基于主动学习代理模型的结构可靠性稳健优化设计方法技术

本发明专利技术公开了一种基于主动学习代理模型的结构可靠性稳健优化设计方法，包括以下步骤：S1、筛选关键设计参数；S2、获取候选样本点集S和初始训练集I；S3、拟合总质量和最大应力的代理模型；S4、计算I中样本点的可靠性灵敏度，得出BP神经网络训练和测试的样本点；S5、构建MPA

【技术实现步骤摘要】
基于主动学习代理模型的结构可靠性稳健优化设计方法


[0001]本专利技术属于机械结构可靠性稳健设计方法领域，特别涉及一种基于主动学习代理模型的结构可靠性稳健优化设计方法。

技术介绍

[0002]无论何种机械结构，其可靠性均会受到自身或外界因素影响，可能无法安全可靠地完成规定的功能任务。导致结构无法完成规定任务的因素统称为不确定性因素，可靠性稳健优化设计可以降低机械产品对不确定因素的敏感度。然而，随着现代机械结构的大型化、复杂化，其自身稳定性必然会发生变化，要消除这些变化带来的影响需要借助代理模型。BP神经网络是应用较为广泛的一种代理模型，但传统的BP神经网络精度不高，为此考虑自适应加点策略，通过主动学习函数更新样本点集并重新构建代理模型，达到逐步提升代理模型精度的目的。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的不足，提供一种通过自适应加点策略，构建主动学习函数更新样本点，以可靠性灵敏度和机械结构的总质量作为优化目标，构建可靠性稳健优化设计模型，最终得到更为精确的可靠性稳健优化方案。
>[0004]本专利本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于主动学习代理模型的结构可靠性稳健优化设计方法，其特征在于，包括以下步骤：S1、筛选出影响机械结构最大应力和总质量的关键设计参数；S2、通过抽样方法获取S1中关键设计参数的候选样本点集S和初始训练集I；S3、基于初始训练集I计算机械结构总质量和最大应力，并拟合出总质量和最大应力的代理模型；S4、基于S3中最大应力的代理模型，采用子集模拟重要度抽样法计算训练集I中每个样本点对应的可靠性灵敏度，得出BP神经网络训练和测试的样本点；S5、利用海洋捕食者算法获取BP神经网络的最优权值阈值，构建MPA
‑
BP神经网络；判断MPA
‑
BP是否满足预设要求，若是则保存训练好的MPA
‑
BP神经网络；若否，则利用主动学习函数从S中选取新的样本点，添加至初始训练集I中，返回步骤S4；S6、将训练好的MPA
‑
BP输出的可靠性灵敏度和机械结构的总质量作为优化目标，构建可靠性稳健优化设计模型，并求解得出可靠性稳健设计解。2.如权利要求1所述的基于主动学习代理模型的结构可靠性稳健优化设计方法，其特征在于，所述步骤S2中，分别使用蒙特卡罗法和随机移动四边形法获取候选样本点集S和初始训练集I。3.如权利要求1所述的基于主动学习代理模型的结构可靠性稳健优化设计方法，其特征在于，所述步骤S5中，主动学习函数为：式中，Z(x)为极限状态函数；为任意点x到候选样本点中各点距离的平均值；d
min,n
(x)为任意点x到候选样本点集中各点距离的最小值；n为训练集中样本点个数；选择G(x)最小的点作为新样本点加入训练集I中。4.如权利要求3所述的基于主动学习代理模型的结构可靠性稳健优化设计方法，其特征在于，的表达式为：式中，c...

【专利技术属性】
技术研发人员：智鹏鹏，汪忠来，滕云龙，张慧乐，
申请(专利权)人：电子科技大学长三角研究院湖州，
类型：发明
国别省市：