[发明专利]一种基于小样本建立复杂产品优化设计代理模型的方法

说明书

一种基于小样本建立复杂产品优化设计代理模型的方法，属于复杂产品优化设计技术领域。确定该复杂产品优化设计的目标；为该复杂产品优化设计生成样本量为S的原始设计方案样本集；为该复杂产品优化设计生成虚拟设计方案样本集；合并原始设计方案样本集和虚拟设计方案样本集，构成混合设计方案样本集；确定复杂产品优化设计的目标相对各决策变量的灵敏度及灵敏度排序；以目标变量为输出变量，建立具有不同输入变量的三层BP神经网络模型；以混合样本集为训练样本集对上述各神经网络模型进行训练；选择性能最优的神经网络模型为最终的复杂产品优化设计代理模型。降低了生成样本的工作量，又保证了复杂产品优化设计代理模型的精度。

技术领域

本发明属于复杂产品优化设计技术领域，具体涉及一种基于小样本建立复杂产品优化设计代理模型的方法。

背景技术

复杂产品是指客户需求复杂、产品构成复杂、产品技术复杂、制造流程复杂、生产管理复杂的一类产品，飞机、发动机、轮船、机床等是这类产品的典型代表。复杂产品优化设计是一个不断调整设计参数以形成新方案，并评价该调整是否有效地逼近设计目标的优化过程。这是一个反复试探的过程，如果每次试探性调整的有效性评价都使用原始的设计方法，则会带来不可接受的计算量，最终导致优化设计的不可行。因此，目前的复杂产品优化设计都采用“建模+优化”两步走的策略，其中建模部分确立决策变量(设计参数)和目标变量(性能参数)之间的关系，其成果为代理模型；优化部分以此代理模型为依托，在决策变量构成的空间中搜索最优的解。在这种“建模+优化”的设计体系中，建模的有效性决定了优化设计的可信性，最终决定了产品的整体性能。

为复杂产品设计建立一个良好的模型，需要丰富的设计方案样本以构造训练样本集。但是复杂产品设计过程所表现出来的技术复杂性，导致设计方案样本的生成费用高昂，难以获得足够的训练样本，从而导致某些特征提取参数无法估计，不能建立准确的代理模型；此外，如何充分考虑技术复杂性所带来的高维问题，选择性价比高的模型，将从根本上决定优化设计的整体质量。因此和普通产品设计的建模相比，复杂产品设计的建模需要从以下两点寻求突破：第一，针对设计方案样本生成的难度和成本，需要进行精心的样本设计以提高其覆盖率，降低样本数量；第二，从决策变量和目标变量之间关系复杂性出发，确定代理模型的架构和建模方法，提高代理模型的性能和效率。通过这两个问题的良好解决，最终提高多学科优化的效率和质量。

发明内容

针对复杂产品设计建模的复杂性及困难性，本发明提供一种基于小样本建立复杂产品优化设计代理模型的方法。

本发明的技术方案：

一种基于小样本建立复杂产品优化设计代理模型的方法，包括如下步骤：

步骤1：确定该复杂产品优化设计的目标，并初步确定建立复杂产品优化设计代理模型所需训练样本集的样本量M；

步骤2：采用正交试验设计的方法，为该复杂产品优化设计生成S个设计方案，并将上述的每个设计方案视作一个设计方案样本，上述S个设计方案即构成样本量为S的原始设计方案样本集；

步骤3：基于原始设计方案样本集，生成虚拟样本集；

步骤3.1：对每个原始设计方案样本进行归一化处理得到归一化的设计方案样本，进而得到样本量为S的归一化的设计方案样本集；

步骤3.2：如果S≤M≤2S则把M调整为2S，并以归一化的S个设计方案样本为基础样本；如果M>2S，则拷贝归一化的设计方案样本集份，形成集合A，再从归一化的S个设计方案样本中随机选择个样本形成集合B，A、B一起构成基础样本集，此处[]表示向下取整操作；

步骤3.3：生成随机扰动，并将其叠加到上述基础样本上生成虚拟样本，并把虚拟样本各变量约束在[-1,1]取值区间内，进而得到虚拟样本集：