近似模型優(yōu)化體系關(guān)鍵技術(shù)研究及應(yīng)用.pdf

1、基于近似模型的優(yōu)化方法是求解大規(guī)模非線性問題最有希望的方法之一,鑒于其高效性,廣泛應(yīng)用于工程優(yōu)化領(lǐng)域。如果能夠高效建立可靠的近似模型,很多大規(guī)模工程問題便可以迎刃而解。近年來,隨著研究的深入,研究對(duì)象的規(guī)模和復(fù)雜度也日益增強(qiáng)。目前該領(lǐng)域的研究現(xiàn)狀是:對(duì)于大規(guī)模非線性問題的求解,近似模型技術(shù)還缺乏有效的手段。因此,雖然目前基于近似模型技術(shù)的優(yōu)化領(lǐng)域非常活躍,基于近似模型技術(shù)的優(yōu)化方法也多種多樣,但對(duì)于高維非線性的實(shí)際工程優(yōu)化問題,目前的近

2、似模型技術(shù)還缺乏快速構(gòu)建最大限度反映研究對(duì)象的特性模型的手段,這也是近似模型技術(shù)研究領(lǐng)域面臨的最大瓶頸,阻礙了該技術(shù)在工業(yè)領(lǐng)域的應(yīng)用和發(fā)展。
　　 近似模型優(yōu)化技術(shù)由三個(gè)基本階段構(gòu)成:實(shí)驗(yàn)設(shè)計(jì),近似模型構(gòu)建,基于近似模型的優(yōu)化。鑒于工程問題的復(fù)雜性和多樣性,建立一種通用的近似模型構(gòu)造體系是非常困難的。因此,目前基于近似模型技術(shù)的優(yōu)化方法都具有一定的針對(duì)性,當(dāng)涉及到不同類型的具體工程優(yōu)化問題,需要根據(jù)問題的特殊性,合理構(gòu)建可行的優(yōu)

3、化策略。為此,本文將車輛工程優(yōu)化設(shè)計(jì)的難點(diǎn)金屬板料成形和車輛耐撞性作為主要實(shí)際工程應(yīng)用研究。以近似模型的精度和效率作為算法的主要評(píng)價(jià)標(biāo)準(zhǔn),對(duì)近似模型的實(shí)驗(yàn)設(shè)計(jì)和構(gòu)建這兩個(gè)方面進(jìn)行了理論研究。
　　 本論文的主要?jiǎng)?chuàng)新點(diǎn)包括以下幾個(gè)方面:
　　 (一)智能實(shí)驗(yàn)設(shè)計(jì)方法
　　 針對(duì)目前“離線”實(shí)驗(yàn)設(shè)計(jì)方法的技術(shù)瓶頸,建立了兩種“在線”實(shí)驗(yàn)設(shè)計(jì)方法。這類布點(diǎn)方法不僅僅是單純的實(shí)驗(yàn)設(shè)計(jì)方法,實(shí)質(zhì)上也是一個(gè)優(yōu)化過程,通過近似

4、模型的精度和優(yōu)化結(jié)果確定布點(diǎn)的方向,即將布點(diǎn)過程自動(dòng)化和智能化。其中粒子群智能布點(diǎn)方法是基于粒子群優(yōu)化理論建立的一種智能布點(diǎn)方法,將修正后的粒子群優(yōu)化技術(shù)用于新樣本的定位:而基于邊界條件和最優(yōu)鄰域的智能布點(diǎn)方法則是根據(jù)初始樣本的邊界信息以及設(shè)計(jì)空間中當(dāng)前樣本的鄰域內(nèi)最優(yōu)樣本生成新樣本。為了克服初始設(shè)計(jì)空間的主觀因素,建立了相應(yīng)的設(shè)計(jì)空間更新和判斷機(jī)制,使其能夠更為客觀地確定新樣本的位置。此外,為了提高布點(diǎn)效率,提出了并行智能布點(diǎn)方法,通

