一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法技术

本发明专利技术公开了一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，包括首先确定设计变量，并基于拉丁超立方设计方法对各个设计变量进行采样，计算对应各样本点的仿真响应值；然后利用熵权TOPSIS方法对各个设计变量进行筛选，从而筛选出对目标响应较大的设计变量，有效的了解各设计变量对于目标的影响程度，降低了后续样本点构造数量，提高了效率；接着在进行采样和计算仿真响应值，构建Kriging代理模型；最后，对Kriging代理模型进行检查，对合格的Kriging代理模型应用MOGA算法进行风电叶片模具支撑结构轻量化优化设计；其中，通过Kriging代理替代风电叶片模具支撑结构高保真的有限元仿真计算，避免了基于有限元仿真计算高昂的计算成本，以及难以承受的计算时间。以及难以承受的计算时间。以及难以承受的计算时间。

【技术实现步骤摘要】
一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法


[0001]本专利技术涉及风电
，具体为一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法。

技术介绍

[0002]一直以来，风电叶片模具支撑结构设计一直沿用经验类比的许用应力设计法。这种设计方法计算繁琐，劳动强度大，只限在少数几个候选方案中进行分析比较，一般很难得到近乎最优的设计方案。
[0003]现有技术中，常用的设计方法只注重产品的安全系数，而对产品的成本、设计效率不够重视；设计的计算繁琐，计算成本昂贵，计算速度难以承受，以及难以快速获取符合实际、满足性能需求，因此，急需一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法来解决上述问题。

