买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：厦门大学

摘要：本发明公开了一种针对采集函数进行惩罚的涡轮转子叶片稳态气动力优化方法，其用于在工程约束条件下使与所述涡轮转子叶片的工程参数具有函数关系的性能参数最优。本方法提供了新的采集函数，该采集函数在现有技术的基础上引入了针对采集函数的惩罚，在迭代过程中，根据约束函数对应的高斯过程模型的预测值和预测值方差来确定惩罚考量值，再将惩罚考量值与预设的惩罚判断阈值进行比较，在违反约束时惩罚采集函数，保证新增样本点在可行区域内选取，同时减少对预测误差大、预测值小的区域的探索，提高探索效率。

主权项：1.一种针对采集函数进行惩罚的涡轮转子叶片稳态气动力优化方法，其用于在工程约束条件下，使与所述转子叶片的工程参数具有函数关系的性能参数最优，其特征是：基于贝叶斯优化算法，采用期望提升准则实施迭代的采样过程；所述采样过程包括：S1:基于工程参数样本集中所有工程参数和相应的性能参数，构建目标函数的高斯过程模型；S2:基于选定的工程约束条件，构建约束函数的高斯过程模型；S3:构建采集函数，所述采集函数被构造为： S4:最大化采集函数，以决定采样的工程参数；S5:基于被决定采样的工程参数，获得相应的性能参数，并据此更新工程参数样本集；其中，所述工程参数为涡轮转子叶片形状参数中的特定参数，所述性能参数为涡轮转子叶片的稳态气动力，且优化方向为使涡轮转子叶片的稳态气动力最小；所述采集函数中：ytargetk＝yfeas,mink-DIk； 以上公式中：k为采样过程的迭代序号，k取值范围为大于等于1的自然数；wk为第k次迭代时的自适应权重系数； 为第k次迭代时目标函数的高斯过程模型得到的后验均值；skx为第k次迭代时的后验均方差，其为目标函数的高斯过程模型得到的后验方差开方后的值；Φx为标准正态分布的分布函数；φx为标准正态分布的密度函数；P为针对采集函数进行惩罚的值；ytargetk为第k次迭代时的性能参数自适应目标值；yfeas,mink为第k次迭代前基于所有已采样工程参数获得的性能参数中最优的性能参数值；yfeas,min0是所有样本初始点中满足约束的最优值；yn+k-1为第k-1次迭代时被决定采样的工程参数所对应的名义性能参数值；DIk为第k次迭代的期望最优性能参数提升量；Pcei为第i个约束函数的惩罚考量值；tcei为人为预设的惩罚判断阈值；μceix为第i个约束函数对应的高斯过程模型预测值；σceix为第i个约束函数对应的高斯过程模型预测值的方差；a、b、c、d为人为预设的值，且a＜b，c＞0，d＞0。

全文数据：

权利要求：

百度查询： 厦门大学 一种针对采集函数进行惩罚的涡轮转子叶片稳态气动力优化方法