view in publisher's site

Adaptive single-loop reliability-based design optimization and post optimization using constraint boundary sampling

The single-loop method (SLM) for reliability-based design optimization (RBDO) can be inaccurate when constraint functions are highly nonlinear because it uses gradient information calculated at the approximated most probable point (MPP) of the previous iteration. To overcome this limitation, this paper presents a new adaptive SLM (ASLM) that can automatically select the gradient at the approximate MPP of the previous iteration or the design point of the current iteration. If the design movement is large, the normalized gradient is calculated at the current design point, and the approximate MPP is calculated using the mean value method, and if small, the gradient is calculated at the approximate MPP of the previous iteration. In this study, a post optimization (PO) technique using constraint boundary sampling (CBS) is also proposed to improve the accuracy of ASLM. In the proposed method, ASLM is performed first, and then PO is applied to find a more accurate RBDO optimum using the Kriging model generated by samples accumulated during ASLM and sequentially added by CBS when the Kriging model is not accurate enough. Numerical studies show that the proposed ASLM is more efficient than the existing RBDO methods and the proposed PO improves its accuracy.

بهینه‌سازی طراحی مبتنی بر قابلیت اطمینان مبتنی بر قابلیت اطمینان مبتنی بر قابلیت اطمینان و بهینه‌سازی توان با استفاده از نمونه‌گیری از مرز محدود

روش حلقه تک حلقه‌ای (SLM)برای بهینه‌سازی طراحی مبتنی بر قابلیت اطمینان (RBDO)می‌تواند زمانی نادرست باشد که توابع محدودیت به شدت غیر خطی باشند زیرا از اطلاعات شیب محاسبه‌شده در محتمل‌ترین نقطه تقریبی (MPP)تکرار قبلی استفاده می‌کند. برای غلبه بر این محدودیت، این مقاله یک SLM انطباقی جدید (ASLM)را نشان می‌دهد که می‌تواند به طور خودکار شیب را در MPP تقریبی تکرار قبلی یا نقطه طراحی تکرار فعلی انتخاب کند. اگر حرکت طراحی بزرگ باشد، گرادیان نرمال شده در نقطه طراحی فعلی محاسبه می‌شود و MPP تقریبی با استفاده از روش مقدار میانگین محاسبه می‌شود، و اگر کوچک باشد، گرادیان در برآورد تقریبی تکرار قبلی محاسبه می‌شود. در این پژوهش، یک تکنیک بهینه‌سازی (PO)با استفاده از روش نمونه‌گیری مرزی محدودیت (CBS)برای بهبود دقت of پیشنهاد شده‌است. در روش پیشنهادی اول، ASLM ابتدا اجرا می‌شود و سپس PO برای پیدا کردن یک بهینه RBDO دقیق‌تر با استفاده از مدل Kriging تولید شده توسط نمونه‌های جمع‌آوری‌شده در طول ASLM و بعد از آن توسط CBS، زمانی که مدل Kriging به اندازه کافی دقیق نیست، بکار گرفته می‌شود. مطالعات عددی نشان می‌دهد که ASLM پیشنهادی کارآمدتر از روش‌های RBDO موجود می‌باشد و PO پیشنهاد شده دقت خود را بهبود می‌بخشد.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Mechanics of Materials
  • ترجمه مقاله Mechanics of Materials
  • مقاله مکانیک مواد
  • ترجمه مقاله مکانیک مواد
  • مقاله Mechanical Engineering
  • ترجمه مقاله Mechanical Engineering
  • مقاله مهندسی مکانیک
  • ترجمه مقاله مهندسی مکانیک
سفارش ترجمه مقاله و کتاب - شروع کنید

95/12/18 - با استفاده از افزونه دانلود فایرفاکس و کروم٬ چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.