基于概率-區(qū)間混合模型的汽車耐撞性結(jié)構(gòu)可靠性優(yōu)化設(shè)計(jì)
發(fā)布時(shí)間:2021-06-01 23:23
目前,安全性設(shè)計(jì)已成為現(xiàn)代汽車工業(yè)領(lǐng)域的研究熱點(diǎn)。因此,考慮結(jié)構(gòu)優(yōu)化設(shè)計(jì)提高汽車碰撞安全性已經(jīng)進(jìn)行了廣泛研究。然而,汽車耐撞性結(jié)構(gòu)優(yōu)化設(shè)計(jì)存在大量的不確定性,如幾何尺寸、材料屬性、載荷和邊界條件等。這些不確定性使得汽車結(jié)構(gòu)參數(shù)與名義值存在一定容差,不確定變量的容差直接影響汽車結(jié)構(gòu)安全性能,致使整個(gè)設(shè)計(jì)過程缺乏可靠性。因此,針對(duì)汽車耐撞性安全進(jìn)行結(jié)構(gòu)可靠性優(yōu)化設(shè)計(jì)具有十分重要的意義。傳統(tǒng)的可靠性優(yōu)化方法主要采用概率模型描述不確定變量,然而,概率模型依托于隨機(jī)變量精確概率分布,獲得隨機(jī)變量精確概率分布往往是非常困難的。在許多情況下不確定變量上下界更容易獲得,這類不確定變量適合采用區(qū)間模型描述。在實(shí)際工程中常常碰到這樣的情況:一部分不確定性參數(shù)信息量足夠,適合采用概率模型描述;另一部分不確定性參數(shù)因缺乏足夠的樣本信息而僅知其上下界,適合采用區(qū)間模型描述。因此,研究含概率變量和區(qū)間不確定變量混合可靠性優(yōu)化設(shè)計(jì)具有重要的實(shí)際工程意義。本文基于概率—區(qū)間混合模型的汽車碰撞結(jié)構(gòu)可靠性優(yōu)化設(shè)計(jì)進(jìn)行探索和研究以提高優(yōu)化計(jì)算效率及求解精度。主要研究?jī)?nèi)容如下:1、提出一種概率—區(qū)間混合可靠性優(yōu)化方法。結(jié)合概...
【文章來源】:長(zhǎng)沙理工大學(xué)湖南省
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1兩因子拉丁方采樣試驗(yàn)設(shè)計(jì)??
?碩士學(xué)位論文???2.?3.?2徑向基(RBF)模型??徑向基(Radial?Basis?Function,?RBF)模型最早是由Hardy于1971年提出,用于擬合??不規(guī)則地形數(shù)據(jù)。徑向基函數(shù)能準(zhǔn)確構(gòu)建任意函數(shù),可以處理分散的數(shù)據(jù)樣本點(diǎn)完成多??維度擬合問題。徑向基函數(shù)G中用/■表示x的歐式距離,r的具體表達(dá)式為r?=?||x-x,||,??基函數(shù)的表達(dá)式為=?,c為大于零的參數(shù)。徑向基模型的基函數(shù)為:??/(x)?=?^fj;G(||x-x,||)?(2.4)??>=1??其中,CT,為第/個(gè)的未知待定系數(shù),々為樣本點(diǎn)的數(shù)量。??cy7?a2??????????-????圖2.2三層徑向基網(wǎng)絡(luò)圖??圖2.2為徑向基輸入輸出之間的映射,中間層常用的5種基函數(shù)如下表:??表2.3徑向基函數(shù)??名稱?基函數(shù)表達(dá)式??線性?G(r)?=?cr??三次項(xiàng)?G(r)=(r?+?c)3??薄板樣條?G(r)?=?r2?log(cr2)??高斯?G(")?=?exp(-cr2)??Multiquadric?G(r)?=?(r2?+c2)vl??10??
