.png){kind=icon}
返回
A Multidisciplinary Robust Collaborative Optimization Method Under Parameter Uncertainty Based on the Double-Layer EI-Kriging Model
.png){kind=icon}
OA
AI
DOI：10.3390/app151910549.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在高端装备的多学科设计优化（MDO）中，参数不确定性显著削弱了性能稳健性。现有方法在收敛效率和控制不确定性传播方面存在局限。为解决这一不足，我们提出了一种参数不确定性下的多学科稳健协同优化方法（MRCO-PU）。该方法通过引入基于权重分布差异信息（CO-WDDI）的协同优化方法，对传统协同优化（CO）进行改进，以加速跨学科收敛。同时，该方法整合了双层数据效率指数（EI）-克里金稳健优化模型，以增强复杂耦合和小样本条件下的稳健性。MRCO-PU方法针对单目标、强耦合、多约束且单次评估成本高的MDO问题。该方法通过数学案例和悬臂式掘进机截割头工程案例进行了验证。在数学案例中，约束的稳健可行性从0.49提升至1.00。在工程案例中，在完全满足约束稳健可行性的前提下，比能耗降低了6.3%，实现了不确定性下的运行成本最小化。本研究为高端装备的多学科稳健优化提供了一种有效方法。
Keyword:
multidisciplinary robust optimization
parameter uncertainty
collaborative optimization
Kriging model
cutting head
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
A
IF:
2.5
论文数:
1.9K
被引数:
15.9W
机构
引用论文
.png){kind=icon}
Robust Collaborative Optimization Design of Plug-In Hybrid Electric Bus Based on 6 Sigma Theory基于6 sigma理论的插电式混合动力客车稳健协同优化设计
PREAI
分享收藏Robust design optimization of a multi-body system with aleatory and epistemic uncertainty具有不确定性和认知不确定性的多体系统的鲁棒设计优化
PREAI
分享收藏Multidisciplinary Optimization Design of Electric Vehicle X-by-Wire Chassis Integrating Parameter Coupling and Uncertainties电动汽车X-by-Wire底盘的多学科优化设计：集成参数耦合与不确定性
PREAI
分享收藏A comparative study of acquisition functions for active learning kriging in reliability-based design optimization基于可靠性的设计优化中主动学习kriging的获取函数的比较研究
PREAI
分享收藏
查看更多内容