基于NURBS近似模型的全局优化方法研究-机械工程专业论文.docxVIP

  • 3
  • 0
  • 约6.52万字
  • 约 66页
  • 2019-02-15 发布于上海
  • 举报

基于NURBS近似模型的全局优化方法研究-机械工程专业论文.docx

摘 摘 要 I I 摘 要 随着科学技术的发展,机电产品的复杂度越来越高,对机电产品的设计生产所需 成本也越来越高。在产品设计过程中如何能够快速得到最优的方案,成为当今研究的 热点。因此全局优化方法逐渐映入学者的视野,基于近似模型的全局优化方法是近几 年出现的一种较为高效的方法,其具有计算效率高且计算费用低等优点,然而其目前 发展并不太成熟。基于此,本文提出了一种新的基于近似模型的全局优化方法,以期 能够为全局优化提供一种更加有效的途径。具体研究内容如下: (1)介绍了 NURBS(非均匀有理 B 样条)响应面方法以及 FCM(模糊 c 均值) 聚类算法的基本理论,阐述了该两种方法的特征,并总结了该两种方法的优点,为后 续研究奠定了基础。 (2)对 NURBS 响应面权重系数的计算方法进行了研究。因为权重系数对 NURBS 响应面起着非常重要的作用,合理的权重系数可以提高 NURBS 响应面的构造精度。 本文主要针对一维二次 NURBS 响应面及双二次 NURBS 响应面权重系数的计算方法 进行了研究,并提出了一种新的一维二次 NURBS 响应面和双二次 NURBS 响应面权 重系数的计算方法。该方法改进了现有方法中数据规范化、相关矢量和相关矩阵的计 算方法,去掉了在计算过程中对相关矩阵的求逆,并且增加了一项顶点系数。并利用 数值算例证明了,用该方法计算的权重系数去构建 NURBS 响应面,能够得到比现有 方法更高的拟合精度。 (3)对全局优化方法进行了研究。提出了一种基于 NURBS 响应面以及 FCM 聚 类算法的全局优化方法。该方法首先通过 FCM 找出全局最小值所在的子空间,在此 子空间上构建 NURBS 近似模型并计算该近似模型的最小值。然后缩小该子空间并增 加采点,更新 NURBS 近似模型并计算新的近似模型的最小值。两个最小值相减达到 精度要求时计算结束。由于缩小了计算空间所以该方法在很大程度上减少了计算量并 提高了计算效率。采用几个经典的数值算例对该方法进行了验证,结果表明该方法可 行,且计算结果稳定,计算效率高。 (4)将基于 NURBS 响应面以及 FCM 的全局优化方法应用于多裂纹损伤定量识 别的反问题求解中。研究证明,采用本文方法对裂纹损伤程度识别的平均误差小于 4%,因此其具有较好的精度。 关键词:全局优化方法;NURBS;权重系数;FCM;近似模型 Ab Abstract II II Abstract With the development of science and technology, the complexity of mechanical and electrical products is higher and higher, the cost of the products for its design and production is more and more high. How to obtain the optimal solution quickly in the process of the product’s design and production, become a research focus. Therefore, the global optimization method gradually catches scholars. The global optimization method based on approximate model is a more efficient method in recent years. It has the advantages of high efficiency, low computational cost and so on. But, it is not mature in present. This paper proposes a new global optimization method based on approximate model, in order to provide a more effective method for global optimization. Firstly, the basic theories of the NURBS (Non-Uniform Rational B-Spline) response surface method and the FCM (Fuzzy c-means) clustering algorithm are briefly reviewed, then the paper describes the features of t

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档