一种基于Kriging模型的分布鲁棒优化方法

    公开(公告)号:CN116383971A

    公开(公告)日:2023-07-04

    申请号:CN202310630781.1

    申请日:2023-05-31

    Abstract: 本发明公开了一种基于Kriging模型的分布鲁棒优化方法,将航空涡轮发动机的支承刚度、阻尼作为优化变量与不确定性参数,构建双层Kriging模型,与分布鲁棒优化方法结合对结构进行优化。本发明采用了克里金代理模型,将优化模型分为内外层优化;采用样本平均近似法将不确定性问题转换成确定性问题;利用概率分布相似性的KL散度构建模糊集,在构造的模糊集中找到一个使目标函数期望最大化的概率分布。最后在子集模拟优化算法下,对航空发动机结构进行了分布鲁棒优化,结果表明,本发明方法在不确定性因素的影响下具有更符合实际的结果。

    一种基于Ansys二次开发的发动机不对中建模方法

    公开(公告)号:CN116151081A

    公开(公告)日:2023-05-23

    申请号:CN202310414121.X

    申请日:2023-04-18

    Abstract: 本发明公开了一种基于Ansys二次开发的发动机不对中建模方法,根据航空发动机的几何结构特征,进行适当的简化,建立了转子和机匣的参数化有限元模型;双转子或者驱动机构与转子的连接由联轴器实现,机匣装配误差和制造误差导致转子有不对中激振力,激振力主要发生在联轴器位置,针对不对中激振力进行数学模型推导,得到激振力中的激振频率形式。最后将有限元模型与数学模型结合,基于Ansys的APDL语言构建不对中‑转子‑滚动轴承‑机匣耦合动力模型。考虑不对中的来源具有不确定性,利用QT‑Ansys实现不对中‑转子‑滚动轴承‑机匣自动化批量化建模以及有限元分析。对于航空发动机整机效率、优化以及设计具有重要参考意义。

    一种基于Copula的航空发动机轮盘全局灵敏度分析方法

    公开(公告)号:CN117973128A

    公开(公告)日:2024-05-03

    申请号:CN202410126072.4

    申请日:2024-01-30

    Abstract: 本发明公开了一种基于Copula的航空发动机轮盘全局灵敏度分析方法。首先对航空发动机轮盘结构进行有限元仿真,得到Mises应力分布情况对轮盘进行危险区域划分、确定轮盘结构的失效模式、确定不确定性输入参数。接着根据输入参数维数产生一组相互独立的服从标准均匀分布的样本;利用Vine‑Copula函数产生该组样本的条件样本,并对其按照输入参数分布进行逆变换,将变换后的样本作为新的输入变量。最后将输入样本划分若干个等概率空间并计算样本响应值的均值、方差以及划分子空间内的条件概率的期望与方差,从而求得轮盘结构各危险区域中输入参数的重要性并进行排序。本发明弥补了传统方法无法考虑各输入变量相关性的问题,弥补了轮盘全局灵敏度分析领域的空白。

    一种基于差分进化的全局采样方法

    公开(公告)号:CN116702337B

    公开(公告)日:2023-11-07

    申请号:CN202310985155.4

    申请日:2023-08-07

    Abstract: 本发明公开了一种基于差分进化的全局采样方法,以航空涡轮发动机为研究对象,针对结构的转子静子间隙变化量进行研究,实现其不确定性量化并作为全局采样方法的主要目标。本发明将差分进化算法与Metropolis‑Hastings算法进行结合,同时改进传统算法采样单一马尔科夫链过程,采用多条马尔科夫链进行后验分布的计算。本发明不仅将差分进化算法中的采样方法应用在采样过程中,而且对差分进化算法的缩放因子与随机游走过程进行了改进,不受限制于高斯分布的假设。相比于传统随机游走Metropolis‑Hastings方法,本发明较好的近似了多峰后验分布,实现了对Metropolis‑Hastings方法的改进,增加采样精度与效率。

    一种基于区间不确定性的热防护多目标稳健优化方法

    公开(公告)号:CN116522511B

    公开(公告)日:2023-10-24

    申请号:CN202310811094.X

    申请日:2023-07-04

    Abstract: 本发明公开了一种基于区间不确定性的热防护多目标稳健优化方法,利用有效目标值和稳健性定义转换多目标优化问题,确定热防护多目标优化数学模型;在初始优化阶段,利用子集模拟优化进行确定性优化,将表现最好的样本作为初始种子样本并放入样本库;在稳健优化阶段,先设置样本进入模拟级别所需邻域样本数目的阈值,随后将初始种子样本与样本库进行比较,为任何未能达到阈值的种子样本生成邻域样本;计算所有种子样本的有效目标值,随机选择其中一个种子样本作为阈值样本,利用多目标子集模拟优化方法生成候选样本;将候选样本与阈值样本进行比较,判断是否接受该样本;循环以上过程直至达到最大模拟级别或者超过预算,获得最优解集。

    一种基于区间不确定性的热防护多目标稳健优化方法

    公开(公告)号:CN116522511A

    公开(公告)日:2023-08-01

    申请号:CN202310811094.X

    申请日:2023-07-04

    Abstract: 本发明公开了一种基于区间不确定性的热防护多目标稳健优化方法,利用有效目标值和稳健性定义转换多目标优化问题,确定热防护多目标优化数学模型;在初始优化阶段,利用子集模拟优化进行确定性优化,将表现最好的样本作为初始种子样本并放入样本库;在稳健优化阶段,先设置样本进入模拟级别所需邻域样本数目的阈值,随后将初始种子样本与样本库进行比较,为任何未能达到阈值的种子样本生成邻域样本;计算所有种子样本的有效目标值,随机选择其中一个种子样本作为阈值样本,利用多目标子集模拟优化方法生成候选样本;将候选样本与阈值样本进行比较,判断是否接受该样本;循环以上过程直至达到最大模拟级别或者超过预算,获得最优解集。

Patent Agency Ranking