性计算.为了验证Kriging模型在可靠性计算中的有效性,其计算结果与Monte-Carlo方法进行了比较,得到了十分接近的可靠度.      

基于Kriging算法的手术导航三维形变技术

针对计算机辅助手术三维导航技术中无法利用术前CT重建模型进行病人个体化手术的问题,提出一种基于克里金(Kriging)算法的三维骨骼形变(bone morphing)技术.利用术中采集和医学图像模型的两片点云进行配准,在CT重建模型上选取4个合适的控制点,通过求解Kriging算法建立的方程组,获得CT重建模型上所有点相对于实际病例变形后的位置,实现医学图像模型向个体化的变形.最后,以人体股骨CT模型和塑料模型为对象进行了形变的精度分析和关节手术导航评估实验.结果表明:这种形变方法简单可靠,可以用于前交叉韧带(ACL,Anterior Cruciate Ligament)重建手术的导航评估.