共查询到20条相似文献,搜索用时 169 毫秒
1.
《汽车工程》2015,(4)
为解决常规Kriging模型在设计空间拟合精度低的问题,提出了序列Kriging模型。通过预期改善函数,在优化解附近和设计空间的稀疏区域增加样本点,不断更新近似模型,从而提高近似模型在兴趣域的拟合精度和全局预测能力。通过两个数值算例分析了序列Kriging模型的全局搜索特性,从算例优化的统计结果可以看出,序列Kriging模型比常规Kriging模型的优化精度更高,稳健性更好。最后,序列Kriging模型被应用到车身轻量化设计中,采用粒子群算法所得到的优化结果表明,近似模型的精度有了很大的提高,并且在满足耐撞性约束的同时所选部件的质量降低了23.35%。 相似文献
2.
3.
《公路交通科技》2018,(11)
用近似模型来代替真实模型可以减少大量的计算时间,保证优化过程的可行性,但需要保证近似模型的精度满足要求。近似模型精度越高,优化的结果可靠性也就越高。基于微型客车正面40%重叠可变形壁障碰撞有限元模型,选取车身前部对碰撞性能影响较大的10个板料厚度作为变量,把B柱下端加速度、总质量、仪表板管梁处侵入量、前围板转向柱孔处侵入量及下前围板离合器踏板处侵入量作为响应值。利用拉丁超立方试验设计方法选取70个样本点,建立了设计变量与响应的近似模型,比较了响应面、径向基神经网络、Kriging、正交多项式4种近似模型响应的误差散点图、平均相对误差和决定系数。结果表明:响应面近似模型和径向基神经网络近似模型在B柱下端加速度峰值、前围板转向柱孔处及下前围板离合器踏板处侵入量的预测精度未在可接受范围内;正交多项式近似模型质量响应精度较高,但其余各响应的精度并不能满足要求,且3种近似模型预测精度受响应量与变量的线性关系的影响明显;而Kriging近似模型各响应的预测精度均满足要求,受线性关系影响较小,故选择Kriging近似模型代替原模型。最后用粒子群算法对Kriging近似模型进行优化,结果表明:Kriging近似模型预测结果与有限元结果拟合精度高,其优化结果达到预期目标。 相似文献
4.
为减少汽车车身轻量化可靠性优化设计的计算量并提高优化设计的精度,提出一种序列Kriging可靠性优化设计方法。以整车质量作为优化目标,选取整车耐撞性指标作为可靠性约束,建立可靠性优化设计模型。采用Latin超立方试验设计生成汽车正面碰撞有限元仿真模型的样本数据进行计算,根据有限元仿真结果构建目标和约束函数的Kriging近似模型;采用序列优化与可靠性评定方法 (SORA)将该嵌套优化问题解耦为单层次优化问题;优化每一迭代步,基于Kriging模型采用功能度量法评定概率约束。结果表明:所提方法满足工程设计所需的效率和精度要求,满足了整车安全性、轻量化和可靠性设计要求,整车质量减少约1.4%。 相似文献
5.
6.
7.
8.
针对传统方法无法高效地实现多目标优化的问题,将有限元法和代理模型技术相结合,以整车质量、B柱加速度峰值和前围板侵入量为优化目标构造了其代理模型,研究了样本数量对模型精度的影响,并采用NSGAII优化算法对板件厚度进行了优化。结果表明:增加样本点的数量未必能有效提高代理模型的精度,测试点评价方法的精度在很大程度上依赖测试点的数目和位置,不能准确评价代理模型的精度,而采用交叉验证法取得较好的效果;基于代理模型,对车身结构的板件厚度优化后,效果显著,整车质量减轻了4.1kg,B柱加速度峰值降低了8.44%,前围板侵入量降低了6.03%。 相似文献
9.
10.
《汽车工程》2015,(9)
针对工程多目标优化求解耗时且全局高精度代理模型难以构造的问题,提出基于序列径向基函数的优化方法。该方法在每个迭代步,运用信赖域更新技术将整个设计空间分割成一系列信赖域,以降低优化问题的复杂程度。在每个信赖域上建立各个响应的代理模型,并采用微型多目标遗传算法进行优化。为避免序列近似优化引起的效率降低问题,运用继承拉丁超立方试验设计继承上一代样本点,以减少新样本;同时继承当前的非支配解,对代理模型局部加密,以减少迭代次数。在Benchmark测试问题中,与传统的代理模型方法相比,在实际模型相同调用次数情况下,该方法能更好地逼近全局前沿面。最后将该方法应用于某轿车车身结构轻量化问题中,验证了解决实际工程多目标优化问题的能力。 相似文献
11.
为提高基坑变形预测精度及稳定性,首先,利用遗传算法优化BP神经网络的结构参数,再将参数优化后的BP神经网络与灰色模型结合,构建出GA-BP神经网络模型,并利用该模型实现基坑变形序列的初步预测; 其次,基于残差序列的混沌特性,再利用混沌理论进行残差优化,进一步构建考虑混沌特性优化的GA-BP神经网络模型; 最后,将SR检验引入到基坑变形趋势判断中,以检验预测结果的准确性。实例检验表明: 通过遗传算法及混沌理论的递进优化,能逐步提高预测精度,验证文章预测模型的有效性,且预测结果与SR检验结果的一致性较好,说明该预测模型的可信度高。 相似文献
12.
