基于区域划分自适应采样的复杂装备可靠性优化设计方法技术

本发明专利技术公开了基于区域划分自适应采样的复杂装备可靠性优化设计方法，该方法高效地构建了装备优化目标和约束的代理模型，并基于顺序优化和可靠性评估方法进行装备可靠性分析和优化设计。本发明专利技术创新性地提出了一种考虑外界不确定性的复杂装备可靠性优化设计方法，所提方法集成了区域划分技术、重要性采样技术，对目标函数和约束函数的重要性区域进行识别，挖掘样本点贡献度信息，加速代理模型精度收敛速率。同时结合局部建模策略及活跃约束判断准则，快速在最优解附近构建局部精确代理模型，进一步应用顺序优化与可靠性评估方法实现可靠性优化设计。该方法可用于搜寻复杂装备在外界不确定性载荷作用下的最优设计。界不确定性载荷作用下的最优设计。界不确定性载荷作用下的最优设计。

【技术实现步骤摘要】
基于区域划分自适应采样的复杂装备可靠性优化设计方法


[0001]本专利技术属于复杂装备可靠性优化设计领域，具体涉及基于区域划分自适应采样的复杂装备可靠性优化设计方法。

技术介绍

[0002]传统的DDO(Deterministic Design Optimization，确定性设计优化)往往将复杂装备最优解推向设计约束边界，这通常是一种理想化的优化方法，虽然实现了目标函数最小化的设计要求，但设计解对各种不确定性因素敏感，产品仍然有很大失效风险。为了保证产品优化设计后的可靠性，必须对这些广泛存在的不确定性进行考虑，RBDO(Reliability
‑
Based Design Optimization，基于可靠性的设计优化)是一种行之有效的方法，它常常将涉及不确定性因素的约束设置为概率约束，这是RBDO与DDO最大的差别所在。如何准确、高效地求解概率约束的失效概率是RBDO问题的关键之一。
[0003]最早引入了“安全系数法”的概念，是在产品设计的过程中根据工程经验多添加一个安全系数，通过牺牲产品一定程度的性能来提高产品的可靠度。但安全系数的添加没有系统的理论依据，且与不确定性没有直接的联系，很容易会导致最终的设计结果过于保守(过度牺牲产品性能)。因此，随着现代产品丰富复杂化，保守的安全系数法难以满足设计需求。RBDO的发展对科学地提高产品的安全性、耐久性等服役性能，促使产品适应日益增长的实际需求,减少产品运营和维护成本具有重要意义。不少提出的RBDO方法在各种工程领域特别是复杂装备设计领域得到了广泛应用。即便如此，但在未来RBDO还将面临越来越多的失效模式、越来越耗时的数值分析过程、越来越复杂的不确定性信息和越来越严苛的可靠性设计要求。挑战主要集中在设计过程中有效地集成灵敏度信息，多目标优化问题的考虑，混合离散
‑
连续设计变量的处理，向高维设计空间的扩展，以及与函数调用数量或足够精确的代理构造相关的计算工作量的减少。

