2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩70頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、隨著工程技術(shù)的不斷發(fā)展,系統(tǒng)結(jié)構(gòu)日益復(fù)雜化,采用近似模型逼近復(fù)雜工程問題的方法得到了廣泛地應(yīng)用。傳統(tǒng)的近似方法在求解低維非線性問題時(shí)獲得了較高的擬合精度及建模效率,然而,當(dāng)面對高維近似問題時(shí),采用傳統(tǒng)近似方法建模的計(jì)算成本會(huì)呈指數(shù)增長,其函數(shù)逼近能力將大幅降低甚至求不出可行的近似模型。高維模型表示(HDMR)是一種專門用于求解高維近似問題的結(jié)構(gòu)表示方法,它不僅能夠反映輸入輸出間的映射關(guān)系,還能通過模型的結(jié)構(gòu)層次智能地識別出各變量間的相關(guān)

2、關(guān)系。
  本文引入支持向量回歸(SVR)技術(shù),并采用分割矩形采樣(DIRECT)策略,提出了一種新的高維近似建模方法,基于DIRECT采樣的SVR-HDMR近似模型。該方法繼承了HDMR優(yōu)秀的結(jié)構(gòu)層次,將高維問題分解為多個(gè)低維問題的求和;同時(shí)結(jié)合了SVR的小樣本學(xué)習(xí)能力及DIRECT的智能采樣策略,從而利用有限的樣本點(diǎn)獲得了精度較高的高維近似模型。
  然后,文章對模型的采樣機(jī)制進(jìn)行了改進(jìn),提出一種更適用于高維問題近似建模

3、的采樣策略,稱為改進(jìn)的分割矩形采樣(IDIRECT)。由于采用分割矩形采樣策略構(gòu)建高維近似模型時(shí),其采樣過程沒有選擇設(shè)計(jì)空間的邊界樣本點(diǎn),模型在邊界處的擬合效果較差,這在一定程度上阻礙了該方法在工程問題上的實(shí)際應(yīng)用,因此提出改進(jìn)策略。針對十個(gè)常用的數(shù)學(xué)測試算例,驗(yàn)證兩種采樣方法構(gòu)建的SVR-HDMR近似模型的函數(shù)逼近能力,并與多種近似建模方法對比分析。結(jié)果表明,基于IDIRECT采樣的SVR-HDMR近似建模方法不僅有效地解決了近似模型

4、在邊界處擬合效果較差的難題,而且提高了建模效率及模型的近似精度。
  基于上述研究,本文將該高維近似建模方法成功運(yùn)用于一個(gè)立柱結(jié)構(gòu)尺寸參數(shù)的優(yōu)化設(shè)計(jì)中。首先利用UG軟件對其三維造型,并采用Hyperworks進(jìn)行有限元仿真計(jì)算,通過仿真試驗(yàn)獲得高維近似模型所需的樣本點(diǎn);然后構(gòu)建基于IDIRECT采樣的SVR-HDMR近似模型,求出立柱各尺寸參數(shù)與導(dǎo)軌撓度變形之間的映射關(guān)系;最后將該近似模型作為約束條件參與立柱結(jié)構(gòu)的優(yōu)化設(shè)計(jì),獲得了

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論