| 基于子元模型的全局优化与设计空间知识挖掘方法 |
| |
| 引用本文： | 郭振东,宋立明,李 军,李国君,丰镇平.基于子元模型的全局优化与设计空间知识挖掘方法[J].推进技术,2015,36(2):207-216. |
| |
| 作者姓名： | 郭振东 宋立明 李 军 李国君 丰镇平 |
| |
| 作者单位： | 西安交通大学 能源与动力工程学院,陕西西安,710049 |
| |
| 基金项目： | 国家自然科学基金资助项目(51106123)；高等学校博士学科点专项科研基金(20100201120010)。 |
| |
| 摘 要： | 为有效求解大资源黑盒子问题如叶轮机械设计优化等,提出了基于子元模型的全局优化与设计空间知识挖掘方法MBOE。该方法包括全局优化算法MBGO与数据挖掘两部分,其中MBGO算法需要极少的函数估值即可获得全局最优解;数据挖掘技术能有效分析变量间的相关关系,揭示最优设计性能提高的本质原因。利用MBOE,完成NASA Rotor37转子叶栅三维气动设计优化与知识挖掘,最优设计等熵效率相对参考设计提高1.74%。同时,利用MBGO算法所需要的计算量仅为进化算法的1/5。数据挖掘结果表明叶栅前缘及三维积叠参数对叶栅气动性能影响较大,最优设计由于上述叶型参数的改善有效减弱了叶栅进口激波损失,使得最优设计气动性能明显提高。由此,MBOE方法的正确性和有效性得到了验证。
|
| 关 键 词： | 子元建模 Kriging模型 全局优化 数据挖掘 |
Meta Model-Based Global Design Optimization and |
| |
| GUO Zhen-dong,SONG Li-ming,LI Jun,LI Guo-jun and FENG Zhen-ping.Meta Model-Based Global Design Optimization and[J].Journal of Propulsion Technology,2015,36(2):207-216. |
| |
| Authors: | GUO Zhen-dong SONG Li-ming LI Jun LI Guo-jun and FENG Zhen-ping |
| |
| Institution: | GUO Zhen-dong;SONG Li-ming;LI Jun;LI Guo-jun;FENG Zhen-ping;School of Energy & Power Engineering,Xi’an Jiaotong Universtiy; |
| |
| Abstract: | |
| |
| Keywords: | Meta-modeling Kriging model Global optimization Data mining |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《推进技术》浏览原始摘要信息 |
| 点击此处可从《推进技术》下载免费的PDF全文 |
|
