.png){kind=icon}
返回
Reliability-based design optimization of hinge sleeve using adaptive E-SVM
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2025.111435.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为实現高效可靠度分析與铰链套筒的有效减重，本文提出了一种基于贝叶斯优化算法和不同核函数的自适应集成支持向量机（E-SVM）的可靠度设计优化（RBDO）方法。首先，采用贝叶斯优化算法搜索SVM中多项式核函数和高斯核函数的最优集成权重。在此基础上，对两种核函数进行线性加权，并利用K折交叉验证确定SVM模型的最优超参数，以确保代理建模的稳健性。其次，采用E-SVM模型的自适应可靠度分析方法，通过计算有界失效概率范围量化失效概率经验估计的不确定性。在每次迭代中，选择信息参数点并添加到训练样本集中，以实现SVM模型的自适应更新。所提方法的有效性通过数值算例和汽车前轴的应用得到验证。最后，将该方法应用于铰链套筒的轻量化设计。在应力、变形和寿命的可靠度要求下，优化后的铰链套筒重量减少202.6 kg，实现减重比3.3%。
Keyword:
Bayesian optimization
adaptive ensemble SVM
reliability-based design optimization
hinge sleeve
lightweight design
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
引用论文
More robust and better: a multiple kernel support vector machine ensemble approach for traffic incident detection更稳健且更优：一种用于交通事件检测的多核支持向量机集成方法
PREAI
分享收藏Efficient global optimization with ensemble and selection of kernel functions for engineering design
PREAI
分享收藏分享收藏Segmental multi-point linearization for parameter sensitivity approximation in reliability analysis.png)
STRUCTURAL SAFETY
OAAI
STRUCTURAL SAFETYIF6.3
OAAI分享收藏
查看更多内容