技术实现思路

[0004]本专利技术提供一种能够快速、有效地获取风电叶片模具支撑结构的基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，来解决上述现有技术中存在的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，包括如下步骤：
[0006]S1、确定设计变量，并基于拉丁超立方设计方法对各个设计变量进行采样，计算对应各样本点的仿真响应值；
[0007]S2、利用熵权TOPSIS方法对各个设计变量进行筛选，获得优化设计变量；
[0008]S3、对优化设计变量重新利用拉丁超立方对进行采样，计算对应各样本点的仿真响应值，构建Kriging代理模型；r/>[0009]S4、采用拟合优度法检查每个Kriging代理模型的拟合精度是否合格，在不合格时，增加样本点并重新构建Kriging代理模型；
[0010]S5、基于合格的Kriging代理模型，应用MOGA算法进行风电叶片模具支撑结构轻量化优化设计。
[0011]优选的，在步骤S1中，设计变量包括截面斜撑、斜撑、底部横撑、截面立柱、立柱和顶部横撑的截面尺寸。
[0012]优选的，在步骤S1中，通过拉丁超立方设计方法在各个变量的取值范围内抽取随机样本点，利用有限元法计算对应各样本点的仿真响应值，其中，仿真响应值包括最大组合应力σ、质量m和整体变形f。
[0013]优选的，在步骤S2中，熵权TOPSIS方法对各个设计变量进行筛选，具体为：
[0014](1)、计算设计变量的贡献度：其中，X为输入
设计变量的值，Y为输出性能响应的值，为设计变量的均值，为性能响应的均值，S
XY
为样本总变异，S
X
为设计变量的标准差，S
Y
为性能响应的标准差，R为相关函数，介于
‑
1到1之间，R值越接近0表示设计变量与性能影响越不相关；
[0015]并将贡献度的绝对值作为TOPSIS的决策矩阵并进行正则化处理：
[0016](2)、依次计算信息熵、权重系数和理想解与负理想解，并利用欧氏距离计算结构参数与理想解和负理想解之间的距离：
[0017][0018][0019](3)、根据参数与理想解之间的距离以及参数与负理想解之间的距离计算综合贡献度：并基于综合贡献度值对各个设计变量进行筛选。
[0020]优选的，在步骤S4中，对每个Kriging代理模型进行检查具体为：
[0021](1)、采用拟合优度指标分别计算每个代理模型的拟合优度指标：其中，y
i
为测试样本点i的有限元仿真响应值，为测试样本点i的Kriging估计值，为测试样本点的有限元仿真计算响应平均值，R2为拟合优度指标，越接近1表明拟合精度越；
[0022](2)、判断拟合优度R2是否大于给定的拟合优度指标值，若大于则判定为合格，否则判定为不合格；
[0023](3)、当不合格时，在各个变量的取值范围内重新产生t
×
m个训练样本点及其对应各样本点的有限元仿真响应值，并重新构建输入参数为[w1,w2,w3,w4,w5,w6,T1,T2,T3,T4,T5,T6]，输出参数为分别为仿真响应值[σ,m,f]的Kriging代理模型，再次返回步骤(1)。
[0024]优选的，Kriging代理模型中由样本点响应量的线型组合来预测待测点的响应其中，Y为样本点处的响应向量，Y＝{y1(x),y2(x),...,y
n
(x)}；ω(x)
T
为响应值的加权系数，ω(x)
T
＝{ω1,ω2,...,ω
n
}。
[0025]优选的，在步骤S5中，设计变量为：
[0026]x＝[w1,w2,w3,w4,w5,w6,T1,T2,T3,T4,T5,T6]T
；
[0027]x
lower
≤x≤x
upper
；
[0028]其中，x为设计变量向量；x
lower
和x
upper
为设计变量的下限和上限。
[0029]与现有技术相比，本专利技术的有益效果：本专利技术中在构建代理模型之前通过熵权TOPSIS方法对各个设计变量进行筛选，从而筛选出对目标响应较大的设计变量，有效的了解各设计变量对于目标的影响程度，降低了后续样本点构造数量，提高了效率；另外，本专利技术中通过Kriging代理替代风电叶片模具支撑结构高保真的有限元仿真计算，避免了基于
有限元仿真计算高昂的计算成本，以及难以承受的计算时间。
附图说明
[0030]附图用来提供对本专利技术的进一步理解，并且构成说明书的一部分，与本专利技术的实施例一起用于解释本专利技术，并不构成对本专利技术的限制。
[0031]在附图中：
[0032]图1是本专利技术基于Kriging代理模型的风电叶片模具支撑结构轻量化设计方法流程图；
[0033]图2是本专利技术风电叶片模具支撑结构图；
[0034]图3是本专利技术MOGA寻优收敛过程图；
[0035]图4是本专利技术风电叶片模具支撑结构变形分析结果图；
[0036]图5是本专利技术风电叶片模具支撑结构最大组合应力分析结果图。
具体实施方式
[0037]以下结合附图对本专利技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本专利技术，并不用于限定本专利技术。
[0038]实施例：如图1所示，一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，包括如下步骤：
[0039]S1、确定设计变量，包括截面斜撑、斜撑、底部横撑、截面立柱、立柱和顶部横撑的截面尺寸，并基于拉丁超立方设计方法对各个设计变量进行采样，计算对应各样本点的仿真响应值，其中，通过拉丁超立方设计方法在各个变量的取值范围内抽取随机样本点，利用有限元法计算对应各样本点的仿真响应值，其中，仿真响应值包括最大组合应力σ、质量m和整体变形f；
[0040]S2、利用熵权TOPSIS方法对各个设计变量进行筛选，获得优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，其特征在于，包括如下步骤：S1、确定设计变量，并基于拉丁超立方设计方法对各个设计变量进行采样，计算对应各样本点的仿真响应值；S2、利用熵权TOPSIS方法对各个设计变量进行筛选，获得优化设计变量；S3、对优化设计变量重新利用拉丁超立方对进行采样，计算对应各样本点的仿真响应值，构建Kriging代理模型；S4、采用拟合优度法检查每个Kriging代理模型的拟合精度是否合格，在不合格时，增加样本点并重新构建Kriging代理模型；S5、基于合格的Kriging代理模型，应用MOGA算法进行风电叶片模具支撑结构轻量化优化设计。2.根据权利要求1所述的一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，其特征在于：在步骤S1中，设计变量包括截面斜撑、斜撑、底部横撑、截面立柱、立柱和顶部横撑的截面尺寸。3.根据权利要求1所述的一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，其特征在于：在步骤S1中，通过拉丁超立方设计方法在各个变量的取值范围内抽取随机样本点，利用有限元法计算对应各样本点的仿真响应值，其中，仿真响应值包括最大组合应力σ、质量m和整体变形f。4.根据权利要求1所述的一种基于Kriging模型的风电叶片模具支撑结构轻量化优化方法，其特征在于：在步骤S2中，熵权TOPSIS方法对各个设计变量进行筛选，具体为：(1)、计算设计变量的贡献度：其中，X为输入设计变量的值，Y为输出性能响应的值，为设计变量的均值，为性能响应的均值，S
XY
为样本总变异，S
X
为设计变量的标准差，S
Y
为性能响应的标准差，R为相关函数，介于
‑
1到1之间，R值越接近0表示设计变量与性能影响越不相关；并将贡献度的绝对值作为TOPSIS的决策矩阵并进行正则化处理：(2)、依次计算信息熵、权重系数和理想解与负理想解，并利用欧氏距离计算结构参数与理想解和负理想解之间的距离：与理想解和负理想解之间的距离：(3)、根据参数与理想解之间的...

【专利技术属性】
技术研发人员：宦海祥，叶香晨，刘伟，张可，徐文强，朱池磊，朱钱勇，邢志强，
申请(专利权)人：盐城工学院，
类型：发明
国别省市：