[发明专利]一种基于Bayesian kriging模型的机构优化设计方法

说明书

本发明属于机构优化设计领域，涉及一种基于Bayesian kriging模型的机构优化设计方法，主要针对机械结构参数进行优化。首先，通过整合模拟和实验数据，建立Kriging模型，利用Bayesian假设检验方法和程序对代理模型进行定量化评估，实现Bayesian推断与Kriging模型的无缝集成，构建Bayesian kriging模型；然后，利用该Bayesian kriging模型加快数值计算的效率；最后，利用曲线拟合获得结构参数与影响性能的物理量的关系函数，结合该函数利用多目标粒子群算法获得机构参数的最优解集。本发明实现了量化分析多种不确定性因素对结构工艺的综合影响，在机构设计中实现智能优化，取代目前使用较多的模拟‑改进方案‑验证的传统方法，为形成一体化、系统化的理论和实际工程应用，提供了一种全新可行的途径。

技术领域

本发明属于机构优化设计领域，涉及一种基于Bayesian kriging模型的机构优化设计方法。

背景技术

Kriging模型是一种代理模型，是一种在分析和优化设计过程中替代那些比较复杂和费时的数值分析的近似数学模型，不仅可以大大提高优化设计效率，而且可降低优化难度，并有利于滤除数值噪声和实现并行优化设计。近年来Kriging模型在模拟验证、可靠性评估和优化设计等方面得到广泛应用。韩忠华对Kriging模型及代理优化算法进行了综述(详见文献：韩忠华.Kriging模型及代理优化算法研究进展.航空学报,2016,37(11):3197-3225.)，提出了在大规模设计变量、样本数据、全局与局部收敛、加点准则和子优化方法等方面的下一步研究方向。在材料成形及其装备设计领域，基于Kriging模型的优化设计有一些新成果(详见文献：Ambrogio G,Ciancio C,Filice L,Gagliardi F.Innovativemetamodelling-based process design for manufacturing:an application toIncremental Sheet Forming.International Journal of Material Forming,2017,10(3):279-286.和文献Cheng J,Liu Z Y,Tang M Y,Tan J R.Robust optimization ofuncertain structures based on normalized violation degree of intervalconstraint.ComputersStructures,2017,182:41-54.)。在优化设计中，通常采用数值模拟评判代理模型预测结果，其准确性有待提高，研究表明采用Bayesian方法进行模型定量验证有较大探索空间，例如，Jiang等研究了计算Bayes因子的表达式(详见文献Jiang X M,Mahadevan S.Bayesian structural equation modeling for hierarchicaluncertainty quantification.International Journal for Numerical Methods inEngineering,2009,80(6):717-737.)，促进模型验证的总体可靠性评估。Yeratapally等使用Bayesian推理框架计算了疲劳寿命预测模型影响参数的后验分布来验证模型(详见文献Yeratapally S R,Glavicic M G,Argyrakis C,Sangid M D.Bayesian uncertaintyquantification and propagation for validation of a microstructure sensitivemodel forprediction of fatigue crack initiation.Reliability EngineeringSystem Safety,2017,164:110-123.)。而在优化方法中，粒子群算法已被广泛运用，张志刚等人提出了求解多目标优化问题的基于粒子群优化算法的双向搜索法，能快速有效地获得多目标优化问题的非劣最优解集(详见文献：赵志刚.求多目标优化问题的粒子群优化算法[J].journal6,2006,45(29):37-40.)。