基于SiPESC平臺的Kriging代理模型開發(fā)和應(yīng)用.pdf_第1頁
已閱讀1頁,還剩71頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認(rèn)領(lǐng)

文檔簡介

1、工程結(jié)構(gòu)優(yōu)化問題常受限于優(yōu)化模型非線性程度高、數(shù)值仿真過程占用大量系統(tǒng)資源,優(yōu)化求解耗時多等因素影響,有限資源和時間內(nèi)難以得到有效的優(yōu)化結(jié)果。“試驗設(shè)計+代理模型”技術(shù)能有效減少計算成本輔助完成優(yōu)化設(shè)計。其中,最優(yōu)拉丁方試驗設(shè)計能有效適應(yīng)不同設(shè)計變量和樣本數(shù)量的搭配,Kriging是代理模型中最有效的方法之一。具有最優(yōu)拉丁方和Kriging相關(guān)功能的軟件功能模塊是輔助優(yōu)化設(shè)計的必要工具。本文基于SiPESC平臺通用試驗設(shè)計和代理模型框架

2、,使用C++面向?qū)ο笳Z言和“抽象工廠”設(shè)計模式完成了最優(yōu)拉丁方試驗設(shè)計和Kriging代理模型的軟件開發(fā),并應(yīng)用于工程結(jié)構(gòu)優(yōu)化問題。
  針對最優(yōu)拉丁方試驗設(shè)計,本文選用被廣泛采用的判優(yōu)準(zhǔn)則,實現(xiàn)了極小極大距離準(zhǔn)則、列正交準(zhǔn)則和多目標(biāo)加權(quán)準(zhǔn)則。在試驗設(shè)計矩陣的優(yōu)化過程中實現(xiàn)并應(yīng)用了基于元素交換的進化算法。通過JavaScript和Python腳本測試,本文驗證了所用算法的尋優(yōu)能力和所得試驗矩陣的準(zhǔn)確性,并對比驗證了各判優(yōu)準(zhǔn)則的特點

3、。
  針對 Kriging代理模型,本文采用常數(shù)形式回歸項構(gòu)建代理模型,調(diào)用 SiPESC平臺遺傳算法優(yōu)化Kriging相關(guān)系數(shù),應(yīng)用MathML語言構(gòu)建Kriging響應(yīng)函數(shù)顯示表達式,以便不同程序語言解析方便應(yīng)用到 JavaScript、Python和 Matlab等環(huán)境中。對比DACE工具箱驗證了本文所實現(xiàn)算法功能的準(zhǔn)確性。應(yīng)用二維經(jīng)典算例對比了兩種加點算法的特點。通過三維算例探討了樣本點的選取對代理模型精度的影響。

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論