基于稀疏表达的多项式响应面模型及其仿真应用研究-机械制造及自动化专业论文.docxVIP

独创性声明 本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研 究成果。尽我所知，除文中已经标明引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写过的研究成果。对本文的研究做出贡献的个人和集体，均已在 文中以明确方式标明。本人完全意识到本声明的法律结果由本人承担。 学位论文作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，即：学校有权 保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。 本人授权华中科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本论文属于 保密□，在 年解密后适用本授权书。 不保密□。 （请在以上方框内打“√”） 学位论文作者签名： 指导教师签名： 日期： 年 月 日 日期： 年 月 日 华中科技 大学硕士 学 华 中 科 技 大 学 硕 士 学 位 论 文 I I 摘 要 随着机电产品的功能复杂化和智能化，计算密集型的分析/仿真模型在设计过程 中已越来越普遍。为了提高计算效率，可以用响应面模型代替复杂的仿真模型 (源模 型)。在现有的响应面理论研究基础上，本文提出了一种新的响应面模型，即基于稀 疏 表 达 的 多 项 式 响 应 面 模 型 (Sparsity-promoting Polynomial Response Surface ， SPPRS)。 在 SPPRS 模型中，基函数由一系列 Legendre 多项式组成，且其规模与采样点数 目相适应，以增强模型对复杂函数关系的表达能力。基函数的系数由“稀疏回归” 方法计算，该方法实质上是最小二乘法和?1范数正则化的线性组合。由于采用了“稀 疏回归”方法，SPPRS 模型只挑选出对描述源模型具有重要作用的基函数，同时剔 除冗余基函数，从而尽可能找出源模型在基函数集下的稀疏表达，进而有效避免过 逼近现象。此外，由于最小二乘法和?1范数正则化的综合作用，SPPRS 模型可以同 时获得函数关系的大致趋势和在采样点附近较好的局部精度。 通过理论分析证明了在 SPPRS 模型中，选用 Legendre 多项式作为基函数，且用 拉丁超立方试验设计方法 (Latin Hypercube Design，LHD) 产生采样点，有利于提高 SPPRS 模型的逼近精度。同时，通过实例比较了在不同基函数和不同采样方法下的 SPPRS 模型对函数关系的逼近能力，验证了理论分析结果的正确性。 本文从均方根误差、最大绝对值误差以及相关系数等三个方面，通过 6 个标准测 试函数比较了 SPPRS 模型和几种典型的响应面模型的逼近能力。同时，比较了各响 应面模型的构造与估值效率。此外，还分析了采样数目和基函数规模对 SPPRS 模型 逼近能力的影响。最后，将 SPPRS 模型应用于 3 个具体的工程案例中。实验结果表 明，对于大部分标准测试函数和所有工程案例，SPPRS 模型的平均估算精度都是最 好的。这说明，SPPRS 模型具有一定理论意义和工程应用价值。 关键词：稀疏表达；响应面模型；Legendre 多项式；拉丁超立方试验设计；逼近精 度；互相干系数 II II Abstract With the function of mechanical and electrical products being complicated and intelligent, computation-intensive analyses/simulations are becoming increasingly common in engineering design problems. To improve the computation efficiency, surrogate models are used to replace expensive simulation model (source model). Based on the previous research of surrogate model, this paper proposes a new surrogate modeling approach which is called the Sparsity-promoting Polynomial Response Surface (SPPRS). In the SPPRS model, a series of Legendre polynomials is selected as basis functions, and its number is compatible wit