?第三章基于概率一區(qū)間混合模型的可靠性優(yōu)化方法???根據(jù)可靠性指標(biāo)定義,即正態(tài)空間坐標(biāo)原點(diǎn)到兩個(gè)極限曲面的最孝最大距離,得??出可靠性指標(biāo)為區(qū)間:??p?日[m?(3.15)??其中,,和,7分別對(duì)應(yīng)下、上極限狀態(tài)曲面的結(jié)構(gòu)可靠性指標(biāo)。??!<2八臨界區(qū)^??\?紐區(qū)??f?可靠區(qū)??oL?-??wl??圖3.1標(biāo)準(zhǔn)iE態(tài)空間混合》丨靠性指標(biāo)示意閣??根據(jù)公式(3.8)獲得結(jié)構(gòu)發(fā)生失效的概率|X:間為:??Pf^pLnPUf]?=?m-PU)M-PL)}?(3.16)??其中,<和py分別表示結(jié)構(gòu)的最小與最大的失效概率。??實(shí)際工程需獲得結(jié)構(gòu)最大失效概率,即求解最小可靠度指標(biāo),?問題如下:??pL=mm?ul?u??s.t.?min?,(.,)?=?0?(317)??V-fc/??根據(jù)區(qū)間+確定變S的分布范圍將(3.17)轉(zhuǎn)換成以下優(yōu)化H題:??P'?=?min?u?'?u??uy?(3.18)??s.t.?g(?,j)?=?0??yL^y^yu??3.4基于概率一區(qū)間混合模型的可靠性優(yōu)化模型??基于概率一區(qū)間混合模型的可靠性優(yōu)化問題的基本形式為:??17??
本文編號(hào):3210359
【文章來源】:長(zhǎng)沙理工大學(xué)湖南省
【文章頁數(shù)】:78 頁
【學(xué)位級(jí)別】:碩士
【部分圖文】:
圖2.1兩因子拉丁方采樣試驗(yàn)設(shè)計(jì)??
?碩士學(xué)位論文???2.?3.?2徑向基(RBF)模型??徑向基(Radial?Basis?Function,?RBF)模型最早是由Hardy于1971年提出,用于擬合??不規(guī)則地形數(shù)據(jù)。徑向基函數(shù)能準(zhǔn)確構(gòu)建任意函數(shù),可以處理分散的數(shù)據(jù)樣本點(diǎn)完成多??維度擬合問題。徑向基函數(shù)G中用/■表示x的歐式距離,r的具體表達(dá)式為r?=?||x-x,||,??基函數(shù)的表達(dá)式為=?,c為大于零的參數(shù)。徑向基模型的基函數(shù)為:??/(x)?=?^fj;G(||x-x,||)?(2.4)??>=1??其中,CT,為第/個(gè)的未知待定系數(shù),々為樣本點(diǎn)的數(shù)量。??cy7?a2??????????-????圖2.2三層徑向基網(wǎng)絡(luò)圖??圖2.2為徑向基輸入輸出之間的映射,中間層常用的5種基函數(shù)如下表:??表2.3徑向基函數(shù)??名稱?基函數(shù)表達(dá)式??線性?G(r)?=?cr??三次項(xiàng)?G(r)=(r?+?c)3??薄板樣條?G(r)?=?r2?log(cr2)??高斯?G(")?=?exp(-cr2)??Multiquadric?G(r)?=?(r2?+c2)vl??10??
?第三章基于概率一區(qū)間混合模型的可靠性優(yōu)化方法???根據(jù)可靠性指標(biāo)定義,即正態(tài)空間坐標(biāo)原點(diǎn)到兩個(gè)極限曲面的最孝最大距離,得??出可靠性指標(biāo)為區(qū)間:??p?日[m?(3.15)??其中,,和,7分別對(duì)應(yīng)下、上極限狀態(tài)曲面的結(jié)構(gòu)可靠性指標(biāo)。??!<2八臨界區(qū)^??\?紐區(qū)??f?可靠區(qū)??oL?-??wl??圖3.1標(biāo)準(zhǔn)iE態(tài)空間混合》丨靠性指標(biāo)示意閣??根據(jù)公式(3.8)獲得結(jié)構(gòu)發(fā)生失效的概率|X:間為:??Pf^pLnPUf]?=?m-PU)M-PL)}?(3.16)??其中,<和py分別表示結(jié)構(gòu)的最小與最大的失效概率。??實(shí)際工程需獲得結(jié)構(gòu)最大失效概率,即求解最小可靠度指標(biāo),?問題如下:??pL=mm?ul?u??s.t.?min?,(.,)?=?0?(317)??V-fc/??根據(jù)區(qū)間+確定變S的分布范圍將(3.17)轉(zhuǎn)換成以下優(yōu)化H題:??P'?=?min?u?'?u??uy?(3.18)??s.t.?g(?,j)?=?0??yL^y^yu??3.4基于概率一區(qū)間混合模型的可靠性優(yōu)化模型??基于概率一區(qū)間混合模型的可靠性優(yōu)化問題的基本形式為:??17??
本文編號(hào):3210359
本文鏈接:http://sikaile.net/kejilunwen/qiche/3210359.html
最近更新
教材專著