原文传递
随机与模糊不确定下的高速列车齿轮传动系统多学科可靠性设计优化
| 论文题名： | 随机与模糊不确定下的高速列车齿轮传动系统多学科可靠性设计优化 |
| 关键词： | 齿轮传动系统;不确定性;可靠性分析;多学科优化;可靠性设计优化;BP近似模型 |
| 摘要： | 工程领域中，多学科可靠性设计优化（Reliability-BasedMultidisciplinaryDesignOptimization，RBMDO）是处理复杂学科优化问题的有效策略，该策略充分考虑系统内学科间差异和系统的可靠性要求，最大程度上利用学科间的耦合影响，获得全局最优解。同时，由于复杂工程问题中普遍存在不确定情况，因此在多学科优化过程（MultidisciplinaryDesignOptimization，MDO）中需考虑这些不确定性因素的影响，本文主要研究成果如下： （1）通过基于信息熵的广义密度函数法，建立了随机与模糊不确定信息的统一表征。首先对不确定性信息进行了分类，然后为了解决多种不确定性条件下的优化设计问题，选用了一种基于信息熵的广义密度函数法对模糊不确定变量进行转化，建立了不确定变量的统一表征和量化，最后用两个案例验证了其有效性。 （2）通过一阶与二阶可靠性近似方法实现可靠性分析与建模。针对在随机与模糊不确定条件影响下，多学科可靠性设计优化中的可靠性分析环节，采用了多种可靠性分析方法进行求解与验证，选取一阶可靠性分析方法（FirstOrderReliabilityMethod，FORM）、二阶可靠性分析方法（SecondOrderReliabilityMethod，SORM）计算学科的可靠度大小，并用自适应重要蒙特卡罗抽样（MonteCarloAdaptiveImportanceSampling，MCAIS）计算可靠度并对比，采用简单随机抽样蒙特卡洛（MonteCarlo，MC）进行可靠度的仿真模拟，在随机与模糊不确定性综合影响下，验证了它们求解可靠度的有效性，为多学科可靠性设计优化奠定基础。 （3）以BP（BackPropagation）神经网络构建近似模型，研究了BP神经网络作为近似模型实施的可行性和在多学科优化问题中的应用，采用最优拉丁超立方抽样（OptimalLatinHypercubeSampling，OLHS）构造BP近似模型。在随机-模糊不确定性的影响下，采用BP神经网络近似模型作为学科分析的近似函数，针对高速列车齿轮传动系统进行随机与模糊不确定条件下的多学科可靠性优化。 |
| 作者： | 黄光运 |
| 专业： | 机械工程 |
| 导师： | 李海庆 |
| 授予学位： | 硕士 |
| 授予学位单位： | 电子科技大学 |
| 学位年度： | 2022 |
检索历史
应用推荐
