复杂工程产品基于多可信度近似的设计优化研究

This project aims to solve the problem of the high computational complexity which widely exists in design optimization of modern complex engineering products. By introducing low fidelity analysis models, this project plans to research the method of how to create approximation model utilizing the data of high and low fidelity analysis models, and the design optimization method based on that approximation model. In order to the designers to gain a nested experiment design with arbitrary size quickly and conveniently, the project will take simple sample distributions as building blocks which will be transport and propagate to the entire design space. The fidelity levels of analysis models will be quantitatively analysed, and according to this, different low fidelity analysis models will be chosen in the different area of the design space. Then a mapping relationship between high fidelity and low fidelity analysis models will be established based on least square support vector regression technique and intelligent algorithm, thus a multifidelity approximation modeling method with high predictive accuracy and robustness will be achieved. In order to effectively update and optimize the multifidelity approximations, a sequential optimization strategy based on an infilling criterion will be proposed. The infilling criterion which balances the local exploitation and global exploration will be developed by dynamic changing the weight parameters of lower confidence bounding function.Finally, the method proposed in this project will be validated by design optimization for a key component in the geological machinery equipment.

本项目针对复杂工程产品设计优化中普遍存在的计算复杂度高难题，拟通过引入低可信度分析模型，研究如何利用高低可信度分析模型的数据来构建近似模型和利用该近似模型进行设计优化的方法：拟采用简单的样本分布作为构建单元，将其复制平移填充整个设计空间，以求能简单、快速的设计出任意大小的嵌套实验设计；拟对分析模型可信度水平进行定量分析，在不同设计区域内选择不同的低可信度分析模型，随后采用最小二乘支持向量回归技术和智能算法，对高低可信度分析模型进行映射，提出具有高预测精度和鲁棒性的多信度近似模型构建技术；动态变化下置信度边界函数的权重系数，结合随机采样，拟发展有效平衡局部开采和全局勘探的多点加点准则，在此基础上提出适应于多峰问题的序列优化策略，在保证优化结果精度条件下，实现多可信度近似模型的有效更新和优化求解；最后通过地质机械装备关键部件的设计优化进行验证。

本项目围绕原项目申请的研究内容开展研究，针对复杂工程产品设计优化中普遍存在的计算复杂度高难题，通过引入低可信度分析模型，研究了如何利用高低可信度分析模型的数据来构建近似模型和利用该近似模型进行设计优化的方法，主要包括：在面向变可信度近似模型的实验设计方面，提出了基于平移传播的嵌套拉丁超立方设计，主要包括：嵌套种子设计，平移传播复制方式和多余点祛除策略，数值算例和工程实例验证证实了其合理性和有效性；在变可信度近似模型构建方面，提出了自适应序贯变复杂度近似建模方法和基于差距映射的最小二乘支持向量回归模型，前者考虑了高低可信度模型的计算资源分配，进一步提高有限计算资源前提下的计算效率，后者经数值算例和工程算例验证是一种具有良好的全局预测精度和鲁棒性的全局变可信度近似模型；优化策略方面提出了基于参数化下置信度边界的序列优化策略，将其预测误差与预测最优值之间的权重系数参数化，并提出了周期性和在周期内单调递减的四种参数控制方程，数值算例和工程算例验证证实所提出的方法能减少新增样本点的个数，同时有效引导优化向着全局最优解进行，以较小的计算成本得到较为准确的最优解。并针对变可信度近似模型在多学科设计优化的应用等计划外部分内容进行了研究。

内容获取失败，请点击重试