[发明专利]一种基于Bayesian kriging模型的机构优化设计方法

权利要求书

1.一种基于Bayesian kriging模型的机构优化设计方法，其特征在于，设在机构中有θ＝[θ₁，θ₂，...，θ_n]共n个实时发生变化的结构参数影响机构性能，α＝[α₁，α₂，...，α_m]为m个影响机构性能的物理量，物理量α受结构参数θ影响；对结构参数θ进行优化包括以下步骤：

步骤1、通过在线检测方法对机构进行采样，得到实验样本；

步骤2、建立机构有限元模型，进行数值模拟，对关键节点的物理量α进行数值计算，得到模拟样本；

步骤3、整合实验样本与模拟样本数据，构建Bayesian kriging模型；

Bayesian kriging模型构建过程包括：

步骤3.1、将实验样本与模拟样本整合成新的样本数据，再将样本数据分成搭建样本和修正样本，分别用于模型的搭建和检验；

步骤3.2、构建Kriging模型；

构建Kriging模型包括步骤：

①构建初始Kriging模型

式中x＝[x₁，x₂，...，x_p]是包含位置与条件信息的p维空间向量；是物理量α_m预测响应值；f(x)＝[f₁(x)，f₂(x)，...，f_p(x)]^T为X的多项式；R为各个样本点之间的相关矩阵；r(x)＝[R(x，x₁)，R(x，x₂)，...，R(x，x_n)]^T，其中R(x，x_n)为预测点x和样本点x_n的相关矩阵；Y_m＝[y₁，y₂，...，y_p]为已知样本中物理量α_m的响应值；F＝[f(x₁)^T，f(x₂)^T，...，f(x_n)^T]^T，其中f(x_n)为已知样本点x_n多项式矩阵，且与预测点x采用相同多项式；

②利用重新计算搭建样本中对应的有限元模型节点响应值，然后与搭建样本点实际值比较，计算预测值方差和标准差；若Kriging模型不能满足精度，则取出部分修正样本加入到搭建样本中，增加搭建样本数据，继续构建Kriging模型，直至得到满足精度的Kriging模型；

步骤3.3、对Kriging模型的预测值进行数据正态化处理，得到Bayesian假设检验的输入数据；

步骤3.4、采用Bayesian假设检验方法对Kriging模型预测结果进行可靠性检验，得到Bayesian kriging模型；

步骤4、使用Bayesian kriging模型，计算有限元模型上其余节点的物理量α的响应值；

使用步骤3得出的Bayesian kriging模型替换步骤2中对关键节点的物理量α进行数值计算的有限元算法，计算出有限元模型上其余节点的物理量α的响应值；

步骤5、在不同结构参数θ下重复以步骤1-4，根据离散数据，采用曲线拟合的方法获得结构参数θ与物理量α的对应函数；

步骤6、基于多目标优化算法，获得结构参数θ最优解集。

2.根据权利要求1所述的机构优化设计方法，其特征在于，步骤1包括：在合适范围内随机选取结构参数θ的值，搭建机构模拟装置，模拟机构运动；利用传感器对机构模拟装置利于测量性能指标的关键位置进行测量与检测，最终采集到M个实验样本。