[发明专利]基于高斯过程回归和遗传算法的机械零件可靠性设计方法

说明书

本发明公开了一种基于高斯过程回归和遗传算法的机械零件可靠性设计方法。该方法包括确定机械零件的不确定性输入和失效模式；根据机械零件的不确定性输入进行试验设计，运用高斯过程回归方法建立机械零件的失效物理模型；进一步建立机械零件的可靠性优化设计模型，采用遗传算法进行可靠性优化设计求解。本发明通过高斯过程回归建立机械零件的失效物理模型，再运用遗传算法分别进行标准正态空间设计点和原始变量空间随机变量均值寻优更新。本发明将高斯过程回和遗传算法应用到机械零件的可靠性优化设计中，能够克服现有代理模型处理多维设计变量的大样本需求，且遗传算法实现了并行优化设计，提高了优化效率。

技术领域

本发明属于机械零件可靠性领域，特别涉及一种基于高斯过程回归和遗传算法的机械零件可靠性设计方法。

背景技术

先进的设计理论与方法是产品实现自主创新的基础，可靠性则是保证产品功能稳定的重要质量指标。基于失效物理的可靠性优化设计充分考虑结构参数、材料性能、使用环境、使用时间、载荷效应等因素的影响，是产品设计过程中的关键步骤，为提高产品质量提供重要保障。

数据不足、知识缺乏情况下如何建立高置信度失效物理代理模型技术是可靠性设计技术的核心及难点问题。各种机器学习方法如Kriging模型，支持向量机，BP神经网络等方法被引入机械零件的失效物理建模技术中。基于高斯过程回归的失效物理建模具有以下特点：(1)高斯过程模型属于无参数模型，相对于Kring模型和BP神经网络减少了算法计算量；(2)高斯模型可以解决高维空间(实际上是无限维)的数学问题，可以面对负杂机械系统建模问题；(3)结合贝叶斯概率算法，可以实现通过先验概率，推导未知后验输入变量的后验概率。随着计算机仿真技术的广泛应用，基于数值模拟的代理模型技术(SurrogateModel)作为能有效处理结构可靠度分析中隐式极限状态函数问题的方法得到了重视与发展，成为解决复杂工程可靠性设计问题的最有效途径之一。

基于代理模型的可靠性优化设计方法需要解决3个问题：(1)代理模型参数优化；(2)设计验算点(Most Probable Failure Point)识别；(3)设计变量的数值迭代更新。遗传算法(GeneticAlgorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法。其主要特点是直接对结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行性和更好的全局寻优能力；采用概率化的寻优方法，能自动获取和指导优化的搜索空间，自适应地调整搜索方向。

发明内容

本发明的发明目的是：为了解决现有技术中存在的以上问题，本发明提出了一种旨在降低计算量、提高优化效率的基于高斯过程回归和遗传算法的机械零件可靠性设计方法。

本发明的技术方案是：一种基于高斯过程回归和遗传算法的机械零件可靠性设计方法，包括以下步骤：

S1、确定机械零件的不确定性输入和主要失效模式；

S2、根据步骤S1中确定的机械零件的不确定性输入进行试验设计，分析机械零件的失效机理；

S3、选择最佳协方差核函数，基于高斯过程回归方法建立机械零件的失效物理模型；

S4、确定设计变量、目标函数和可靠性约束，建立机械零件的可靠性优化设计模型；

S5、基于遗传算法对步骤S4建立的机械零件的可靠性优化设计模型进行可靠性优化设计求解，得到机械零件可靠性优化结果。

进一步地，所述步骤S2根据步骤S1中确定的机械零件的不确定性输入进行试验设计，分析其失效机理。具体为：基于拉丁方抽样方法选择设计样本点，对各设计样本点进行有限元仿真分析和试验验证，提取各设计样本点的目标函数值和各失效物理极限状态值。

进一步地，所述步骤S3选择最佳协方差核函数，基于高斯过程回归方法建立机械零件的失效物理模型，具体包括以下分步骤：