[發明專利]基于主動學習代理模型的結構可靠性穩健優化設計方法

在審

• 申請號: 202111373802.3
• 申請日: 2021-11-19
• 公開（公告）號: CN114077776A
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 智鵬鵬;汪忠來;滕云龍;張慧樂
• 申請（專利權）人: 電子科技大學長三角研究院(湖州)
• 主分類號: G06F30/17
• 分類號: G06F30/17;G06F30/27;G06N3/04;G06N3/08;G06F119/02
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

1.基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，包括以下步驟：

S1、篩選出影響機械結構最大應力和總質量的關鍵設計參數；

S2、通過抽樣方法獲取S1中關鍵設計參數的候選樣本點集S和初始訓練集I；

S3、基于初始訓練集I計算機械結構總質量和最大應力，并擬合出總質量和最大應力的代理模型；

S4、基于S3中最大應力的代理模型，采用子集模擬重要度抽樣法計算訓練集I中每個樣本點對應的可靠性靈敏度，得出BP神經網絡訓練和測試的樣本點；

S5、利用海洋捕食者算法獲取BP神經網絡的最優權值閾值，構建MPA-BP神經網絡；判斷MPA-BP是否滿足預設要求，若是則保存訓練好的MPA-BP神經網絡；若否，則利用主動學習函數從S中選取新的樣本點，添加至初始訓練集I中，返回步驟S4；

S6、將訓練好的MPA-BP輸出的可靠性靈敏度和機械結構的總質量作為優化目標，構建可靠性穩健優化設計模型，并求解得出可靠性穩健設計解。

2.如權利要求1所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，所述步驟S2中，分別使用蒙特卡羅法和隨機移動四邊形法獲取候選樣本點集S和初始訓練集I。

3.如權利要求1所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，所述步驟S5中，主動學習函數為：

式中，Z(x)為極限狀態函數；為任意點x到候選樣本點中各點距離的平均值；d_min,n(x)為任意點x到候選樣本點集中各點距離的最小值；n為訓練集中樣本點個數；選擇G(x)最小的點作為新樣本點加入訓練集I中。

4.如權利要求3所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，的表達式為：

式中，c＝1,2,…,n；

d_c(x)的計算方法為：

式中，d表示問題的維度；上式意義為d維空間中任意點x到x_c的歐氏距離；

d_min,n(x)符合：

d_min,n(x)＝min(d_n(x))

d_n(x)＝{d₁(x),d₂(x),…,d_c(x)}。

5.如權利要求1所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，所述步驟S5中，將MPA-BP的預測誤差作為預設的要求，預測誤差的范圍為0.05～0.1。

6.如權利要求1所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，所述步驟S6中，以MPA-BP輸出的可靠性靈敏度和機械結構的總質量為最小為目標，采用第二代非支配排序遺傳算法對目標進行求解，得到Pareto解集。

7.如權利要求6所述的基于主動學習代理模型的結構可靠性穩健優化設計方法，其特征在于，在求得的Pareto解集中采用支配度函數進行尋優決策，支配度函數應符合：

式中，S_p為非劣解集中解的個數；S_o為優化目標數，μ_l為第l個優化目標取值隸屬度；

定義隸屬度函數μ_l為：

式中，f_l第l個優化目標對應函數值；f_maxl和f_minl分別為第l個優化目標對應Pareto解中的最大值和最小值。