最优化_第10章 补充章节 优化模型建立.ppt

常用响应面模型 多项式响应面 神经网络 Kriging模型 支持向量机 … 响应面法是用于拟合复杂系统的输入(随机变量)与输出(系统响应)的关系问题。通过采用一个拟合函数来近似地表示一个未知函数的显示关系。使得在所求区间内，用拟合函数近似地代表真实的响应函数： 为响应值； 为自变量 常用的响应面拟合函数为多项式响应面。一般的一阶多项式响应面的表达形式是： 式中：b0、 bi为分别表示待定的常数项、线性项，根据试验数据( x11, x21, … , xn1 , y1)，…，( x1k, x2k, … ,xnk , yk)用最小二乘法估计出： 一阶多项式响应面结构简单，需要试验数据少，但是响应面精度低。且无法反映出自变量之间的交互作用。于是出现了二阶多项式响应面： 式中bij的表示待定的二次项系数 。采用二阶响应面的研究者认为，这种响应面形式包含了二次项，可以一定程度上反映隐式方程的非线性。如果真实方程的阶数不是很高，这种二阶多项式响应面确实可以得到比较满意的结果。 精度判别： 最大绝对误差 相对平均绝对误差 yi 、 分别为第i个测试点的预测值以及试验值， 为试验均值。RAAE代表了在整个设计空间的函数拟合程度，其值越小说明拟合程度越好。RMAE代表了局部设计区域的函数拟合程度，其值越小越好。 确定设计方案 试验设计 满足精度？ Y 优 化 N 构造神经网 络响应面 仿真试验 构造多项 式响应面 设计如图所示受到集中载荷的双杆结构。设计变量为杆的横截面公称直径D、高度H、跨度B。.载荷F为1.5×105N，壁厚T为2.5 mm，弹性模量E为2.1×105 N/mm2。该结构满足的设计要求为：1)结构的体积V最小。2)结构的强度满足要求。3)结构的稳定性满足要求。20≤D≤80，200≤H≤800 分析得知该结构的质量特性有3个，分别是体积、强度、稳定性，以Y1、Y2、Y3表示。对质量特性有影响的因素为D、H、B，以x1、x2、x3表示。由于影响质量特性的因素仅为3个，采用全析因试验设计(3水平)。共进行试验27次，从而得到的多项式响应面。 Y1 Y2 Y3 多项式响应面模型 Y1 Y2 Y3 真实模型 在得到质量特性的多项式响应面模型后进行了10次的仿真试验判断其精度。可以看出无论是最大绝对误差还是相对平均绝对误差，Y2的响应面精度最低，Y1的响应面精度最好。 从图中也能直观的看出Y2的非线性程度较高，因此多项式响应面拟合的效果不佳。 误差类型 Y1 Y2 Y3 RAAE 0.013887 0.26056 0.033637 RMAE 0.045517 0.78003 0.11247 LA层含有3个输入节点，分别是对质量特性有影响的杆的横截面公称直径D、高度H以及跨度B；LB层含有15中间节点；LC层含有1个输出节点，既结构强度Y2。神经网络的结构设计好后就可以利用样本数据进行训练 。 神经网络误差收敛曲线 神经网络构造的Y2响应面 误差类型 Y2 多项式 神经网络 RAAE 0.26056 0.011587 RMAE 0.78003 0.039526 本章结束 Thank You！ * * * * * * * * 基于仿真的优化步骤： 1） 前期调研 2） 制定研究方案 3） 试验方案 4） 仿真过程 5） 近似方法选择 6） 优化模型建立 7） 优化算法选择 8） 优化结果分析 9） 得到相关优化结论 10）实物验证 第十章 优化模型建立 优化方法的应用前提是知道设计变量与目标函数之间的关系。然而在实际工程优化问题中由于工程问题的复杂性，这种关系往往是未知的的，极难得到它们之间的显式函数关系。通常的做法是进行试验设计，然后用近似方法得到设计变量和目标函数之间的关系 1)正交试验法 2)均匀试验方法 §10.1试验技术 试验技术要求在设计空间中进行样本的采集，样本数量的多少和好坏直接影响到近似模型对真实解的逼近程度： 1）样本太少或样本不具有代表性，则不能反映出近似模型的结构映射规律； 2）若样本太多，不仅会浪费人力物力、而且又会使模型进入过拟合状态，无法建立正确的映射关系，“泛化”能力降低。 合理的选择样本至关重要。试验设