为实现以实测数据为目标的龙卷风高精度数值模拟,在总结已有研究成果的基础上,基于计算流体力学(CFD)方法建立了ISU型龙卷风数值模型,通过参数灵敏度分析确定拟优化模拟参数;提出了以实测数据为目标的龙卷风模拟参数优化方法,引入代理模型提高计算效率并通过数值模型计算设计样本点响应来训练代理模型,采用最大切向速度、最大切向速度处半径及标准化风剖面线形误差3个指标建立目标函数;通过一组数值算例验证了所提出优化方法的可靠性,采用所提出的优化方法分别以龙卷风物理模拟器试验数据和龙卷风现场实测数据为目标进行模拟参数优化,并基于此进行CFD数值模拟。研究结果表明:入口切向速度Ut、模拟器离地面高度Hg和地面移动速度VT三个参数对龙卷风场影响较大,因此选作为待优化模拟参数;引入代理模型进行参数优化,避免了数值模型直接参与优化迭代过程,提高了优化效率;以龙卷风物理模拟器试验数据为目标的数值模拟结果,与试验数据的标准化风剖面线形误差VMp仅为0.034 4;以龙卷风现场实测数据为目标的数值模拟结果,在h=250 m及h=450 m高度处与实测结果的风剖面综合误差VM分别为0.024 0、0.035 1,均小于训练样本集中模拟结果的误差,采用优化后的模拟参数进行龙卷风数值模拟很好地改善了模拟精度。 相似文献
13.
14.
为实现对隧道大变形发展趋势的判断,达到优化现场施工,避免出现施工安全问题的目的,采用LS-SVM和优化GM(1,1)模型对隧道变形进行预测,并以误差平方和为指标,将两者的预测结果进行组合,再进一步利用BP神经网络对前者的预测误差进行修正,以实现综合预测。通过实例检验,得到最小二乘法对支持向量机的优化效果要优于对灰色模型的优化效果,且误差修正模型能进一步有效地提高预测精度,使预测值与实测值更为接近;同时,通过本文的预测结果,得到后4个周期的变形仍具有持续变形的趋势,应采取有效措施,避免工程事故的发生。本文预测模型具有较好的预测精度及适用性,对隧道大变形研究具有一定的参考意义。 相似文献
15.
为了获取菜园坝长江大桥的基准有限元模型,结合Kriging代理模型和一种改进的粒子群优化算法,利用荷载试验数据对其初始有限元模型进行修正。首先,叙述模型修正和Kriging模型基本理论,在基本粒子群算法中引入交叉变异计算,提出一种改进的粒子群算法,并通过测试函数对改进的粒子群算法进行验证;其次,简要介绍菜园坝长江大桥荷载试验、荷载试验结果及初始有限元模型;最后,根据敏感性分析选定6个待修正参数,通过试验设计得到频率和位移关于修正的参数的样本,并建立有限元模型的Kriging代理模型以预测结构响应;以频率和位移的试验值和计算值残差为目标函数,分别利用基本粒子群算法和改进的粒子群算法在修正参数的设计空间内寻找目标函数的最小值,并对比分析模型修正的结果。结果表明:测试函数表明改进的粒子群算法具有较好的稳定性和成功率,并能获得更为精确的优化结果;建立的Kriging代理模型均方根误差较小,可以替代有限元模型预测结构频率和位移;经过模型修正,菜园坝长江大桥前5阶频率计算值与试验值相对误差均控制在5%之内;除个别测点外,位移相对误差均控制在10%以内;相比基本粒子群算法,改进的粒子群算法获得了更小的目标函数值,修正后的频率和位移的相对误差更小。 相似文献
16.
为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%. 相似文献
17.
18.
以整车100%正面碰撞有限元模型为基础研究了三种近似模型的预测精度,分析并选取前部结构中对汽车碰撞安全性影响较大的12个部件厚度为变量,利用最优拉丁超立方试验设计方法生成80个样本数据并进行计算,应用多学科优化中常用的二次多项式响应面(Quadratic Polynomial Response Surface,QPRS)、Kriging以及径向基函数(Radial Basis Function,RBF)三种近似方法分别对选取部件的总质量、吸收总能量、B柱最大加速度和踏板侵入量建立近似模型。结果表明:RBF近似方法对部件总质量、吸收总能量、B柱最大加速度预测精度高于其他两种方法,Kriging近似方法对踏板侵入量预测模型具有较好的精度,QPRS近似方法适合于部件总质量的近似建模。 相似文献
19.
20.
为实现隧道涌水量的高精度预测,以相关系数法和极限学习机为理论基础,构建隧道涌水量预测模型。首先,结合工程实例对隧道涌水的影响因素进行分析,并利用相关系数法分析各因素与涌水量之间的相关性,以筛选出重要影响因素;其次,将筛选出的重要因素作为预测模型的输入层,并利用试算法和经验公式优化极限学习机的模型参数,再利用M估计弱化预测误差,进而构建出用于隧道涌水预测的R-ELM模型。研究表明: 1)岩溶隧道涌水灾害的影响因素较多,包括5类一级因素和12类二级因素,不同因素对隧道涌水灾害的影响程度存在一定差异; 2)R-ELM模型预测结果的平均相对误差仅为1.12%,具有较高的预测精度,不仅验证了模型参数优化和M估计优化的有效性,也验证了R-ELM模型在隧道涌水量预测中的适用性。 相似文献