论文部分内容阅读
针对在工程设计中完全采用随机类优化方法计算量大,耗时等问题,本文研究基于统计学原理发展的计算量小、在一定程度上可以保证拟合精度的代理模型预测方法。在叶轮机械叶片设计过程中,采用代理模型取代耗时的高精度的计算流体动力学分析,可以加速设计过程,降低设计成本。尽管目前有通用化商业软件(ISIGHT等)提供代理模型功能,但对于特定设计问题(比如叶轮机械)仍需要研究开放的、可定制的、模块化的高效代理技术,以支持进一步的总体优化设计。本文主要研究了3种代理模型技术,主要工作可以总结为以下三个方面：(1)首先研究Kriging、RBF-NN和SVMR三种代理模型的建模机理、最优拉丁超立方取样实验设计策略和模型评判准则。在模型评判准则过程中,因输出量纲的不同导致预测结果均方根误差(RMSE)会差别很大,进而无法对不同测试问题的模型预测能力进行评判,为此提出相对均方根误差准则指标(RRMSE),并将其应用于本文的各种代理模型的比较分析中。(2)将不同的测试问题根据非线性程度和设计变量维数分为高阶高维、高阶低维、低阶高维、低阶低维四种类型,将初始样本根据规模不同分为稀疏规模、小规模、大规模样本,然后针对不同的分类对12组测试函数建立108组代理预测模型,进行预测和结果比较分析,发现对于不同类型的预测问题代理模型的预测能力表现各异,而对于高阶高维、高阶低维的小规模样本的预测问题RBF-NN模型的预测精度和模型鲁棒性比SVMR和Kriging模型都好。(3)基于上述研究成果,以混流泵导叶的叶片设计为应用实例,在其他设计参数及工作环境不变的情况下,采用以上研究的Kriging、RBF-NN和SVMR三种代理模型技术,以混流泵的水力效率和扬程作为预测目标,建立代理模型,进行预测,为混流泵导叶的叶片设计提供技术支持。最后采用测试样本以检验模型的预测精度和鲁棒性,对预测结果进行比较分析,结果表明对于本文研究的叶轮机械叶片设计问题,采用RBF-NN代理模型能够获得较好的预测结果。本文理论上,期望给出一种适合复杂叶片设计问题的代理计算模型,进而通过所建立的代理计算模型预测设计目标随设计变量的变化趋势；在应用上,期望能够为复杂的叶轮机械的叶片设计提供关键的技术支持。