5、過對(duì)初始樣本點(diǎn)數(shù)目的擴(kuò)展,達(dá)到提高精度,加快速度的目的。隨后,將以上研發(fā)的算法同主流實(shí)驗(yàn)方法進(jìn)行了性能比較,通過對(duì)多維非線性函數(shù)的測(cè)試來確認(rèn)算法的可行性。測(cè)試數(shù)據(jù)表明:智能實(shí)驗(yàn)設(shè)計(jì)方法能夠控制更新樣本空間,優(yōu)化樣本質(zhì)量,進(jìn)而提高后續(xù)近似模型的精度和構(gòu)建效率。
　　 (二)基于概率的最小二乘支持向量回歸
　　 主流近似模型技術(shù)多數(shù)建立在經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化準(zhǔn)則之上,但經(jīng)驗(yàn)風(fēng)險(xiǎn)最小并不一定意味著期望風(fēng)險(xiǎn)最小。這類近似模型技術(shù)的瓶頸

6、是:試圖用十分復(fù)雜的模型去擬合有限的樣本,導(dǎo)致喪失了推廣能力,難以反映研究目標(biāo)的實(shí)質(zhì)和特性。為此,本文以泛化性能出色的基于統(tǒng)計(jì)學(xué)習(xí)理論的支持向量機(jī)技術(shù)構(gòu)造近似模型,建立基于概率的最小二乘支持向量回歸算法,通過權(quán)系數(shù)對(duì)誤差帶的控制實(shí)現(xiàn)對(duì)模型精度的控制。實(shí)質(zhì)上是通過賦予異常樣本較小的加權(quán)系數(shù),將噪聲樣本對(duì)模型的性能的影響減少到最小的策略,算法的穩(wěn)健性取決于建模過程中對(duì)異常樣本的檢測(cè)和剔除效果。通過基于最小二乘支持向量機(jī)回歸方法和基于概率的最

7、小二乘支持向量機(jī)回歸方法對(duì)非線性函數(shù)的擬合測(cè)試,兩種方法的性能都有顯著地提高,能夠克服噪聲對(duì)函數(shù)精度的影響。因此,基于概率的最小二乘支持向量機(jī)回歸方法是一種可行的近似模型設(shè)計(jì)方法。
　　 (三)基于響應(yīng)函數(shù)的空間映射技術(shù)
　　 作為自成體系的一個(gè)優(yōu)化流派,空間映射技術(shù)近年來發(fā)展迅猛?？臻g映射技術(shù)的最大瓶頸在于其參數(shù)提取技術(shù),即如何確定精細(xì)模型的初始解在粗糙空間中對(duì)應(yīng)解。通過對(duì)主流的空間映射方法的分析和驗(yàn)證,其關(guān)系具有較強(qiáng)

8、的隨機(jī)性,進(jìn)而導(dǎo)致優(yōu)化結(jié)果的不準(zhǔn)確、甚至不收斂。針對(duì)這一問題,本文提出了基于響應(yīng)函數(shù)的空間映射技術(shù),同傳統(tǒng)的空間映射相比,其最大特點(diǎn)是建立響應(yīng)函數(shù)間的空間映射,并通過反求算法獲得最優(yōu)設(shè)計(jì)參數(shù)。因此,避免了易造成誤差和難以收斂的根本因素——參數(shù)提取過程,使空間映射方法更為直接。通過對(duì)非線性函數(shù)的測(cè)試結(jié)果表明,本文提出的空間映射技術(shù)的精度和收斂性均有大幅度提高。
　　 (四)基于近似模型技術(shù)的優(yōu)化方法在金屬板料成形中的應(yīng)用
　

9、　 金屬板料成形過程是一種包括幾何非線性,材料非線性,邊界條件非線性,且變形機(jī)制非常復(fù)雜的高度非線性問題。利用提出的智能布點(diǎn)方法、近似模型構(gòu)造技術(shù)以及基于響應(yīng)的空間映射算法,建立了高效精確的板料成形近似模型優(yōu)化體系,用以提高對(duì)板料成形過程的控制能力、板料成形性的優(yōu)化精度、生產(chǎn)效率及縮短產(chǎn)品開發(fā)周期等方面均具有顯著的優(yōu)越性,有積極的現(xiàn)實(shí)意義。
　　 (五)基于時(shí)序的近似模型構(gòu)造體系及其在車輛耐撞性優(yōu)化中的應(yīng)用
　　 基于