技术实现思路

[0004]为解决现有技术的不足，实现考虑外界载荷不确定性的情况下，搜寻复杂装备最优设计的目的，本专利技术采用如下的技术方案：
[0005]基于区域划分自适应采样的复杂装备可靠性优化设计方法，在考虑外界载荷不确定性的情况下，结合两类区域划分策略，结合主动学习函数对区域内的所有样本点进行筛选，不断叠加样本点分别针对目标函数与约束边界构建高精度代理模型，运用顺序优化与可靠性评估优化设计方法搜寻复杂装备最优设计，具体包括如下步骤：
[0006]步骤S1：生成初始设计点，获取复杂装备的参数信息作为输入变量，根据输入变量分布生成初始设计点，分别针对约束函数和目标函数构建初始克里金模型；
[0007]步骤S2：基于构建的克里金模型，采用顺序优化与可靠性评估法SORA进行一次最佳设计搜寻，以使初始设计点移动至最优设计点附近，将该设计点记为并设置迭代次数iter＝0；
[0008]步骤S3：基于SORA计算结果，针对每个约束得到的最可能目标点，进行约束函数活跃性判断，后续采样与代理模型更新仅针对活跃约束进行；
[0009]步骤S4：分别以各个约束的最可能目标点MPTP为中心，划定局部采样窗口；
[0010]步骤S5：搜索活跃约束局部窗口内存在的现有设计点数量N
window
，采用基于区域划分自适应采样方法，在局部窗口内进行泰森多边形区域划分并选出敏感区域后，使用WEFF学习函数进行约束函数新设计点x
new
的选取；
[0011]步骤S6：更新约束函数的克里金模型，并按照收敛指标判断是否满足精度要求，若满足收敛条件则执行步骤S7，若不满足则执行步骤S5；
[0012]步骤S7：执行一次SORA，更新设计点，并记为
[0013]步骤S8：目标函数的局部窗口位于当前设计点处，局部窗口半径采用目标函数有效域区域划分方法在局部窗口内进行区域划分，划分好采样区域后，再使用EI准则进行目标函数新设计点选取；
[0014]步骤S9：更新目标函数的克里金模型，并判断是否满足收敛指标；若满足则执行步骤S10，若不满足则执行步骤S8；
[0015]步骤S10：使用更新后的约束函数和目标函数的Kriging代理模型执行SORA寻找最优设计点，该最优设计点记为然后使iter＝iter+1；
[0016]步骤S11：判断最优设计点是否收敛，若满足则输出最优设计点，若不满足则执行步骤S3。
[0017]所述步骤S3中，约束函数活跃性判断公式如下：
[0018][0019]其中，i＝1,2,
…
,N表示最可能目标点，N表示约束函数数量，表示构建的瞬时响应克里金模型，表示方差的平方，U
i
(
·
)表示U学习函数值，以此作为活跃性判断依据；
[0020]所述步骤S4中，根据最可能目标点附近约束函数代理模型的梯度方差，计算半径自适应因子nc，公式如下：
[0021][0022]其中，N表示约束函数数量，var(
·
)表示方差运算，表示克里金模型的响应预测梯度值，X＝{x1,
…
,x
M
}表示β超球空间内的M个测试点；
[0023]局部窗口半径公式如下：
[0024]R＝(1.2+0.3nc)β
t
[0025]其中，β
t
表示目标可靠性指标。
[0026]所述步骤S5中，区域划分时采用泰森多边形划分策略，以使每个多边形空间内仅包含一个设计点，且多边形内的任意位置离该多边形的设计点距离最近。
[0027]所述步骤S5中，利用留一交叉验证法选择敏感区域，计算每个区域的失效概率的偏差，偏差超过整体平均值的区域被选为敏感区域，公式如下：
[0028][0029]其中，表示失效概率的偏差，LOO(Leave
‑
one
‑
out)表示全局留一，表示采用训练集P所得到的预测失效概率，表示采用剔除设计点P
i
的训练集P所得到的预测失效概率，f即失效failure的意思。
[0030]所述步骤S5中，约束函数新设计点的选取，采用权重预期可行性函数WEFF，公式如下：
[0031][0032]其中，Φ表示标准正态累积分布函数，φ表示标准正态分布密度函数，表示构建的瞬时响应克里金模型，ε表示许可偏差，和分别表示预测均值和预测方差，σ
G
(x)表示复杂装备的模型在设计点x处的方差，max(e
LOO
)表示误差的最大值，weight
i
表示第i个泰森多边形空间对应的权重，WEFF(x)表示设计点x对应的权重学习函数的值。
[0033]所述步骤S6中，收敛判断的公式如下：
[0034][0035]其中，表示第j个活跃约束的预测误差，Range(G
j
(X))本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于区域划分自适应采样的复杂装备可靠性优化设计方法，其特征在于包括如下步骤：步骤S1：生成初始设计点，获取复杂装备的参数信息作为输入变量，根据输入变量分布生成初始设计点，分别针对约束函数和目标函数构建初始克里金模型；步骤S2：基于构建的克里金模型，采用顺序优化与可靠性评估法SORA进行最佳设计搜寻，以使初始设计点移动至最优设计点附近；步骤S3：基于SORA计算结果，针对每个约束得到的最可能目标点，进行约束函数活跃性判断，后续采样与代理模型更新仅针对活跃约束进行；步骤S4：分别以各个约束的最可能目标点MPTP为中心，划定局部采样窗口；步骤S5：搜索活跃约束局部窗口内存在的现有设计点数量，在局部窗口内进行区域划分并选出敏感区域后，进行约束函数新设计点的选取；步骤S6：更新约束函数的克里金模型，并按照收敛指标判断是否满足精度要求，若满足收敛条件则执行步骤S7，若不满足则执行步骤S5；步骤S7：执行SORA，更新设计点；步骤S8：目标函数的局部窗口位于当前设计点处，在局部窗口内进行区域划分，再进行目标函数新设计点选取；步骤S9：更新目标函数的克里金模型，并判断是否满足收敛指标；若满足则执行步骤S10，若不满足则执行步骤S8；步骤S10：使用更新后的约束函数和目标函数的代理模型执行SORA寻找最优设计点；步骤S11：判断最优设计点是否收敛，若满足则输出最优设计点，若不满足则执行步骤S3。2.根据权利要求1所述的基于区域划分自适应采样的复杂装备可靠性优化设计方法，其特征在于：所述步骤S3中，约束函数活跃性判断公式如下：其中，表示最可能目标点，N表示约束函数数量，表示构建的瞬时响应克里金模型，表示方差的平方，U
i
(
·
)表示U学习函数值，以此作为活跃性判断依据。3.根据权利要求1所述的基于区域划分自适应采样的复杂装备可靠性优化设计方法，其特征在于：所述步骤S4中，根据最可能目标点附近约束函数代理模型的梯度方差，计算半径自适应因子nc，公式如下：其中，N表示约束函数数量，var(
·
)表示方差运算，
表示克里金模型的响应预测梯度值，X＝{x1,
…
,x
M
}表示β超球空间内的M个测试点；局部窗口半径公式如下：R＝(1.2+0.3nc)β
t
其中，β
t
表示目标可靠性指标。4.根据权利要求1所述的基于区域划分自适应采样的复杂装备可靠性优化设计方法，其特征在于：所述步骤S5中，区域划分时采用泰森多边形划分策略，以使每个多边形空间内仅包含一个设计点，且多边形内的任意位置离该多边形的设计点距离最近。5.根据权利要求1所述的基于区域划分自适应采样的复杂装备可靠性优化设计方法，其特征在于：所述步骤S5中，利用留一交叉验证法选择敏感区域，计算每个区域的失效概率的偏差，偏差超过整体平均值的区域被选为敏感区域，公式如下：其中，表示失效概率的偏差，表示采用训练集P所得到的预测失效概率，表示采用剔除设计点P
i...

【专利技术属性】
技术研发人员：胡伟飞，鄢继铨，程思创，武建伟，吴军辉，朱伟，陈挺，
申请(专利权)人：浙江大学台州研究院，
类型：发明
国别省市：