[发明专利]基于Kriging模型的涡轮轴可靠性优化设计方法

权利要求书

1.一种基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，包括：

建立涡轮轴参数化有限元仿真模型；

确定涡轮轴失效模式，建立涡轮轴的目标函数和可靠性约束函数；

确定迭代设计点和迭代最可能失效点；

构建可靠性约束函数的Kriging代理模型；

采用自适应学习函数识别重要失效模式进行自适应抽样，更新所述Kriging代理模型；

利用单层法求解获得当前优化设计点和当前最可能失效点；

比较所述当前优化设计点和所述迭代设计点，

若||当前优化设计点-迭代设计点||≤阈值，则所述当前优化设计点为确定优化设计点；

若||当前优化设计点-迭代设计点||＞阈值，则转至步骤所述确定迭代设计点和迭代最可能失效点，并用所述当前优化设计点更新所述迭代设计点，用所述当前最可能失效点更新所述迭代最可能失效点；

其中，采用自适应学习函数识别重要失效模式进行自适应抽样，更新所述Kriging代理模型包括：

根据所述可靠性约束函数，定义局部抽样区域；

利用自适应学习函数识别重要失效模式；

根据所述重要失效模式，在所述局部抽样区域内抽取最大样本点；

根据所述最大样本点，获得相应的所述可靠性约束函数的响应值；

根据所述最大样本点和相应的所述可靠性约束函数的响应值，更新所述Kriging代理模型。

2.根据权利要求1所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，所述建立涡轮轴参数化有限元仿真模型包括：

建立涡轮轴的几何模型，确定网格划分和分析类型；

量化涡轮轴不确定性随机输入参数。

3.根据权利要求1所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，构建可靠性约束函数的Kriging代理模型包括：

采用拉丁超立方抽样方法抽取输入样本集；

根据所述输入样本集，评估所述可靠性约束函数获得训练集；

根据所述训练集，获得所述Kriging代理模型。

4.根据权利要求1所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，所述局部抽样区域为以所述迭代最可能失效点为中心的抽样区域。

5.根据权利要求2所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，第w个所述可靠性约束函数对应的失效模式为所述重要失效模式，w为大于等于1的整数。

6.根据权利要求5所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，根据所述重要失效模式，在所述局部抽样区域内抽取最大样本点包括：

根据第w个所述可靠性约束函数对应的所述Kriging代理模型，获取相应的预测均值和预测方差；

根据获取的预测均值和预测方差，在所述局部抽样区域内抽取所述最大样本点。

7.根据权利要求1所述的基于Kriging模型的涡轮轴可靠性优化设计方法，其特征在于，所述利用单层法求解获得当前优化设计点和当前最可能失效点包括：

根据更新后的所述可靠性约束函数的Kriging代理模型，获取预测均值；

利用单层法并结合所述预测均值，获得所述当前优化设计点和当前最可能失效点。

8.一种计算机存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7中任一项所述的基于Kriging模型的涡轮轴可靠性优化设计方法。

9.一种电子设备，其特征在于，包括：

处理器和存储器，所述存储器用于存储所述处理器的可执行指令，所述处理器经由执行所述可执行指令来执行权利要求1-7任一项所述的基于Kriging模型的涡轮轴可靠性优化设计方法。