10.12068/j.issn.1005-3026.2019.12.015
基于PC-Kriging模型与主动学习的齿轮热传递误差可靠性分析
为提高齿轮热传递误差可靠性分析的计算效率和精度,提出了一种高效的基于PC-Kriging代理模型与主动学习函数LIF相结合的可靠性分析方法.采用多项式混沌展开(polynomial-chaos-expansion,PCE)替代传统Kriging模型的回归基函数来增强预测模型的全局近似精度,并利用Kriging模型来捕捉预测模型局部特征的能力.采用最小角回归(LAR)构建回归基函数的最优多项式数量集,同时用Akaike信息准则(AIC)来确定最优的截断集合.并采用一种主动学习函数LIF选择每次迭代的最佳样本点以提高模型收敛效率.通过齿轮热传递误差算例表明:与传统的Kriging代理模型相比,所提出方法在保证精度的同时可以极大地减少预测模型可靠性分析中的学习次数.
可靠性分析、PC-Kriging模型、主动学习函数、蒙特卡罗、齿轮热传递误差
40
TB114.3(工程基础科学)
国家自然科学基金资助项目51775097;国防技术基础项目JSZL2015208B001
2020-01-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
1750-1754